Искусственный интеллект меняет рынок труда: почему потеря 800 000 рабочих мест — это только половина истории

Предварительная версия Xpert

Доступно на 27 языках 📢

Опубликовано: 11 ноября 2026 г. / Обновлено: 11 ноября 2026 г. – Автор: Konrad Wolfenstein

Искусственный интеллект меняет рынок труда: почему потеря 800 000 рабочих мест — это только половина истории

Искусственный интеллект меняет рынок труда: почему 800 000 потерянных рабочих мест — это только половина истории — Креативное изображение на эту тему с использованием ИИ: Xpert.Digital

Повышение производительности труда, сокращение рабочих мест? Что означает ИИ для сотрудников в Германии?

Искусственный интеллект и немецкий рынок труда: начинается масштабная трансформация рынка труда

Почему особенно молодые специалисты могут испытывать давление

Искусственный интеллект вряд ли трансформирует немецкий рынок труда путем внезапного обвала занятости, а скорее за счет глубокой реструктуризации рабочих мест, квалификаций и карьерных возможностей. Согласно долгосрочному сценарию, в течение 15 лет может исчезнуть около 800 000 рабочих мест, в то время как будет создано примерно такое же количество новых. Однако такой почти сбалансированный результат не является поводом для самоуспокоения: затронутые рабочие места и люди не могут просто компенсировать друг друга. Новые должности могут требовать других навыков, появляться в разных местах или становиться доступными позже. Начинающие свою карьеру могут столкнуться с особыми трудностями, поскольку компании меняют свои процессы и автоматизируют стандартизированные задачи. Поэтому ключевой вопрос заключается не только в том, сколько рабочих мест в конечном итоге останется, но и в том, кто будет управлять переходом, как будут распределяться преимущества повышения производительности и действительно ли технологический прогресс приведет к созданию жизнеспособных карьерных возможностей.

В связи с этим:

Резкий рост административных расходов: Счетная палата бьет тревогу – Как Федеральное агентство по трудоустройству тратит миллиарды под руководством Андреа Налес

Баланс между работой и личной жизнью может быть положительным, но сотни тысяч людей всё равно оказываются в проигрыше

Вероятно, искусственный интеллект преобразует немецкий рынок труда не столько за счет внезапного обвала занятости, сколько за счет глубокой реструктуризации рабочих мест, квалификаций и карьерных возможностей. Около 800 000 рабочих мест, потерянных в течение 15 лет, могут быть компенсированы аналогичным количеством новых. Однако такой в целом сбалансированный результат не является поводом для самоуспокоения. Это просто означает, что потеря рабочих мест и создание новых рабочих мест примерно компенсируют друг друга в экономике в целом, но не означает, что пострадавшие люди смогут перейти на новые должности без потери дохода, переезда или длительных переходных периодов.

Таким образом, экономически важнейший вопрос заключается не просто в том, сколько рабочих мест в конечном итоге сохранится. Гораздо важнее, какие рабочие места исчезнут, где возникнет дополнительный спрос, как быстро компании смогут реорганизоваться и кто сможет вовремя приобрести необходимые навыки. Для Германии искусственный интеллект предоставляет возможность создавать большую добавленную стоимость при все более дефицитных человеческих ресурсах. В то же время это создает риск того, что на рынке труда существующие трудовые отношения останутся относительно стабильными, в то время как молодые специалисты, некоторые работники сферы услуг и менее адаптивные компании будут испытывать все большее давление.

Что стоит за цифрой 800 000?

Цифру в 800 000 потерянных рабочих мест не следует интерпретировать как прогноз соответствующего роста безработицы. Она описывает потенциальную структурную трансформацию в течение длительного периода. В базовом сценарии расчетов через 15 лет будет потеряно примерно 790 000 рабочих мест по сравнению с базовым сценарием, что будет компенсировано примерно таким же количеством новых рабочих мест. В округленном виде это дает общепринятую цифру в 800 000 рабочих мест в каждом случае. В совокупности это означает, что около 1,6 миллиона рабочих мест будут затронуты дополнительными структурными изменениями.

