Исследование: как генеративный ИИ изменяет профессии. +10,8 трлн ₽ к экономике РФ, и новые возможности для бизнеса

Всем привет. Меня зовут Кирилл Пшинник, я научный сотрудник в университете «Иннополиса» и CEO zerocoder.ru. Совместно с коллегами из МГУ и СПБГУ я сделал исследование о том, какие реальные задачи из реальных вакансий могут быть автоматизированы с помощью языковых моделей в Российских компания. В этой статье я расскажу о ключевых выводах.

Современные нейросети становятся мощным драйвером роста производительности. Однако, согласно результатам, ни одна профессия не автоматизируется на 100% – даже самые «уязвимые» должности сохраняют хотя бы часть задач за человеком. Но потенциал частичной автоматизации огромен: максимум 85% для отдельных рутинных задач и до 70% в рамках одной профессии. Иначе говоря, ИИ может взять на себя значительную долю работы, особенно монотонной, позволяя людям сосредоточиться на более творческих и сложных аспектах.

Мы проанализировали открытые вакансии по 78 наиболее популярных профессий (86% всех вакансий на сайте hh.ru), выделили более 100 000, кластеризовали их на уникальные непересекающиеся задачи и проанализировали, какие задачи в каждой профессии может выполнять генеративный ИИ. Результат получился достаточно ожидаемым: в первую очередь автоматизация грозит тем, чья работа связана с информацией, текстами, данными. Именно такие задачи легко поручить нейросети. Ниже – диаграмма, которая показывает, какую долю типичных задач ИИ способен выполнить.

ТОП самый автоматизируемых задач: дизайнер презентация, диспетчер, продуктовый аналитик, писатель, инженер данных, менеджер маркетплейсов, финансовый аналитик, руководетль отдела аналитики, менеджер по закупкам, инженер-технолог, художник.

Все эти роли объединяет одно: большинство задач в вакансиях на эти позиции требуют работы с текстовой или цифровой информацией, будь то анализ данных, создание контента или координация процессов. Именно в таких задачах сильны современные языковые модели – они способны генерировать отчёты, письма, предложения, анализировать таблицы и т.д. Неудивительно, что офисные «беловоротничковые» должности оказались впереди по потенциалу автоматизации. Например, ИИ уже умеет за минуты черновик презентации с визуальным оформлением или собрать черновой аналитический отчет из сырых данных.

Обратная сторона медали: сферы труда, где нейросети бессильны. Исследование показало, что практически нулевой потенциал автоматизации у работ, требующих физического труда, ручных умений и непосредственного взаимодействия с миром. Топ-10 наименее автоматизируемых профессий выглядит так: водитель, няня, слесарь, охранник, электрик/монтажник, курьер, токарь, сварщик, тракторист, уборщик.

Как видно, все эти роли связаны с ручным трудом: управление транспортом, ремонт оборудования, физическая безопасность, уборка. ChatGPT не починить проводку и не вывезет мусор – такие задачи вне досягаемости чисто текстовых или графических моделей. Конечно, узкоспециализированные ИИ для робототехники и автопилоты в перспективе могут изменить ситуацию, но в контексте генеративного ИИ офисного типа эти профессии наименее уязвимы для автоматизации.

Интересно, что многие из “защищенных” работ – неквалифицированный или низкооплачиваемый труд. Раньше автоматизация (например, роботы на конвейере) вытесняла главным образом работников низкой квалификации. Но в случае генеративного ИИ всё наоборот: под его влияние попали в основном интеллектуальные офисные занятия. Об этом – далее.

Одно из самых неожиданных открытий исследования: чем выше средняя зарплата по профессии или в отрасли, тем больше доля задач в ней можно поручить генеративному ИИ. Проще говоря, высокооплачиваемые специалисты (аналитики, юристы, айтишники и т.д.) получили более высокие “оценки автоматизируемости”, чем массовые профессии с невысокими окладами. Это подтверждает список выше: там почти все позиции – квалифицированные белые воротнички. Почему так происходит? Потому что генеративный ИИ лучше всего справляется с когнитивными, информационными задачами, а именно ими заняты топ-специалисты.

