Короткий ответ: целую профессию нейросеть почти нигде не заменяет — она забирает отдельные задачи внутри неё, и везде по-разному. Где-то это половина работы, где-то пара рутинных операций. Паниковать рано, расслабляться тоже: меняется не список профессий, а состав обязанностей и набор навыков. Ниже — как это устроено по механизму, и почему честный прогноз звучит как «зависит от задачи», а не как дата увольнения.
На связи Profile — я разбираю на SCHAI.ru темы про ИИ и работу. Про замену профессий сейчас пишут либо «всё пропало», либо «ничего не изменится». И то и другое мимо. Полезнее смотреть не на профессию целиком, а на то, из каких задач она состоит: именно задачи, а не должности, ИИ и перекраивает в первую очередь.
Профессия — это набор задач, и заменяют именно их
Любая работа раскладывается на задачи. Бухгалтер не «делает бухгалтерию» — он сверяет документы, заполняет формы, отвечает на вопросы, принимает решения на грани нормы и общается с налоговой. Часть этих задач похожа на конвейер, часть требует головы и ответственности. ИИ приходит не за должностью целиком, а за теми задачами, которые проще всего описать образцом.
Серьёзные исследователи так и считают — по задачам, а не по профессиям. В известной работе «GPTs are GPTs» Тима Элунду и коллег оценивали долю задач, на которые влияют языковые модели: у примерно 80% работников в США ИИ затрагивает хотя бы 10% задач, а у 19% — больше половины. Обратите внимание на формулировку: «затрагивает задачи», а не «отменяет должность». На этом различии держится вся статья.
Что ИИ сейчас делает хорошо — и почему
Сильные стороны нейросети не случайны, они следуют из того, как она устроена. Языковая модель обучена на огромном массиве текста и по сути продолжает образец: по началу достраивает наиболее вероятное продолжение. Поэтому она хороша там, где у задачи есть понятный шаблон, а цена отдельной ошибки невелика.
Отсюда понятный список: черновики писем, постов и описаний; перевод и пересказ; шаблонный код и автодополнение; обработка данных — свести таблицу, отсортировать, найти закономерность; первичная поддержка — частые вопросы и маршрутизация обращений; расшифровка разговоров в текст и конспект. Во всех этих задачах есть образец и допустимая погрешность — и ИИ экономит реальные часы. Подробнее про то, где именно помощники уже тянут рабочие задачи, я разбирал в тексте «ИИ-агенты в работе».
Обратите внимание на общую черту всех этих задач: в них нужен не окончательный результат, а быстрый первый вариант, который человек потом доведёт. Юристу проще поправить сгенерированный шаблон договора, чем писать его с нуля; маркетологу — переписать десять предложенных заголовков, чем выдумывать десять с нуля; программисту — поправить набросок функции, чем набирать её вручную. ИИ здесь не заменяет специалиста, а убирает самую муторную, «нулевую» часть работы — ту, с которой раньше начинали.
Важная оговорка: «делает хорошо» здесь значит «делает черновик быстро», а не «делает окончательно и без присмотра». Это две разные вещи, и дальше станет понятно, почему их нельзя путать.
Что ИИ делает плохо или не может — и почему
Слабости нейросети — продолжение тех же свойств. Она предсказывает правдоподобное, а не истинное; у неё нет тела, нет ответственности и нет доступа к реальности за пределами текста. Из этого следует, что именно остаётся за человеком.
Решения и ответственность. Модель может предложить вариант, но подпись, риск и последствия остаются на человеке — уволить сотрудника, назначить лечение, одобрить кредит нейросеть за вас не возьмётся, и это не вопрос мощности. Работа руками. Монтаж, уход, ремонт, стройка, медицинские манипуляции — физический мир ИИ недоступен. Живой контакт и доверие. Переговоры, забота, работа с людьми в сложных ситуациях держатся на том, чего у модели нет. Проверка фактов и реальная экспертиза. ИИ уверенно ошибается — выдаёт выдуманное тем же ровным тоном, что и верное; отличить одно от другого может только тот, кто разбирается. Контекст и этика — что уместно именно здесь, именно сейчас, с этими людьми.
Отдельно стоит сказать про ошибки, потому что это главная ловушка. Нейросеть не «знает» фактов — она подбирает правдоподобное продолжение. Поэтому придуманную ссылку, несуществующий закон или неверную цифру она выдаёт с той же уверенной интонацией, что и правду. Человек, который не разбирается в теме, отличить одно от другого не сможет — и именно поэтому экспертиза не обесценивается, а наоборот, становится нужнее: кто-то должен ловить эти ошибки до того, как они попадут в работу.
Закономерность простая: чем больше в задаче ответственности, физического мира и живого контакта — тем меньше её берёт на себя ИИ. Чем больше шаблона и терпимости к ошибке — тем больше.
«Заменить задачу» — это не «уволить человека»
Здесь ломается самая частая ошибка рассуждения. Из того, что ИИ взял часть задач, не следует, что исчезло рабочее место. История автоматизации обычно идёт иначе: инструмент забирает рутину, работа дешевеет, спроса становится больше, а человек смещается к тому, что машина не умеет.
