Что ИИ уже меняет в найме: данные исследований вместо страшилок

30 октября 2026 · 7 мин чтения

В августе 2025 года экономисты Стэнфорда разобрали зарплатные ведомости миллионов американских работников по данным ADP, крупнейшего расчётчика зарплат в США. В профессиях, где ИИ сильнее всего пересекается с задачами, занятость людей 22-25 лет с конца 2022 года упала на 13% относительно сверстников из других профессий.

У старших коллег на тех же должностях спада не было. Пока ИИ меняет рынок труда в одном месте: компании реже берут новичков на задачи, которые модель делает сама.

Где найм уже сократился

Работа называется «Canaries in the Coal Mine?», авторы Эрик Бриньолфссон, Бхарат Чандар и Руйю Чен. Первыми в зону спада попали разработчики и операторы поддержки на входных позициях.

Авторы разделили профессии по тому, как в них используют ИИ. Где модель выполняет задачу целиком, занятость молодых падала. Где она помогает человеку работать быстрее, падения не нашли. Граница проходит внутри должности, по отдельным задачам.

Новичку в любой профессии дают то, на чём учатся: разобрать входящие письма, перенести данные, написать черновик кода или ответа клиенту. Именно эти куски модель сегодня делает за секунды. Опытный сотрудник держит то, что в инструкцию не помещается: исключения, договорённости с клиентом, ответственность за результат.

Почему по рынку в целом почти ничего не сдвинулось

Датские экономисты Андерс Хумлум и Эмили Вестергаард сопоставили опросы работников с государственными регистрами занятости и зарплат. В выборку вошли 11 профессий с высокой подверженностью ИИ, от бухгалтеров до разработчиков. За 2023-2024 годы заработки и отработанные часы у них не изменились.

Пользователи чат-ботов экономили в среднем 2,8% рабочего времени, и ни в деньгах, ни в часах эта экономия не проявилась. Американский вывод похож. Yale Budget Lab в октябре 2025 года сравнила, как менялась структура занятости после выхода ChatGPT и после прихода компьютеров и интернета. Быстрее, чем тогда, она не меняется.

Полчаса, сэкономленные за день каждым сотрудником, ставку не освобождают: они расходятся по десятку мелких дел. Ставка освобождается, когда агенту отдают процесс целиком, с входом, правилами и проверкой. Так устроен цифровой сотрудник, и таких процессов в компании меньше, чем задач, где помогает чат.

Подверженность профессии не равна сокращению

Международная организация труда в мае 2025 года выпустила обновлённый индекс подверженности профессий генеративному ИИ. По нему в профессиях, которые ИИ затрагивает, работает каждый четвёртый занятый в мире. В группе с самой высокой подверженностью 3,3% занятых, и больше всего там офисных служащих.

Индекс считает, сколько задач профессии модель теоретически может выполнять. Сколько людей потеряли работу, он не считает. Сами авторы делают вывод, что большинство таких профессий изменится по составу задач, а исчезнут немногие.

За громкой новостью о замене профессий может стоять индекс подверженности, опрос руководителей о планах или данные о реальных ставках. Перед тем как пересказывать её на планёрке, проверьте:

• откуда данные: опрос о намерениях, вакансии или зарплатные ведомости,
• что измерено: возможность выполнять задачи или реальное число ставок,
• падение абсолютное или относительно другой группы,
• страна и период, за который считали.

Зарплатные ведомости и регистры ближе всего к тому, что происходит с людьми. Обе работы, которые на них опираются, датская и стэнфордская, показывают точечный сдвиг у новичков и почти ноль в среднем.

Какие задачи уходят агенту первыми

Задачу можно отдавать агенту, если она подходит под такие признаки:

• повторяется много раз в день и делается по одному правилу,
• вход и выход в тексте или таблице: письмо, заявка, выгрузка, карточка в CRM,
• ошибку видно сразу, и её дёшево исправить,
• проверка результата занимает секунды, а сама работа минуты.

Из нашей практики: агентство диджитал-маркетинга с B2B-клиентами получало в Telegram больше 120 сообщений за день, и ручной разбор отнимал у менеджеров до двух часов ежедневно. Агент делит поток по приоритету и присылает сводку, а о горячем лиде сообщает сразу. Мониторинг идёт круглосуточно, без двух часов ручного разбора у каждого менеджера.

В компании побольше такой разбор поручили бы младшему сотруднику, и он учился бы на нём понимать клиентов. Стэнфордские цифры ставят перед работодателем вопрос: если стартовые задачи ушли агенту, на чём учить новичков?

Я бы не закрывал входную ставку целиком. Через несколько лет старших сотрудников придётся откуда-то брать. Новичку лучше дать проверку работы агента и разбор случаев, которые агент отдал человеку: так он видит и правила, и исключения.

Что делать с вакансией, которую вы собирались открыть

Как это выглядит: оптовая компания со штатом около 50 человек, три менеджера принимают заказы дилеров из почты и мессенджеров и переносят их в 1С. На перенос у каждого уходит около 10 часов в неделю. Дилеров стало больше, и руководитель продаж попросил четвёртую ставку.

>

Сначала перенос отдали агенту: он собирает черновик заказа в 1С, менеджер проверяет и проводит. Пилот занял пять недель. Через два месяца после запуска проверка черновиков занимает у троих около двух часов в неделю на всех, и вакансию не открыли. Освободившиеся часы ушли на звонки дилерам, которые давно не заказывали.

Сокращения в этой истории нет. Ставку, которую собирались добавить, не добавили, и так работает почти вся статистика выше: новых людей берут меньше, а действующих не увольняют. Как агент собирает черновик заказа в 1С и что остаётся менеджеру, зависит от того, насколько ровно приходят заявки.

Разобрать свою вакансию можно за вечер:

1. Распишите неделю будущего сотрудника по задачам и поставьте рядом часы.
2. Каждую задачу отметьте: агент делает сам, агент готовит и человек проверяет, только человек.
3. Сложите часы первых двух групп.
4. Если они дают больше половины недели, запустите агента на эти задачи и вернитесь к вакансии через два месяца работы.

Что сделать с командой на этой неделе

Цифры исследований говорят о рынке. В вашей компании картина складывается из конкретных задач, и её можно увидеть за несколько дней:

• выпишите задачи, которые вы даёте новичкам в первый месяц, и проверьте их по признакам выше,
• спросите сотрудников, где они уже пользуются ИИ сами, и узнайте, какие данные клиентов уходят в личные аккаунты нейросетей,
• решите, на чём будете учить новичков, если их стартовые задачи заберёт агент,
• выберите один процесс для первого агента и решите, какой отдел пойдёт следующим, по порядку запуска между отделами.

Частые вопросы