Эталонный показатель имеет решающее значение. Исходная траектория описывает не замороженную экономику без цифровизации, а развитие, в котором уже экстраполируются существующие экономические, технологические и демографические тенденции. Сценарий с использованием ИИ рассматривает, как расширенное использование технологий может изменить эту траекторию развития. Поэтому выявленные различия не следует приравнивать ни ко всем будущим потерям рабочих мест, ни к общему изменению уровня занятости.

Это также не означает, что каждый год исчезает 800 000 рабочих мест. Масштаб изменений проявляется в рассматриваемый период и отражает различия между двумя возможными экономическими структурами. Равномерное распределение по отдельным годам было бы некорректным, поскольку инвестиции, организационные изменения и новые бизнес-модели вступают в силу с разной скоростью. Эта цифра полезна в качестве ориентира для оценки масштабов трансформации, а не как точный план увольнений.

Сбалансированный бюджет никого не защищает

Существует существенная разница между сбалансированной общей ситуацией с занятостью и индивидуальными возможностями трудоустройства. Потеря работы в сфере стандартизированной обработки документов не может быть автоматически компенсирована дополнительной должностью в области ИТ-безопасности или интеграции технических систем. Это может потребовать другой квалификации, дополнительного профессионального опыта или другого места работы. Даже если обе должности статистически эквивалентны, они не взаимозаменяемы с точки зрения отдельного человека.

Эту проблему часто описывают как несоответствие между предложением и спросом на рабочую силу. Люди ищут работу, в то время как компании одновременно жалуются на незаполненные вакансии. Искусственный интеллект может усугубить эту ситуацию, если спрос на определенные задачи меняется быстрее, чем сотрудники могут адаптировать свои навыки. Таким образом, практически нулевой баланс занятости может привести к более длительным периодам безработицы для определенных групп населения, увеличению потребности в обучении и расширению неравенства в доходах.

Временной аспект также имеет решающее значение. Дополнительные рабочие места не обязательно появляются именно тогда, когда сокращаются другие должности. Компания может сократить свой административный персонал, в то время как новые услуги начнут приносить достаточный доход только позже. Поэтому долгосрочный конечный результат — не единственный фактор при оценке экономической политики. Не менее важны переходные издержки на этом пути: потерянный доход, неиспользованные навыки, финансовое бремя для системы социального обеспечения и риск того, что люди окажутся навсегда маргинализированными.

Задачи исчезают, уступая место целым профессиям

Искусственный интеллект изначально меняет задачи, а не обязательно весь профессиональный профиль. Работа, как правило, состоит из ряда различных задач: сбор информации, проверка данных, подготовка решений, общение с клиентами, принятие ответственности за результаты и решение непредвиденных проблем. Если технология ускоряет выполнение некоторых из этих задач, это не означает автоматически, что вся работа становится экономически устаревшей.

Например, работа, требующая аналитических навыков, может занимать меньше времени на составление отчета, в то время как анализ необычных результатов, координация со специализированными отделами и ответственность за принятие решения остаются. Поэтому потенциал технической автоматизации не следует приравнивать к конкретному риску потери работы. Между ними лежат операционные издержки, требования к качеству, юридическая ответственность и вопрос о том, можно ли продуктивно использовать сэкономленное время в другом месте.

И наоборот, было бы излишним оптимистичным делать вывод о том, что такой подход, ориентированный на выполнение задач, гарантирует стабильность рабочего места. Если исключить достаточное количество этапов работы и реорганизовать процессы, тот же объем работы можно выполнить с меньшим количеством сотрудников. Переход может быть постепенным: увольняющийся сотрудник не заменяется другим, дополнительная должность не утверждается, или ранее независимая функция объединяется с другой. Таким образом, рынок труда меняется даже без публично видимых волн увольнений.

