ИИ не справляется с работой
Распространение искусственного интеллекта повышает спрос на человеческие навыки
Искусственный интеллект (ИИ) в ближайшие годы будет скорее менять содержание профессий, чем ликвидировать их, следует из нового исследования KPMG India и Федерации индийских торгово-промышленных палат (FICCI) «Human Capability in the Age of AI» («Человеческий капитал в эпоху ИИ»). Изучив изменения в финансовом секторе, здравоохранении, ИТ, промышленности, торговле и образовании страны, авторы приходят к выводу, что автоматизации наиболее подвержены не профессии, а отдельные составляющие их задач. Чем больше рутинных операций принимает на себя ИИ, тем выше становится значение навыков, которые пока плохо поддаются автоматизации,— способности принимать решения в условиях неопределенности, критически оценивать информацию, учитывать контекст, общаться и нести ответственность. Исследования российского рынка труда выявляют сходный процесс: навыки работы с ИИ пока требуются менее чем в 3% вакансий, а их самостоятельная ценность снижается — работодатели все чаще оценивают их в сочетании с профессиональными, аналитическими и управленческими компетенциями.
Фото: Евгений Павленко / Коммерсантъ
Фото: Евгений Павленко / Коммерсантъ
Между людьми и машинами
Исследование KPMG и FICCI посвящено прежде всего Индии, однако поставленная в нем проблема актуальна и для России. Обе экономики пытаются расширить применение ИИ не только в технологических компаниях, но и в традиционных отраслях при существенных различиях в квалификации работников, возможностях предприятий и развитии территорий. Поэтому авторы исследования предлагают оценивать последствия распространения ИИ на уровне отдельных задач. Такой подход заметно уменьшает предполагаемые масштабы вытеснения труда. По оценке Международной организации труда (МОТ), около четверти работников в мире заняты в профессиях, в той или иной степени подверженных влиянию генеративного ИИ, но лишь 3,3% мировой занятости приходится на профессии с максимальным уровнем такого влияния. Оценивая отдельные задачи, а не профессии целиком, МОТ определяет долю занятости с высоким потенциалом автоматизации в 2,3%, а с высоким потенциалом дополнения человеческого труда ИИ — в 13%.
Работодатели же пока скорее перераспределяют работу между людьми и машинами. По данным доклада Всемирного экономического форума (ВЭФ) «Future of Jobs Report 2025» («Доклад о будущем профессий»), которые приводит KPMG, сейчас 47% рабочих задач выполняются преимущественно людьми, 22% — технологиями и еще 30% — человеком и технологией совместно. К 2030 году работодатели ожидают почти равного распределения работы между этими тремя категориями. Таким образом, основной единицей происходящей трансформации становится не рабочее место, а задача.
В банковском секторе это означает, например, передачу чат-ботам стандартных запросов клиентов — проверки баланса, статуса платежа, операций с картой и типовых обращений. Сотруднику остаются спорные транзакции, жалобы, исключения из стандартных процедур и работа с клиентами, требующая оценки ситуации. Менеджер по работе с клиентами получает от ИИ анализ транзакций, портфеля и рисков, но должен интерпретировать его и рекомендовать решение. Директор по рискам передает ИИ мониторинг и часть прогнозирования, но не определение приемлемого риска и не ответственность за принятое решение.
Та же схема, по наблюдениям авторов, воспроизводится в остальных рассмотренных отраслях. В здравоохранении ИИ берет на себя часть диагностики, документации и анализа данных, но значительно слабее затрагивает работу, требующую непосредственного взаимодействия врача или медсестры с пациентом. В ИТ сильнее автоматизируются программирование типовых элементов, тестирование и техническая поддержка, слабее — архитектура систем, стратегия и сложное проектирование. В промышленности алгоритмы применяются для контроля качества, предиктивного обслуживания и оптимизации процессов, тогда как управление производством, безопасность, разработка продуктов и сложные инженерные решения остаются преимущественно за человеком. В торговле автоматизируются управление запасами, прогнозирование и кассовые операции, в образовании — административная работа и часть подготовки учебных материалов.
Общей чертой устойчивых к автоматизации задач KPMG называет необходимость суждения, коммуникации, творчества, эмпатии, лидерства, этической оценки и понимания контекста. При этом устойчивость профессии не обязательно связана с ее технологической сложностью. ВЭФ ожидает до 2030 года значительного роста занятости, в частности среди сельскохозяйственных работников, водителей доставки, строителей, продавцов и работников пищевого производства, а также медсестер, социальных работников, консультантов и преподавателей.
Спрос на квалификацию
Распространение ИИ на российском рынке труда и отраслевые исследования пока не позволяют столь же определенно судить о его влиянии на занятость и распределение рабочих задач, но изменение спроса на квалификацию работников уже заметно. В опубликованной в 2026 году в журнале «Вопросы экономики» работе НИУ ВШЭ «Эволюция спроса на ИИ-навыки на российском рынке» проанализировано более 700 тыс. вакансий за 2021–2025 годы. Требование владеть ИИ обнаружено менее чем в 3% объявлений, хотя спрос на такие навыки быстро растет и концентрируется прежде всего в высокотехнологичных отраслях и квалифицированных профессиях: финансах и страховании, информации и связи, профессиональной, научной и технической деятельности, образовании и обрабатывающей промышленности.