Хрестоматийный пример — банкоматы. Когда они появились, казалось, что кассиры в банках обречены. На деле число кассиров в США десятилетиями не падало, а даже росло: банкоматы удешевили содержание отделения, банки открыли больше отделений, а сами кассиры сместились с пересчёта купюр на консультации и продажи. Задачу (выдать наличные) автоматизировали — профессия никуда не делась, изменились обязанности.
Цифры на уровне экономики говорят о том же — хотя и расходятся. По Employment Outlook 2023 ОЭСР в зоне высокого риска автоматизации находится около 27% рабочих мест, но там же честно отмечают: заметных увольнений из-за ИИ пока не видно, а три работника из пяти при этом боятся потерять работу в ближайшие десять лет. А отчёт Всемирного экономического форума Future of Jobs 2025 ждёт к 2030 году исчезновения 92 млн рабочих мест и появления 170 млн новых — то есть нетто плюс 78 млн, при том что около 22% рабочих мест так или иначе перетасуются, а 39% ключевых навыков, как ожидается, изменятся.
И новые места — это не только программисты и специалисты по данным. В том же отчёте ВЭФ среди быстрорастущих ролей рядом с технологиями стоят вполне «человеческие» и «ручные»: доставка, уход и забота, преподавание, работники сельского хозяйства, «зелёные» профессии. Это ровно та работа, которую ИИ не берёт, — и спрос на неё растёт в том числе потому, что рутину вокруг неё удаётся отдать машине. Автоматизация одной задачи почти всегда рождает новые задачи рядом; проблема обычно не в том, что работы станет меньше, а в том, что она будет другой и потребует переучивания.
Что реально меняется для работника
Главная перемена не в том, что кого-то заменят, а в том, что ИИ становится рабочим инструментом — как когда-то им стали калькулятор, поиск и таблицы. Это сдвигает состав работы: меньше ручного набора черновика, больше постановки задачи, проверки и доводки. Появляется отдельный навык — работать с ИИ: внятно сформулировать, что нужно, оценить результат и поймать ошибку. Проверка чужого (в том числе машинного) результата из необязательной становится частью профессии.
И тут есть неочевидный побочный эффект: ускорение одной части работы часто перекладывает нагрузку на другую — проверять и отвечать за итог приходится больше. Об этом я писал отдельно в тексте «ИИ ускорил работу — почему стало тяжелее». Любой рабочий ИИ-помощник, будь то Schai GPT или другой, устроен одинаково: он выдаёт черновик, а решение и проверку оставляет вам — и это правильно.
Кого это касается сильнее всего — тоже видно по данным. По обновлению МОТ 2025 года о генеративном ИИ и занятости один из четырёх работников в мире занят в профессии с какой-то экспозицией к генеративному ИИ, но в самой высокой группе риска — лишь 3,3% занятости, и сами авторы называют эту цифру верхней границей того, что теоретически может быть затронуто, а не прогнозом увольнений. Сильнее всего задачи затронуты в офисно-клерикальной работе; у женщин экспозиция выше, чем у мужчин (4,7% против 2,4% в верхней группе), потому что именно они чаще заняты на таких позициях.
Кому стоит адаптироваться и как
Отсюда и совет — не «бояться», а трезво оценить свой набор задач. Если ваша работа — это во многом текст, таблицы, шаблонные документы и типовые обращения (офис, поддержка, часть аналитики и редактуры), осваивать ИИ как инструмент стоит уже сейчас: не чтобы он вас заменил, а чтобы вы делали ту же работу быстрее и перешли к задачам, где нужен человек. Если ваша работа держится на руках, живом контакте и ответственности за решение, спешки меньше — но и там ИИ пригодится в бумажной части.
Что делать практически, следует из механизма: попробуйте отдать нейросети самую рутинную часть своих задач и посмотреть, где она реально экономит время, а где подсовывает правдоподобную ерунду; научитесь проверять её результат, а не принимать на веру; и держите при себе то, что ИИ не умеет, — экспертизу, контакт, ответственность. Если же вы только выбираете путь, смотрите не на модные списки «профессий будущего», а на устойчивое — это я разбирал в тексте «Как выбрать профессию: вопросы, разговоры и пробы вместо теста».
И самое честное. Ни один из серьёзных отчётов не берётся назвать конкретные профессии, которые «умрут» к такому-то году. Прогнозы расходятся в разы, потому что меряют разное (см. инфографику выше) и сильно зависят от того, как быстро и широко компании будут внедрять ИИ. Строить личный план на «мою профессию отменят тогда-то» бессмысленно — данных для такого прогноза просто нет. А вот план «разберусь, что из моих задач ИИ делает, и займусь тем, что он не умеет» работает при любом сценарии.
Коротко
• ИИ заменяет задачи, а не профессии целиком — и внутри одной профессии задачи затронуты по-разному.
• Хорошо даётся то, где есть образец и терпимость к ошибке: черновики, перевод, шаблонный код, обработка данных, первичная поддержка.
• Остаётся человеку то, где нужны ответственность, руки, живой контакт, проверка фактов и этика.
• «Заменить задачу» ≠ «уволить»: история (банкоматы и кассиры) и данные ОЭСР и ВЭФ показывают смещение работы, а не только её исчезновение.
• Главный навык теперь — работать с ИИ и проверять его: ставить задачу, ловить ошибки, отвечать за итог.
• Точных прогнозов, кого уволят, нет — и это нормально. Адаптируйтесь к задачам, а не к датам.
Пока нет комментариев