Не стоит, однако, интерпретировать это как приговор высококвалифицированным кадрам. Скорее наоборот: речь об повышении эффективности, а не замене. ИИ станет инструментом, который “прокачает” профессионалов, освободив их время для более творческой и стратегической работы, вместо рутины. Например, юрист сможет за считанные минуты сгенерировать черновик договора и потратить сэкономленное время на продумывание правовой стратегии, вместо тупого копипаста типовых пунктов. Аналогично, маркетолог освободится от рутинных отчётов и сосредоточится на креативных кампаниях.

Более того, ИИ может сгладить разницу в навыках между сотрудниками. Эксперимент, проведенный в Harvard Business school, показал: когда офисные работники использовали ChatGPT при подготовке текстов, новички подтянули качество своих документов до уровня более опытных коллег. ИИ-помощник как бы выровнял игровое поле, подсказав менее квалифицированным, как сделать хорошо. Это важный момент: при правильном применении технологии генеративный ИИ поможет развивать человеческий капитал, а не обесценивать его.

Результаты значительно различаются и по отраслям. Максимальный эффект ожидается в сферах “креативной” экономики и услуг. Тройка лидеров по потенциалу внедрения ИИ: культура/спорт/развлечения (до 63% задач можно автоматизировать), операции с недвижимостью (59%) и информация и связь (50%). Здесь много работы с контентом, документацией и информацией – благодатная почва для GenAI.

Наоборот, наименее подвержены автоматизации отрасли, где преобладает физический труд и офлайн-работа: агросектор, производство, строительство, транспорт, коммунальные услуги. Например, в сельском хозяйстве и промышленности значительная часть занятости – это управление машинами, ручные операции (см. упомянутых трактористов, сварщиков и т.д.), а генеративный ИИ напрямую там мало чем поможет. Это не значит, что эти отрасли останутся без ИИ вовсе – просто акцент будет на других технологиях (роботизация, классический софт автоматизации), а генеративные модели скорее найдут применение в смежных офисных задачах (документооборот, обучение персонала, отчетность и пр.).

Примечательно, что крупные по числу занятых сектора – например, розничная торговля и образование – тоже получат значительный эффект от ИИ-инструментов. Даже если технологии там внедряются умеренно, эффект масштабируется на огромный штат сотрудников. Даже небольшое ускорение работы множится тысячами рабочих часов, что даёт колоссальный совокупный рост производительности.

Если бизнес сумеет эффективно воспользоваться генеративным ИИ, выгоды окажутся внушительными. По нашей оценке, к 2030 году совокупный экономический эффект (за счет роста производительности труда) может достигнуть 10,8 триллиона рублей для экономики России. Это сопоставимо, например, с 8–10% нынешнего ВВП страны - колоссальный прирост. Генеративный ИИ может стать одним из ключевых драйверов экономического роста ближайшего десятилетия.

Разумеется, такие цифры не возникнут автоматически. Это потенциал, который раскроется лишь при массовом и грамотном внедрении технологий. В противном случае эффект может оказаться гораздо скромнее. Главный вопрос: готовы ли компании к изменениям и умеют ли интегрировать ИИ в работу?

Главный вывод исследования – подход к ИИ должен быть ориентирован на дополнение, а не замену человека. Мировые тренды подтверждают это: по данным опросов, 77% компаний планируют обучать персонал новым навыкам, отмечая, что ИИ следует использовать для поддержки сотрудников, а не ради сокращений. Чтобы извлечь максимум выгоды и не отстать от конкурентов, бизнесу важно начать действовать:

Подводя итог: генеративный ИИ способен кардинально изменить рынок труда в беловоротничковых отраслях. Многие рутинные задачи офисных сотрудников автоматизируются, но вместо угрозы тотальной безработицы перед нами открывается возможность повышения эффективности и переосмысления ролей. Бизнес, готовый переобучать людей и перестраивать процессы, выиграет больше всего. Те же, кто будет игнорировать новую технологию, рискуют остаться на обочине. В условиях “AI-весны” выигрывает не тот, кто сопротивляется переменам, а тот, кто их возглавляет – повышая продуктивность, создавая новые ценности и сохраняя при этом человеческий капитал. Пусть нейросети работают, а люди – творят.

Сейчас исследование находится на стадии проверки в научном журнале, поэтому мы не публикуем полный текст в открытом доступе до публикации. Если вы хотите получить пре-принт исследования, напиши нам на в телеграм @zerocoder_b2b или на почту b2b@zerocoder.ru о том, для чего вам эти данные - я пришлю вам материал.