Меняется и цена умения работать с ИИ. Рассчитанная авторами премия к зарплате за ИИ-навыки сократилась с 31,8% в 2022 году до 11,8% в 2025-м. Исследователи связывают это с распространением технологии, увеличением предложения работников с соответствующими навыками и постепенным включением этих навыков в состав более сложных профессиональных компетенций. Статистически значимого эффекта замещения труда в данных о вакансиях авторы не обнаружили: напротив, владение ИИ увеличивает ценность аналитических и управленческих навыков, причем особенно за пределами собственно ИТ-профессий.
Данные предприятий дают менее однозначную картину. В опубликованном в 2025 году исследовании НИУ ВШЭ «Искусственный интеллект на предприятиях России: каковы эффекты для занятости?», основанном на репрезентативном опросе российских предприятий за 2022–2023 годы, применение ИИ сопровождалось сокращением занятости в среднем на 0,79 процентного пункта. Однако результат сильно зависел от размера компании: у крупных предприятий занятость сокращалась на 2,08 процентного пункта, у малых — на 1,26 процентного пункта, тогда как у средних росла на 2,96 процентного пункта. Автор связывает различия в том числе со структурой предприятий и использованием ИИ для дополнения квалифицированного труда в среднем бизнесе.
Российские данные пока не позволяют утверждать, что ИИ не сокращает занятость, но скорее подтверждают другой вывод индийского исследования: последствия использования технологии зависят от того, какую именно работу ей передают и что предприятие делает с высвободившимися человеческими ресурсами. Для России этот вопрос может приобрести существенные масштабы в ближайшие годы. Национальная стратегия развития ИИ предполагает, что доля работников, обладающих навыками использования технологии, должна вырасти с 5% в 2022 году как минимум до 80% в 2030-м. За тот же период доля приоритетных отраслей с высоким уровнем готовности к внедрению ИИ должна увеличиться с 12% до 95%, а ежегодные расходы организаций на внедрение и использование технологии — со 123 млрд до 850 млрд руб.
При достижении этих показателей владение ИИ перестанет быть самостоятельной редкой квалификацией. Наблюдаемое снижение зарплатной премии за нее косвенно указывает на начало такого процесса. Конкурентное преимущество работника в этом случае будет определяться не столько умением получить результат от модели, сколько способностью оценить его и использовать в конкретной профессиональной ситуации. Эту проблему KPMG предлагает решать с помощью «двойной» системы подготовки. Техническая грамотность должна развиваться одновременно с критическим мышлением, коммуникацией, способностью принимать решения, адаптироваться и работать в условиях неопределенности. Консультанты предлагают встроить оба типа навыков в единую систему профессиональной подготовки, быстрее обновлять профессиональные стандарты, создать систему постоянного мониторинга изменений спроса на труд и расширить доступ к переобучению для работников небольших предприятий и территорий за пределами технологических центров.
Отдельная проблема возникает на начальных ступенях профессиональной карьеры. Значительная часть задач, которые проще всего передать генеративному ИИ,— поиск и систематизация информации, подготовка типовых документов, простое программирование и тестирование, первичный анализ — традиционно выполнялась начинающими сотрудниками. Их автоматизация может сократить не только спрос на таких сотрудников, но и число рабочих ситуаций, в которых они приобретали опыт, необходимый для перехода к более сложным функциям. Поэтому сокращение рутинных позиций, отмечают авторы доклада об Индии, должно сопровождаться созданием других каналов получения практического опыта — стажировок, наставничества и ротации.
Это усложняет управление наймом. Передать работнику навыки использования нового программного продукта сравнительно просто. Сформировать профессиональное суждение, позволяющее понять, в каком случае результат ИИ ошибочен или неприменим, значительно труднее. Оно возникает благодаря опыту решения задач, часть которых теперь делегирована машине. Из этого следует необходимость изменить и предмет оценки. KPMG предлагает проверять не только полученный студентом ответ, но и его способность объяснить ход рассуждений, проверить источники, оценить результат ИИ и обосновать собственное решение. ИИ-грамотность при этом предлагается преподавать не как отдельную технологическую специальность, а включать в подготовку экономистов, медиков, юристов, управленцев и представителей других профессий.
Для России такой подход означает некоторое изменение акцентов заявленной кадровой политики. Национальная стратегия достаточно подробно оценивает распространение самой технологии — число подготовленных специалистов, долю владеющих ИИ работников, расходы организаций и готовность отраслей к внедрению. Но достижение показателя в 80% работников с ИИ-навыками еще ничего не говорит о том, насколько эффективно эти навыки будут использоваться.