Евгений Волков – Когда машина отвечает (страница 14)

Между ними находится организация — и именно она часто определяет, превратится ли техническая возможность в замещение человека, в помощь человеку или в дорогой эксперимент, который через полгода тихо закроют.

Три пути одной технологии

Предположим, система научилась за минуту выполнять задачу, на которую сотрудник тратил час.

Что произойдёт дальше?

Первый вариант — замещение.

Компания действительно может решить, что теперь ей требуется меньше человеческого труда для прежнего объёма продукции. Если раньше десять работников выполняли тысячу однотипных операций, а теперь тот же результат дают пятеро с системой, экономическое давление на оставшиеся пять мест очевидно.

Это реальный механизм. Было бы искусственным успокоением утверждать, что новые технологии всегда создают столько новых работ, сколько уничтожают старых, и обязательно для тех же людей. История такого обещания не даёт.

Второй вариант — дополнение.

Система берёт на себя часть процесса, а человек с её помощью делает больше. Работа сохраняется, но меняется производительность и внутренняя структура времени.

В знаменитом полевом исследовании службы технической поддержки, охватившем 5 179 сотрудников, доступ к генеративному помощнику увеличил число решённых обращений в час в среднем примерно на 14 процентов. Работники не были заменены внутри эксперимента: система предлагала варианты действий и формулировок, которые человек мог принять, изменить или отвергнуть.

Это не универсальная оценка влияния ИИ на производительность. В другой профессии, с другим инструментом и другой организацией результат может быть иным. Но сам механизм важен: технология способна повышать выпуск без исчезновения должности.

Третий вариант — перестройка.

Когда выполнение старой задачи дешевеет, люди начинают делать больше чего-то другого.

Это может быть работа с клиентом, проверка, исследование новых рынков, постановка задач, контроль качества или совершенно новая функция, которой до внедрения системы не существовало. Иногда технология даже увеличивает потребность в соседнем человеческом труде, потому что продукт становится дешевле, спрос растёт, а производство расширяется.

Все три процесса могут идти одновременно.

И именно поэтому вопрос «ИИ создаёт рабочие места или уничтожает?» часто не имеет одного ответа даже внутри одной фирмы.

Одна задача исчезает.

Другая ускоряется.

Третья становится важнее.

Появляется новая.

А название должности может ещё много лет оставаться прежним.

Когда задача дешевеет

Полезно смотреть на труд не только как на набор действий, но и как на систему цен.

До появления электронных таблиц умение вручную пересчитывать большие массивы чисел было гораздо более значимой частью некоторых офисных профессий. После распространения поисковых систем снизилась стоимость нахождения многих видов информации, но выросла ценность умения отфильтровать её и понять, какой источник заслуживает доверия.

Генеративный ИИ способен сделать похожее с частью интеллектуального труда.

Первый черновик письма становится дешёвым.

Базовое резюме документа — дешёвым.

Стандартная иллюстрация — дешевле.

Черновой код — дешевле.

Первая версия перевода — дешевле.

Но слово «дешевле» ещё не означает «бесполезно» и тем более не означает «профессия исчезла».

Если стоимость одной задачи падает, значение соседних задач может увеличиться.

Когда любой человек может за минуту получить аккуратно написанный текст, способность просто производить грамматически правильные предложения становится менее редкой. Зато могут стать важнее выбор аргумента, проверка факта, понимание аудитории и ответственность за публикацию.

Когда код генерируется быстрее, узким местом может стать понимание того, какой код нужен, как он связан с системой и почему его безопасно запускать.

Когда договор можно быстро просуммировать, ценность может сместиться от самого суммирования к оценке того, какое исключение действительно опасно для клиента.

Это не закон, гарантирующий защиту специалиста.

Это механизм изменения цены задач.

Именно его мы часто пропускаем, когда считаем профессии целиком.

Что уже происходит

Проблема разговоров о будущем работы состоит в том, что они смешивают три вида данных.

Первый — что система технически способна делать.

Второй — что фирмы действительно начали использовать.

Третий — что после этого произошло с заработками и занятостью.

Между этими уровнями может лежать несколько лет.

Исследование Menaka Hampole, Dimitris Papanikolaou, Lawrence Schmidt и Bryan Seegmiller, обновлённое в 2025 году, попыталось приблизиться именно к уровню задач и фактического спроса на труд. Авторы построили показатели воздействия ИИ и машинного обучения на рабочие задачи в американских фирмах за 2010—2023 годы.

И результат получился одновременно тревожным и успокаивающим — в зависимости от масштаба, на который смотреть.

Задачи с более высокой экспозицией впоследствии действительно были связаны со снижением спроса на соответствующий труд. Это сторона замещения.

Но когда воздействие концентрировалось лишь на части задач профессии, работники могли перераспределять усилия на то, что система не вытесняла. А рост производительности фирм, внедрявших ИИ, создавал дополнительный спрос на труд.

В итоге общий эффект на занятость оказался гораздо слабее, чем прямой эффект на отдельные задачи.

Это одна из самых важных эмпирических иллюстраций всей главы.

Автоматизация задачи и сокращение рабочего места — связанные, но не одинаковые события.

Между ними стоит перераспределение работы.

Датский парадокс

Ещё яснее это видно в Дании.

Экономисты Anders Humlum и Emilie Vestergaard связали крупные опросы об использовании чат-ботов с административными данными рынка труда. В марте 2026 года они обновили исследование, охватывающее первые два года после массового появления генеративных чат-ботов.

Во многих профессиях работодатели уже внедряли инициативы с такими системами. Работники сообщали об экономии времени и производительности. Возникали новые задачи — создание контента с помощью ИИ, контроль результата, интеграция систем в рабочие процессы.

Если остановиться здесь, можно ожидать заметного движения зарплат и рабочих часов.

Но исследователи его не нашли.

Их оценки позволяли отвергнуть изменения заработков и зарегистрированных рабочих часов больше примерно двух процентов на протяжении первых двух лет после запуска ChatGPT — при той конкретной методологии и на датских данных.

Это не доказательство, что ИИ «не влияет на работу».

Наоборот: работа уже менялась.

Но структура задач менялась быстрее, чем агрегированные показатели дохода и часов.

Мы привыкли искать технологическую революцию в статистике увольнений. Она может сначала появиться в менее заметном месте — внутри рабочего дня.

Человек всё ещё приходит на работу.

Но уже делает другое.