ИИ не вызвал массовой безработицы, но ударил по джунам: разбор исследования Stanford SIEPR

Кратко: В исследовательском центре Stanford SIEPR выпустили разбор влияния ИИ на рынок труда ^[1]. Главный вывод: глобального кризиса и массовых сокращений из-за автоматизации не произошло. Однако влияние технологии оказалось точечным. Сильнее всего пострадал найм начинающих специалистов, тогда как для опытных сотрудников ИИ стал мощным бустером производительности.

1. Общий рынок: почему «ИИ-апокалипсис» отменяется

Анализ макроэкономических показателей с 2022 года показывает, что массовая безработица из-за нейросетей остается мифом.

• Динамика безработицы: В профессиях с высокой подверженностью ИИ уровень безработицы вырос на 0,77 процентного пункта. В сегментах с низкой подверженностью рост составил 0,85 процентного пункта. Это указывает на общее замедление экономики США, а не на точечную замену людей алгоритмами.

• Рост штата у адоптеров: Компании, внедряющие корпоративные ИИ-решения, в среднем увеличили численность персонала на 10% в течение двух лет после старта интеграции.

• Реальные причины громких сокращений: Массовые увольнения, которые бигтех публично объясняет внедрением ИИ, чаще связаны с коррекцией после пандемийного перенайма или с перераспределением бюджетов в пользу ИИ-инфраструктуры.

2. Начинающие специалисты под ударом

Если общий рынок держится стабильно, то на входе в профессию ситуация изменилась кардинально.

• Падение найма: Безработица среди молодых выпускников выросла до 5,6% к началу 2026 года. Исследователи (включая Эрика Бриньолфсона) фиксируют резкое падение спроса на джунов в разработке ПО и клиентской поддержке.

• Автоматизация базовых задач: С 2024 года с ростом возможностей моделей бизнес массово передает нейросетям написание простого кода, первичную аналитику и подготовку текстов. Рутинные задачи, на которых раньше росли джуны, теперь закрывает ИИ.

3. Производительность: кому ИИ действительно помогает

Влияние ИИ на эффективность работы распределилось неравномерно по квалификациям:

• Прирост у менее опытных сотрудников: Внутри штата ИИ дает наибольший относительный прирост тем, у кого мало опыта ^[2]. В колл-центрах общий рост продуктивности составил 15%, а у новичков достиг 30%.

• Ускорение в кодинге: GitHub Copilot ускоряет выполнение задач по написанию кода на величину от 10% до 56% в зависимости от опыта разработчика и архитектуры процессов в компании.

Феномен «Jagged Capabilities» (неравномерность навыков): ИИ отлично справляется с отдельными сложными задачами, но способен допускать критические ошибки ^[3] в базовых вещах. Без экспертного контроля со стороны мидлов и сеньоров слепое доверие ИИ снижает итоговое качество продукта.

4. Что дальше: первая фаза трансформации

Процесс интеграции технологий ускоряется, но остается крайне неравномерным по секторам экономики и масштабам компаний.

Текущие данные отражают только начальную фазу адаптации. Полный макроэкономический эффект проявится позже, по мере глубокой перестройки внутренних бизнес-процессов в организациях.