📢 ИИ и рынок труда: что меняется в структуре занятости

Технологические перестройки рынка труда уничтожают одни группы профессий, сохраняют другие, создают третьи — но ни одна не уничтожила спрос на труд целиком. Внедрение ИИ воспроизводит эту закономерность.

Общее число рабочих мест восстанавливается за счёт новых профессий. Попадёт ли в них уволенный работник, зависит от возможности применения его навыков в смежных профессиях.

История даёт два сценария:

➡ Телефонистки AT&T в 1920–1940 годах. В городах, где автоматизировали коммутацию, набор молодых женщин на эту работу в следующих поколениях сократился на 50–80%. Совокупная занятость при этом не упала — рядом стояли конторские и сервисные профессии, принявшие их. Потери легли на тех, кто уже работал у коммутатора: через десять лет они чаще оказывались на менее оплачиваемых местах.
➡ Британский уголь. Спрос упал из-за перехода энергетики на нефть и газ, добыча сворачивалась, занятость за век сократилась на 90%. Перейти горнякам было некуда — узкая квалификация и привязка к угольным городам обернулись падением часовой ставки на 40% после увольнения и долгим возвратом к прежнему заработку. Исход решает переносимость навыка и наличие смежных профессий.

Распространяется ли этот механизм на интеллектуальный труд — открытый вопрос. Аджемоглу и Рестрепо отвечают аналогией с тягловой лошадью: вытесненная двигателем, она имела единственное применение, тогда как человек получает преимущество в более сложных задачах, и, пока такие задачи создаются, спрос на труд восстанавливается. По их расчётам, за последние 40 лет автоматизация в среднем вытесняла работников быстрее, чем появлялись новые занятия. Правило держится, но его действие в нынешнем переходе остаётся эмпирическим вопросом; гарантии нет.

Данные 2025–2026 годов общей потери рабочих мест не показывают. Йельская бюджетная лаборатория не фиксирует общеэкономического вытеснения. Сам ИИ в публичной риторике звучит громче, чем в цифрах: по опросу Harvard Business Review, руководители всё чаще объясняют сокращения ожиданиями от ИИ, а не его уже достигнутыми результатами.

Структура спроса на труд при этом всё-таки меняется, и яснее всего это видно в компаниях, собранных на ИИ с нуля: ключевой показатель там — выручка на сотрудника. Штат остаётся небольшим, зарплаты —высокими. Нанимают универсалов с обязательным владением ИИ и проверяют кандидата вопросом, не сделает ли его работу следующая версия модели. Та же логика приходит в действующие компании: новые ставки открывают только там, где задачу нельзя передать ИИ. Малочисленность — обычно фаза перед масштабированием, и сама модель сложилась в IT-компаниях и продуктовых стартапах. На производство, розницу и физические услуги она не переносится.

📌 Отсюда практический вывод. Профессии, где за человеком остаются суждение, ответственность за решение и прямой контакт, дорожают; роли, сводимые к одной автоматизируемой операции, уходят к алгоритмам. Растущие в цене позиции — самые дефицитные при найме, поэтому вырастить такого сотрудника из тех, чья прежняя работа исчезает, дешевле и быстрее, чем искать готового на рынке. Планировать стоит состав задач, а не общую численность.

🔗Полная версия исследования с историческими прецедентами, данными 2025–2026 годов и устройством ИИ-нативных компаний — по ссылке⬇
https://hrasc.ru/presscenter/news/ej7pbc8vx1-ii-i-rinok-truda-chto-menyaetsya-v-struk