В США безработица в профессиях, которые принято считать наиболее уязвимыми для автоматизации, сейчас ниже, чем в менее затронутых ИИ сферах. На фоне почти ежедневных разговоров о скорой зачистке офисных ролей это неприятный для алармистов факт: влияние ИИ на занятость пока выглядит куда слабее громких заголовков. Для русскоязычной IT-аудитории это важный сигнал: рынок меняется, но решения о найме, обучении и сокращениях лучше принимать по данным, а не по коллективной истерике.
Об этом сообщает MIT Technology Review в свежем разборе американской статистики рынка труда. Главный вывод простой: масштабного удара по занятости в беловоротничковых профессиях, который многие ожидали после взлета генеративных моделей, в данных пока не видно. Анализ показывает, что в наиболее «экспонированных» к ИИ профессиях безработица не выросла сильнее рынка, а в ряде случаев даже оказалась ниже, чем в категориях с меньшим риском автоматизации. Не наблюдается и другой популярный сценарий из дискуссий последних двух лет: массового исхода работников из офисных специальностей в условно более безопасный ручной труд.
Это идет вразрез с привычным сюжетом, где нейросети уже завтра заменяют аналитиков, маркетологов, дизайнеров, рекрутеров и младших разработчиков пачками. Сам по себе страх понятен. После запуска ChatGPT 30 ноября 2022 года, а затем бурного роста корпоративных пилотов на базе больших языковых моделей, компании начали внимательно смотреть на все, что можно ускорить, упростить или поручить софту. Отсюда и лавина прогнозов о том, что влияние ИИ на занятость вот-вот станет главным фактором на рынке. Но текущая американская статистика говорит: если изменения и происходят, то они не похожи на массовое вытеснение людей из профессий.
При этом MIT Technology Review не рисует розовую картину. Рынок труда в целом далек от идеального состояния, и напряжение там есть. Просто вопрос, похоже, не сводится к формуле «во всем виноват ИИ». Если компании замедляют найм, если вакансий становится меньше, если на одно место приходит слишком много кандидатов, это еще не доказательство того, что нейросеть уже заняла чье-то кресло. Наем может тормозиться из-за макроэкономики, осторожности бизнеса, пересмотра бюджетов, затянувшейся фазы экспериментов с ИИ и общей неопределенности в оценке производительности. Для бизнеса это неудобный вывод, потому что он требует разбираться в реальных причинах, а не прикрывать все одной модной аббревиатурой.
Самая интересная оговорка касается не всего рынка сразу, а входа в профессию. В том же выпуске приводится колонка Георгиоса Петропулоса, доцента школы бизнеса USC Marshall, который ссылается на недавнее исследование Стэнфорда. По его словам, молодые сотрудники в профессиях с высокой подверженностью ИИ после распространения генеративных инструментов столкнулись с заметным снижением занятости. В профессиях с низкой подверженностью такой картины не было. Это важное уточнение: влияние ИИ на занятость может быть не массовым по всей экономике, а точечным по карьерной лестнице. ИИ не обязательно выносит целые профессии, но вполне может тихо съедать простые стартовые задачи, с которых у джунов обычно начинается путь в отрасль.
Для IT-рынка это, возможно, наиболее практичный вывод из всей истории. Если junior-уровень сжимается, компаниям придется заново собирать модель выращивания кадров. Раньше часть рутинных задач можно было отдавать новичкам: разметка, первичная аналитика, подготовка контента, тестовые исследования, базовая поддержка, простые правки в коде или документации. Теперь значительную долю этой работы бизнес пытается ускорить генеративными системами. В краткосрочной перспективе это повышает эффективность команды. В долгосрочной создает дыру: если у вас меньше точек входа, через несколько лет внезапно выясняется, что мидлов и сеньоров тоже брать неоткуда. Для продактов, CTO и HR это уже не теоретический спор о будущем труда, а вполне приземленный вопрос кадрового конвейера.
Отсюда следует еще одна вещь, важная для русскоязычных команд. Если компания использует ИИ как аргумент для тотального урезания найма, она может принять слишком грубое управленческое решение. Автоматизация и правда меняет структуру задач, но не отменяет необходимость в людях, которые понимают контекст, отвечают за качество, умеют ставить задачи моделям и проверять результат. Особенно это касается разработки, аналитики, продуктовой работы и клиентских функций, где цена ошибки выше, чем выгода от пары сэкономленных часов. Более реалистичный подход сейчас выглядит так: не «заменим людей ИИ», а «переупакуем роли, пересоберем junior-задачи и будем измерять эффект на цифрах».
Для самих специалистов вывод тоже не самый драматичный, но довольно жесткий. Паника о том, что офисные профессии уже массово вымерли, пока не подтверждается. Зато подтверждается другое: простое присутствие на рынке больше не гарантирует входной билет в профессию. Если раньше можно было начать с монотонных задач и постепенно добрать экспертизу, то теперь от новичка чаще ждут более высокой стартовой полезности: умения работать с ИИ-инструментами, быстро проверять гипотезы, редактировать результат модели и понимать бизнес-контекст. Иначе первая ступенька карьеры становится слишком узкой.
В ближайшие кварталы главный вопрос будет не в том, вызовет ли ИИ одномоментную безработицу, а в том, как именно он перестроит ранние роли и траектории роста. Массового обвала рынок пока не показывает, но тихая эрозия entry-level сегмента может оказаться для отрасли куда более неприятной историей, чем громкие прогнозы о конце беловоротничковой работы.