Почему эффективность работает в двух направлениях

То, приведет ли повышение производительности к сокращению или созданию новых рабочих мест, во многом зависит от спроса. Если компания может производить тот же объем продукции с меньшим количеством сотрудников, а объем продаж остается неизменным, потребность в рабочей силе первоначально снижается. Однако, если услуги становятся дешевле, качественнее или доступнее для большего числа клиентов, спрос может возрасти и нивелировать часть первоначальной экономии.

Например, поставщик услуг мог бы использовать ИИ для более экономичной поддержки малых предприятий, поскольку затраты на простые анализы снизились бы. Это могло бы привести к расширению клиентской базы и появлению новых консультационных услуг. Однако на рынке с практически насыщенным спросом тот же технологический прогресс может в первую очередь вызвать ценовое давление и сокращение штата. Технология сама по себе не определяет, какое развитие событий возобладает.

Использование прибыли также играет свою роль. Более высокая прибыль может финансировать инвестиции, более высокая заработная плата может поддерживать потребление, а более низкие цены могут повысить покупательную способность. Однако, если сбережения в значительной степени поглощаются без создания дополнительного внутреннего спроса или инвестиций, эффект создания рабочих мест будет слабее. Поэтому обоснованный экономический анализ должен выходить за рамки отдельных автоматизированных процессов и учитывать последствия для рынков, доходов и деловых решений.

Первое давление оказывается на службы

Особое внимание уделяется услугам, связанным с бизнесом, поскольку многие из них включают обработку информации, доступной в цифровом виде. Это включает стандартизированный анализ, предварительные исследования, подготовку документации и выполнение определенных административных задач. Генеративный искусственный интеллект может поддерживать или частично автоматизировать эти процессы. Это не только меняет требования к персоналу, но и экономическую основу существующих услуг.

В долгосрочной перспективе, в условиях развития ИИ, прогнозируется, что через 15 лет занятость в сфере бизнес-услуг будет примерно на 120 000 человек ниже базового уровня. В то же время, в сфере ИТ и информационных услуг ожидается примерно 110 000 дополнительных рабочих мест. Эти различия показывают, что цифровизация отрасли не приводит автоматически к росту или сокращению числа рабочих мест. Ключевым фактором является то, какие услуги заменяются, поддерживаются или становятся более востребованными.

Это представляет собой фундаментальную проблему для поставщиков консультационных и интеллектуальных услуг. Если простое создание стандартного отчета становится дешевле, оно теряет свою ценность как самостоятельное конкурентное преимущество. Выбор актуальных вопросов, глубокие отраслевые знания, проверка предположений и внедрение конкретных изменений приобретают все большее значение. Таким образом, потенциальный структурный сдвиг ведет от простой продажи услуг по обработке информации к заметному улучшению принимаемых решений и бизнес-результатов. Однако различные группы бизнес-услуг не являются синонимами: конкретная отраслевая метрика не может быть применена без модификации ко всем консультационным или интеллектуальным профессиям.

Банкам требуется нечто большее, чем просто анализ

Аналитическая деятельность в банках и страховых компаниях особенно уязвима, поскольку часто основана на структурированных данных, обширной документации и повторяющихся этапах оценки. Потенциальные области применения варьируются от обобщения представленных документов до подготовки стандартизированных оценок рисков. Хотя техническая поддержка может сократить время обработки, она не исключает автоматически необходимости в экспертном контроле.

Особенно в сфере финансовых услуг ошибочные результаты могут дорого обходиться. Убедительно сформулированная оценка не обязательно является точной. Если входные данные неполны, необычные обстоятельства классифицированы неверно или модель содержит систематические ошибки, кажущееся повышение эффективности может создать дополнительные риски. Поэтому автоматизация экономически целесообразна только в том случае, если учитываются затраты на мониторинг и потенциальные ошибки в принятии решений.

