Цитрини сами написали — это не прогноз, это просто один из сценариев, в который они не верят. Вот что реально происходит с ИИ (не мое)
-----------
Теория vs практика или Какие из наших задач AI уже автоматизирует?
Anthropic сегодня выпустили исследование о влиянии AI на рынок труда. Помните, я писал про их Economic Index год назад? Тогда это был просто каталог задач, для которых юзают Claude. Теперь они пошли дальше: совместили теоретические возможности AI с реальными данными использования и замерили эффект на занятость.
Ключевая идея: новая метрика «observed exposure» — не «что AI теоретически может», а «что люди реально автоматизируют через Claude прямо сейчас». Разрыв огромный: в Computer & Math, например, теоретически AI покрывает 94% задач. Реально — 33%.
Я покопался в их датасете и нашел интересные примеры этого разрыва по релевантным профессиям + запилил вам бота, чтобы проверять это для себя любимого:
Разработка:
— «Написать/обновить программу» — 93%
— «Отладить робототехническую программу» — 100%
— «Устранить неисправность физического оборудования» — 0%
Продажи:
— «Связаться с клиентами для презентации продуктов» — 99%
— «Ответить на вопросы клиентов о ценах» — 98%
— «Провести переговоры по контракту» — 0% (ВСЕ задачи с negotiate — нулевое проникновение)
Аналитика/менеджмент:
— «Анализ финансовых данных для разработки стратегии» — 90%
— «Подготовка отчётов» — 99%
— «Проведение совещаний с командой» — 0%
— «Контроль персонала» — 0%
Видите паттерн? AI забирает задачи, которые можно описать текстом и выполнить за компьютером. Всё, что требует физического присутствия, переговоров лицом к лицу или управления людьми — ноль. Как раз со Стёпой про это говорили на днях.
Тут имхо в тему пост по мотивам Digitalist Papers: там авторы на данных рынка труда США за 40 лет показали, что одна и та же технология (компьютеры) — автоматизировав часть задач бухгалтеров и складских работников — привела к противоположным результатам. У бухгалтеров зарплаты выросли, у складских — упали. Разница: у бухгалтеров автоматизировали рутину (ввод данных), а у складских — экспертизу (знание что где лежит). Когда автоматизируются экспертные задачи, барьер входа падает и зарплаты снижаются. Когда рутинные — наоборот.
Anthropic по сути предоставили данные, чтобы это проверить для AI. И по их датасету мы видим: AI сейчас автоматизирует рутину, а не экспертизу. «Ответь на звонок» — 100%, «проведи переговоры» — 0%. «Напиши отчёт» — 99%, «управляй командой» — 0%. Если экстраполировать выводы Digitalist Papers, то AI пока скорее повышает ценность оставшейся экспертизы, чем обесценивает её. Но «пока» здесь ключевое слово имхо.
Что с рабочими местами? Массовых увольнений нет. Безработица среди «экспонированных» профессий не выросла. Но есть тревожный сигнал: молодых (22-25 лет) стали на 14% реже нанимать на эти позиции. Не увольняют старых, а просто не берут новых. Это перекликается со Stanford-ским исследованием, о котором я писал летом — там нашли -13% найма джунов.
Профиль «экспонированного» работника: чаще женщина, с высшим образованием, зарплата на $10/час больше. AI пока бьёт не по самым уязвимым, а по среднему классу с дипломом. 30% рабочей силы с нулевой экспозицией: повара, бармены, спасатели, посудомойщики.
Вы пока читайте статью и пробуйте бота, а я пошел учиться на бармена-повара (full stack!)

