Как ИИ меняет работу: кто получит свободное время и доход
ИИ может ускорять отдельные задачи, но это не гарантирует прежнее число рабочих мест или более короткий рабочий день. Разбираем личный опыт с SQL, ограничения автоматизации и варианты распределения выгоды.
Что изменится, если ИИ сократит время на задачи
Ускорение работы само по себе не отвечает на вопрос, кто получит выигрыш. Компания может сократить рабочий день, взять больше задач или уменьшить штат. Поэтому освоение ИИ полезно отдельному сотруднику, но не решает вопрос занятости и дохода для всех.
Сэкономленное время ещё не определяет доход
- Задача с ИИ
Нейросеть помогает с частью работы
- Меньше времени
Та же задача выполняется быстрее
- развилкаРешение компании
Сократить часы, взять больше задач или сократить найм
- Последствия
Разные для дохода и свободного времени людей
Что показал мой случай с SQL
Я работаю бизнес-аналитиком. С помощью нейросети написал сложный SQL-запрос за три часа. Без неё, по моей оценке, потратил бы несколько дней, возможно неделю.
- 3 часа
- сложный SQL-запрос вместе с нейросетью
- несколько дней
- без неё — по моей оценке
Мой рабочий случай бизнес-аналитика
Возможно, неделя
Кто что делал в этом случае
Ускорил конкретную задачу
- Помог написать сложный SQL-запрос
- Работал с ошибками, которые я возвращал
Остался посредником и контролёром
- Переносил контекст из рабочих систем
- Проверял ответы и возвращал ошибки
- Отвечал за доступ к данным и итог
Корпоративные данные нельзя просто целиком передать внешней модели. Значительную часть времени я был посредником между ней и рабочими системами. Если эту передачу однажды автоматизируют, изменится и объём моей роли. Но сегодняшний опыт не показывает, что аналитика уже можно заменить автономным агентом.
Почему контроль результата не гарантирует прежний штат
ИИ нужно поставить задачу, проверить и исправить. Если на это уходит столько же времени, сколько на самостоятельное выполнение, экономии нет. Но при более быстрой проверке тот же объём потенциально сможет выполнять меньшая команда.
- Меньше найма: сотрудник уходит, компания распределяет задачи между оставшимися и не открывает вакансию.
- Иная роль специалиста: он чаще формулирует задачу, проверяет результат и разбирает исключения.
- Разный предел автоматизации: сложность, цена ошибки и правила доступа могут остановить сокращение в одной команде и не остановить в другой.
Мысленный эксперимент: отдел из десяти человек
Для прежней команды из 10 человек понадобится примерно 3. Без новых задач 7 ставок окажутся лишними — или освободившееся время можно отдать людям.
Упрощённая арифметика: нужные люди = 10 × (1 − экономия) × (1 + рост спроса).
Что сдерживает автоматизацию в компании
В моём случае ИИ ускорил совместную работу. Из этого нельзя вывести срок полной автоматизации. Способы подключения к программам и скорость моделей меняются, поэтому сегодняшние медленные клики также не дают надёжного прогноза на годы вперёд.
Что известно о занятости, а что остаётся предположением
Международная организация труда в исследовании 2025 года оценила: примерно четверть работников мира занята в профессиях, на задачи которых может повлиять генеративный ИИ. Авторы считают изменение содержания труда более вероятным, чем полную замену человека. Это оценка воздействия на задачи, а не прогноз увольнения четверти работников.
В исследовании американского рынка труда, опубликованном Anthropic в марте 2026 года, не выявлен рост безработицы в наиболее затронутых профессиях. Предварительный сигнал о замедлении найма людей 22–25 лет требует осторожности: возможны другие объяснения, а данные по США нельзя автоматически переносить на Россию.
- ≈ 1 из 4
- работников мира — в профессиях, на задачи которых может повлиять генеративный ИИ
- нет роста
- безработицы в наиболее затронутых профессиях США
МОТ, 2025. Оценка воздействия на задачи, не прогноз увольнений
Исследование Anthropic, март 2026
МОТ оценила: примерно четверть работников мира заняты в профессиях, на задачи которых может повлиять генеративный ИИ. Что из этого следует?
Почему новые задачи не решают проблему автоматически
Когда задача дешевеет, спрос на неё может вырасти: появятся проекты и услуги, которые раньше были слишком дорогими. Но спрос не обязан расти так же быстро, как производительность. Новая работа может требовать другой квалификации или находиться в другом месте, а счета человеку нужно оплачивать уже во время перехода.
Что может сделать отдельный специалист
Что может сделать отдельный специалист
- Пробовать ИИ на своей реальной задаче и измерять качество результата, а не только скорость ответа.
- Понимать, какие данные можно передавать инструменту и кто проверяет итог.
- Развивать знания предметной области, чтобы замечать ошибки и работать со сложными случаями.
- Сохранять путь обучения новичков: без практики на простых задачах будущему специалисту трудно научиться проверять агента.
Я сам осваиваю инструменты и считаю это разумной личной стратегией. Но если прежний объём работы смогут выполнять трое из десяти, обучение всех десяти не создаст ещё семь ставок. Предпринимательство тоже может помочь кому-то, но создание продукта и появление устойчивого дохода — разные задачи.
Кому достанется выигрыш от производительности
Эти варианты не взаимоисключающие и не происходят автоматически. Их определяют решения компаний и общества. Научные применения ИИ, например предсказание структур белков с AlphaFold, показывают ценность технологии, но сами предсказания не равны готовым лекарствам и ничего не говорят о справедливости распределения дохода.
Продолжить чтение
В ленте материалов: 1