Как ИИ уже меняет рынок труда
О том, что ИИ может ударить прежде всего по начинающим специалистам, говорят уже не первый год. Но одно дело – предположение, основанное на том, какие задачи умеют выполнять модели, и совсем другое – увидеть этот эффект в реальных данных.
🔥 Еще больше полезной информации о технологиях и достижениях науки — в моем канале
Теперь у нас есть сразу два больших массива: миллионы американских работников и данные о 1,25 млрд вакансий и 154 млн записей о занятости в 41 стране. И оба дают похожий сигнал: рынок труда начинает меняться именно там, где человек только входит в профессию.
Первый сигнал: что происходит в США
В августе 2026 года Stanford обновил исследование Canaries in the Coal Mine (Канарейки в угольной шахте), используя высокочастотные данные ADP о миллионах американских работников. Исследователи сравнивали занятость в профессиях с разной степенью воздействия ИИ и отдельно смотрели на возраст работников.
ADP (Automatic Data Processing) — американская компания, которая занимается расчётом зарплат, кадровым и HR-администрированием для бизнеса.
В целом никакого массового обвала занятости Stanford не обнаружил. Экономика продолжает создавать рабочие места, а у опытных работников в профессиях с высокой экспозицией к ИИ сопоставимого провала нет.
Но для работников 22–25 лет картина заметно отличается. К июню 2026 года занятость молодых людей в наиболее подверженных ИИ профессиях была примерно на 19% ниже, чем была бы, если бы она продолжала двигаться в соответствии с динамикой молодых работников в менее подверженных ИИ профессиях. Для сравнения: годом ранее аналогичный разрыв составлял около 15%.
Причём это не означает, что 19% молодых специалистов были уволены из-за ИИ. Механизм выглядит иначе: компании стали меньше нанимать молодых работников. Исследователи не обнаружили сопоставимого роста увольнений; изменение в основном проходит через сокращение входящего потока работников.
Именно это делает результат особенно интересным. Если компания может использовать ИИ для выполнения части задач, которые раньше отдавались начинающему сотруднику, ей может просто потребоваться меньше людей на первой ступени карьерной лестницы.
Но дело не только в возрасте
Stanford обнаружил ещё одну важную закономерность: эффект сильно зависит от того, как именно ИИ используется в профессии.
Там, где ИИ преимущественно замещает человеческие задачи, снижение занятости молодых работников выражено сильнее. А там, где ИИ скорее дополняет человека, занятость выглядит значительно устойчивее; у опытных работников в таких профессиях она даже может расти.
Это важное различие. ИИ, который помогает специалисту быстрее анализировать данные, готовить документы или писать код, не обязательно уменьшает потребность в этом специалисте. Но если технология позволяет полностью выполнять стандартизированную часть работы, которую раньше поручали новичку, компании получают возможность сократить именно этот уровень найма.
Поэтому дело может быть не в том, что «ИИ заменяет профессию», а в том, что он меняет соотношение между разными уровнями опыта внутри неё.
Это только в США?
Если бы такой результат наблюдался только в США, его можно было бы объяснять особенностями американского рынка труда.
Но 21 сентября Stanford опубликовал другое исследование — How Does AI Change Labor Demand? — уже на данных 41 страны. Исследователи проанализировали 1,25 млрд объявлений о вакансиях и 154 млн записей о занятости и изучили, как меняется структура работников после внедрения ИИ компаниями.
Здесь обнаруживается похожий сдвиг: компании, внедряющие ИИ, сокращают долю работников-новичков относительно сопоставимых компаний.
Но есть важная деталь. Это снижение доли новичков происходит в первую очередь не потому, что количество senior-работников падает или новичков массово увольняют. В исследовании основным механизмом оказывается рост занятости более опытных работников.
То есть структура компании постепенно смещается: опытных специалистов становится относительно больше, а доля начинающих — меньше. При этом авторы находят признаки умеренного общего роста занятости.
