ИИ заберет у вас работу. Или нет?

Но исторический опыт и современные данные заставляют относиться к этим прогнозам с осторожностью. Предыдущие прогнозы о неизбежной «катастрофе автоматизации» не оправдались, а нынешние ожидания массовой безработицы, вызванной ИИ, во многом повторяют старые ошибки. Технологический прогресс действительно меняет рынок труда, но делает это постепенно, встраиваясь в институциональные и социальные рамки, которые часто оказываются куда более устойчивыми, чем сами технологии. Несостоятельность прогнозов

История дискурса об автоматизации показывает устойчивую склонность общества переоценивать скорость и масштабы технологических изменений. В начале 2010-х годов наибольший резонанс вызвала статья К. Фрея и М. Осборна, в которой утверждалось, что 47% рабочих мест в США находятся в зоне риска автоматизации. Этот прогноз быстро распространился в медиа и экспертных кругах, формируя атмосферу тревожных ожиданий: журналисты предупреждали о грядущем исчезновении профессий, а инвесторы и политики пытались заранее осмыслить «эпоху безработицы», которая якобы должна была наступить уже через десятилетие. Однако реальность опровергла эти предсказания. На протяжении 2010-х годов занятость в большинстве уязвимых секторов не сокращалась, а напротив, росла. Сферы, где ожидался быстрый технологический прорыв сохранили рабочие места, трансформировав их структуру и распределение задач. Подобные расхождения объясняются методологическими изъянами прогнозов. Вместо эмпирического анализа конкретных рабочих процессов исследователи опирались на экспертные суждения о том, могут ли теоретически машины выполнять отдельные виды задач. Логика была проста: если более половины задач профессии считались автоматизируемыми, вся профессия классифицировалась как под угрозой исчезновения. Такой подход игнорировал организационное строение труда, институциональные барьеры и социальные факторы. Рабочие места редко состоят из изолированных функций, они объединяют разные типы деятельности, многие из которых плохо формализуются и зависят от человеческого взаимодействия. Кроме того, автоматизация задач в теории не означает ее экономическую целесообразность на практике. Даже если алгоритм способен заменить человека, это не гарантирует, что компания инвестирует в его внедрение, особенно если издержки высоки. В результате прогнозы оказались чересчур упрощенными. Они исходили из представления, что техническая возможность равна неизбежности, а внедрение технологий — это внешний процесс, который автоматически перестраивает рынок труда. Реальность показала обратное: технологические изменения всегда социально опосредованы. Они внедряются постепенно, под давлением экономических стимулов, норм регулирования, коллективных переговоров и культурных особенностей. Именно поэтому после 2013 года рынок труда не пережил «катастрофу автоматизации», а вместо этого развивался в рамках более сложной динамики. Ключевым уроком последнего десятилетия стало понимание того, что массовая технологическая безработица является скорее риторическим конструктом, чем эмпирической тенденцией. Предсказанная точка перелома, когда машины вытеснят миллионы профессий, так и не наступила. Вместо этого мы видим постепенные изменения в содержании рабочих мест, новые требования к навыкам и адаптацию сотрудников. Технологические инновации действительно изменяют труд, но они делают это через фильтр социальных и политических институтов, а не в форме внезапного обрушения занятости. Структурные пределы автоматизации

