Нассим Дешуш, исследователь из Mahidol University International College в Таиланде, опубликовал 7 мая 2026 года в журнале Frontiers in Human Dynamics систематический обзор о влиянии искусственного интеллекта на рынок труда. Его главный вывод: вытеснение уже наблюдается в данных о вакансиях, фрилансе и опросах фирм, а не существует лишь в прогнозах. В 2022–2024 годах объявления о вакансиях начального и среднего уровня в разработке ПО и создании контента в странах с высоким доходом сократились в среднем на 23%, при этом растёт спрос на инфраструктуру, безопасность и QA, то есть на проверку результатов моделей. Подтверждённые навыки работы с ИИ уже монетизируются: премия к зарплате у таких специалистов достигает 15–22%.

image
image
image

Что произошло

Ключевое событие — выход рецензируемой статьи Creation, validation, obsolescence: AI-driven labor market displacement (статья 8:1815037, DOI 10.3389/fhumd.2026.1815037). Это систематический обзор по протоколу PRISMA 2020: из 1847 найденных записей после скрининга осталось 94 исследования за 2020–2025 годы, из них 42 с количественными данными. Картину дают три независимых потока данных. Объявления о вакансиях начального и среднего уровня в разработке ПО и создании контента в странах с высоким доходом в 2022–2024 годах сократились на 14–41% (медиана −23%). На Upwork после запуска ChatGPT публикации о написании текстов упали на 21%, о программировании — на 14% (Hui, Reshef & Zhou, 2024). По оценке Acemoglu 2024, занятость в фирмах, интенсивно использующих ИИ, снизилась на 3,5%. Параллельно сжатию позиций разработчиков растёт спрос на роли в инфраструктуре, безопасности и QA как на каналы валидации ИИ-выпуска, а у работников с подтверждёнными навыками ИИ-аугментации премия к зарплате составляет 15–22%.

Контекст

Понимать эти цифры нужно на фоне инверсии привычной картины. По данным Eloundou et al. 2024, примерно у 80% работников США не менее 10% задач затрагиваются LLM, причём экспозиция концентрируется в высокооплачиваемых профессиях: прошлые волны автоматизации били по низкооплачиваемой рутине, сейчас удар пришёлся по престижному интеллектуальному труду. Обзор описывает и конкретный механизм: компании консолидируют роли, сеньоры вместе с моделью поглощают функции джунов, из-за чего ломается классическая лестница «джун → сеньор» — сжимается именно та среда, в которой выращивают опытных специалистов. Авторская рамка вынесена в заголовок: создание, валидация, устаревание. Рутинное создание кода и контента коммодитизируется, а ценность смещается к проверке выходов моделей на корректность, безопасность и отсутствие галлюцинаций. От типовых отраслевых отчётов с выборочным цитированием работу отличает прозрачность: заявлены критерии причинной релевантности, статья в открытом доступе вместе с таблицами доказательств.

Почему это важно для индустрии

Для индустрии обзор переводит спор о рабочих местах из прогнозов в плоскость наблюдаемых величин, и это меняет продуктовую логику. Рутинная генерация кода и текста коммодитизируется, поэтому ценность упаковки смещается из генерации в валидацию: продукт, продающий «ещё один генератор», проигрывает тому, кто строит слой проверки и принятия решений внутри привычных инструментов — evals, observability, guardrails и человеко-чекпоинты на критичных выходах. Внутри команд роли уже консолидируются: сеньоры плюс модель забирают джун-функции, значит нагрузка на ревью и контроль качества растёт без роста штата. Практичный набор действий на сегодня: замерить долю ИИ-сгенерированного кода и контента в продакшене, поднять регрессионные evals и мониторинг качества выходов, завести человеко-чекпоинты на критичных операциях, логировать правки и сравнивать результат до и после. В найме бюджеты перетекают из массовых позиций создания в QA, безопасность, инфраструктуру и инструменты проверки, а покупатели уже готовы платить за сохранённое время квалифицированных специалистов, о чём говорит сложившаяся зарплатная премия за ИИ-аугментацию.

Почему это важно для пользователей

Для читателя это уже сегодняшняя экономика, а не абстракция. Премия за ИИ-навыки в странах ОЭСР выросла с 2,1% в 2021 году до 4,8% в 2024-м, то есть рынок переоценивает умение работать с моделями прямо сейчас. Разумный первый шаг — честно разобрать собственные задачи: часть из них модель уже забирает, а остальные переходят в разряд проверки её результатов, и вкладываться стоит именно в навыки валидации — тестирование, ревью, оценку качества и безопасности выходов. Фрилансерам масштаб перемена знаком по собственным заказам: на Upwork после запуска ChatGPT услуги рутинного написания текстов и программирования просели двузначными темпами. Начинающим специалистам стоит учитывать, что вход через простые задачи сужается, поэтому компенсировать это лучше ранним освоением инструментов проверки. Статья в открытом доступе, так что методологию отбора и таблицы доказательств можно прочитать самостоятельно и отстроиться от хайпа в обе стороны.

Что пока неизвестно / ограничения

Готовность цифр к прямому продуктовому планированию имеет границы. Из 94 исследований количественные данные есть лишь в 42, а диапазон 14–41% собран из гетерогенных работ с разными дизайнами: согласованность направления не отменяет разброса оценок, а медиана −23% остаётся сводной величиной, а не измерением единого рынка. Массив опирается прежде всего на страны с высоким доходом и данные до 2025 года, поэтому перенос выводов на другие рынки и периоды требует осторожности. Наблюдательные данные ограничивают причинные выводы: эффект ИИ может смешиваться с макроэкономическими циклами и постпандемийной коррекцией технологического найма, и разделить эти факторы предстоит в будущих репликациях на материалах 2025–2026 годов. Открытым остаётся и вопрос о будущем самих ролей валидации: если агентские модели научатся замещать не только рутинное создание, но и проверку результатов, сегодняшние благоприятные позиции также устареют.

Источники

Автор

Look at AI, редакция