И это очень хорошо дополняет американские данные. В США мы видим, что молодым работникам становится сложнее войти в наиболее подверженных ИИ профессии. В международных данных видим изменение структуры рабочей силы внутри компаний, внедряющих ИИ: меньше доля новичков, больше — опытных. И это уже не просто рассуждение о том, что когда-нибудь произойдёт с рынком труда.
Что именно меняется?
Самый интересный эффект может находиться не в массовых увольнениях, а гораздо раньше — в точке входа человека в профессию.
Традиционная карьерная лестница предполагает довольно простой механизм: человек приходит на начальную позицию, выполняет относительно простые задачи, учится, набирается опыта и постепенно переходит к более сложной работе.
Но что происходит, если значительную часть этих простых задач теперь может выполнять ИИ? Компания всё ещё может нуждаться в опытном специалисте, который принимает решения, работает со сложными случаями и отвечает за результат. Но ей может потребоваться меньше людей, которым раньше поручали более стандартизированную работу на начальном этапе.
Получается, что ИИ может делать первую ступеньку карьеры короче. И это потенциально гораздо более серьёзное изменение, чем просто сокращение нескольких тысяч вакансий.
Почему опытные специалисты пока выглядят иначе
В международном исследовании Stanford есть ещё одна интересная деталь: опытные работники не просто сохраняют позиции, их занятость смещается в сторону профессий, более подверженных воздействию ИИ. Для начинающих работников наблюдается обратное направление.
Это хорошо согласуется с американскими данными. Опытный специалист уже обладает тем, что ИИ не обязательно заменяет напрямую: накопленным контекстом, практическими знаниями, умением принимать решения в нестандартных ситуациях и понимать последствия своих действий.
В обновлённом исследовании Canaries Stanford отдельно отмечает различие между формализованными знаниями, которые можно описать в учебнике или инструкции, и тактическим знанием, которое формируется через практику, наставничество и опыт.
Снижение занятости молодых работников сильнее проявляется именно в профессиях, где важна первая категория, тогда как у опытных работников в профессиях с большим значением тактического знания занятость может расти.
И вот здесь возникает проблема, о которой пока говорят меньше
Представим, что тенденция сохранится. Компаниям нужно меньше новичков, потому что часть их работы теперь выполняет ИИ. Опытные специалисты остаются востребованными, потому что умеют решать более сложные задачи.
Но откуда через несколько лет возьмутся новые опытные специалисты? Раньше начальные позиции были не только способом выполнить работу. Они были способом подготовить следующий слой специалистов.
Молодой разработчик учился на простых задачах и постепенно становился старшим. Начинающий аналитик разбирался с данными и со временем начинал самостоятельно принимать решения. Младший юрист учился на типовых документах, прежде чем перейти к сложным делам.
Если часть этих задач исчезает, может измениться сам механизм накопления опыта.
Это пока не доказанный долгосрочный эффект, и Stanford прямо предупреждает, что текущие результаты являются ранними описательными индикаторами, а не окончательными причинными оценками. В частности, авторы отмечают некоторые тенденции, которые существовали ещё до распространения генеративного ИИ, а также различия между используемыми источниками данных.
Но сам сигнал становится гораздо сложнее игнорировать.
Пожалуйста, поддержите меня, поставьте лайк! 🙏
ИИ должен был уничтожить рабочие места. Но что, если самый большой удар происходит не там, где мы его ищем? Свежее исследование Стэнфорда показывает: рынок труда может меняться не через массовые увольнения, а через постепенное исчезновение возможностей для одних специалистов и рост требований к другим. Так кто на самом деле находится в зоне риска?
Мы привыкли к тому, что софт дешевле человеческого труда, поэтому IT индустрия активно росла более 20 лет. Но теперь, похоже, ситуация меняется. Аналитики инвестфонда a16z обнаружили: на ИИ-токены в топ компаниях почти сравнялись с годовой зарплатой инженера. Почему так произошло и к чему это может привести?