Пределы автоматизации становятся очевидны, если рассматривать их не в изоляции, а в контексте долгосрочных структурных трансформаций мировой экономики. С середины XX века индустриализация выступала главным источником роста производительности и занятости, однако начиная с 1970-х годов ее динамика постепенно исчерпывалась. В странах ОЭСР произошел переход к экономике услуг, которая сегодня поглощает большую часть всей занятости. Но именно сфера услуг в наименьшей степени поддается механизации: образовательные и медицинские процессы, социальное обслуживание, сферы гостеприимства и культуры в высокой степени зависят от человеческого взаимодействия, от эмпатии и гибкости, которые трудно воспроизвести алгоритмами. В результате общий темп роста производительности снизился, а возможности для технологических рывков сузились. Даже в отраслях, где автоматизация внедрялась активнее всего, масштабы изменений были ограниченными. Промышленные роботы, широко используемые в автомобильной промышленности, остаются эффективными лишь при массовом стандартизированном производстве. Хотя стоимость оборудования со временем падала, реальные издержки приходились на программирование, настройку и техническое обслуживание, которые в совокупности обходились компаниям в несколько раз дороже самого робота. Эти расходы окупались только для крупных корпораций, работающих с огромными объемами выпуска, тогда как малые и средние предприятия, специализирующиеся на индивидуализированных заказах или мелкосерийном производстве, редко находили стимулы к внедрению роботизированных систем. Попытки перенести автоматизацию в сферу услуг также не оправдали ожиданий: статистика фиксирует концентрацию роботов почти исключительно в промышленности, а их распространение в здравоохранении, образовании или гостиничном бизнесе остается точечным и узкоспециализированным. Здесь проявляется важный аспект: автоматизация никогда не является процессом, который протекает автономно. Даже одна и та же профессия может выглядеть по-разному в разных странах в зависимости от уровня профсоюзной организации, нормативных требований и культурных традиций. Производство автомобиля на высокоавтоматизированных заводах Германии заметно отличается от стремительно растущих фабрик электромобилей в Китае, хотя формально речь идет об одном и том же виде деятельности. Эти различия показывают, что технологии не навязывают единую траекторию развития, а действуют в контексте локальных решений и компромиссов. Ключевая проблема заключается в том, что экономика услуг плохо поддается масштабируемому повышению производительности. Даже если появляются новые цифровые инструменты, они редко способны заменить труд в сферах, где качество определяется взаимодействием людей. Более того, демографические тенденции и снижение темпов глобального спроса усиливают структурную стагнацию: без демографического роста и новых рынков технологии оказываются встроенными в среду хронического замедления. В этих условиях автоматизация не становится источником новой индустриальной революции, а лишь модифицирует существующие процессы, не изменяя фундаментальные ограничения. Трансформация труда

Генеративный ИИ в последние годы стал символом надежды на новый виток технологического прогресса. Крупные корпорации инвестируют миллиарды долларов в разработку моделей и строительство центров обработки данных, обещая революцию в сферах, где традиционная автоматизация оказалась неэффективной: в здравоохранении, образовании, розничной торговле и юридических услугах. Дискурс вокруг ИИ насыщен заявлениями о его способности переломить стагнацию производительности, вывести экономику на траекторию бурного роста и радикально изменить характер занятости. Однако первые результаты внедрения показывают, что подобные прогнозы скорее отражают ожидания инвесторов и маркетинговые стратегии компаний, чем эмпирическую реальность. Как признал гендиректор Microsoft С. Наделла, несмотря на масштабные вложения в OpenAI и смежные проекты, прирост производительности пока не наблюдается, а макроэкономические показатели указывают на отсутствие ускорения. Если бы генеративный ИИ обладал преобразующей силой, уже сейчас можно было бы зафиксировать рост мирового ВВП, однако факты говорят об обратном. Реальные эффекты этих технологий проявляются не в массовом уничтожении рабочих мест, а в трансформации содержания труда. Генеративные модели успешно справляются с задачами среднего уровня сложности: созданием стандартных текстов, базового кода, типовых изображений. В результате профессии не исчезают, но их структура меняется. Там, где раньше требовались работники с определенными компетенциями, теперь достаточно оператора, способного редактировать и контролировать алгоритмический результат. Это ведет к деквалификации: программисты, дизайнеры и юристы рискуют потерять статус профессионалов, превращаясь в смотрителей за машинным производством контента. Для низкоквалифицированных работников ИИ действительно может увеличить производительность, но для специалистов высокого уровня его эффект оказывается минимальным. Другим важным последствием становится усиление контроля над трудом. Генеративные модели позволяют собирать и анализировать массивы данных о рабочих процессах, стандартизировать результаты и тем самым повышать управляемость сотрудников. Работодатели получают новые инструменты мониторинга и оценки, что открывает возможность снижать издержки на заработную плату и навязывать жесткие стандарты эффективности. Таким образом, ИИ не освобождает человека от труда, а, наоборот, превращает его в объект более жесткого надзора. Подобные тенденции перекликаются с тем, что уже наблюдалось в предшествующие десятилетия цифровизации: вместо массового исчезновения профессий происходит их модификация, сопровождающаяся ростом нестабильности и фрагментацией занятости. Но в отличие от роботов или классических алгоритмов, генеративный ИИ воздействует на сектора, где раньше считалось, что автоматизация невозможна, затрагивая творческую и интеллектуальную деятельность. Именно поэтому его влияние вызывает столь бурные дискуссии. Однако и здесь речь идет скорее о перераспределении ролей, чем об их уничтожении. Виктория Совгирь, аналитик Центра политической конъюнктуры.