Таким образом, потребности в персонале, вероятно, станут более дифференцированными. Стандартизированная предварительная работа может стать менее важной, в то время как сложные аудиты, обработка исключений и мониторинг развернутых систем могут стать более важными. Приведет ли это к появлению новых должностей такого же масштаба, покажет время. Не каждая дополнительная задача контроля требует создания новой штатной должности, и не каждый существующий специалист может легко перейти на специализированную функцию контроля.

Страховые полисы не обеспечивают полной защиты

Приравнивать высшее образование к меньшей возможности автоматизации — это чрезмерное упрощение, когда речь идёт о генеративном искусственном интеллекте. Эта технология сейчас применяется к задачам, которые долгое время считались типичной интеллектуальной работой: составление текстов, сбор информации, создание программного кода или предварительная обработка сложных вопросов. Поэтому университетский диплом не защищает от технологической поддержки или замены во всех аспектах работы.

Однако это не означает, что академическое образование теряет свою экономическую ценность. Специализированные знания помогают выявлять ошибки, задавать правильные вопросы и рассматривать результаты в более широком контексте. Проблематичным было бы наличие квалификации, практическая польза которой заключается почти исключительно в надежном выполнении стандартизированных рабочих этапов. Поэтому существует важная разделительная линия между воспроизводимой обработкой данных и самостоятельным, ответственным решением проблем.

Даже сотрудники без высшего образования отнюдь не защищены автоматически. Хотя анализ долгосрочных сценариев указывает на более значительные изменения в высококвалифицированных профессиях, текущие анализы одновременно выявляют потенциальные отрицательные корреляции между воздействием ИИ и занятостью молодых людей в неакадемических профессиях. Эти два вывода могут сосуществовать, поскольку касаются разных временных периодов, структур рабочих мест и исследовательских подходов. Поэтому обоснованная оценка позволяет избежать обобщений о победителях и проигравших, основанных исключительно на уровне образования.

Мастерство остается неизменным и не подвергается никаким изменениям

Профессии, в которых высока доля практических и ручных задач, считаются относительно устойчивыми к современным приложениям генеративного искусственного интеллекта. Ремонт на месте, регулировка заготовок или работа в изменяющейся пространственной среде не могут быть выполнены исключительно с помощью языковой модели. Физическое выполнение, ситуационная оценка и непосредственная ответственность ограничивают прямую замену в этих случаях.

Однако эта относительная устойчивость не означает, что традиционное мастерство останется невосприимчивым к влиянию ИИ. Предложения можно будет готовить быстрее, техническую документацию — проще оценивать, а встречи с клиентами — планировать эффективнее. Потенциальный рост производительности в этом случае будет заключаться в основном в поддержке процессов. Компания сможет обрабатывать больше заказов, не меняя кардинально основные принципы своей деятельности.

Важно также отличать это от робототехники и других форм автоматизации. Низкий уровень знакомства с генеративным ИИ не является гарантией технологической незаменимости. Это также ничего не говорит о циклическом характере профессии. Практически ориентированная работа может быть устойчива к языковым моделям, но при этом оставаться уязвимой к снижению спроса, слабым инвестициям или другим технологическим изменениям. Для экономической оценки эти риски необходимо рассматривать отдельно.

Проблемой становится выход на рынок труда

Развитие молодых сотрудников требует особенно тщательного контроля. Многие задачи начального уровня представляют собой подготовительную работу, которая технически необходима, но при этом относительно стандартизирована. Это может включать в себя первоначальные исследования, простой анализ, документирование и подготовку документов. Такие задачи особенно хорошо подходят для поддержки искусственного интеллекта. Поэтому компаниям следует рассмотреть возможность сокращения найма младшего персонала и вместо этого обеспечить опытных сотрудников более мощными инструментами.

Предварительные данные по Германии показывают, что занятость на полный рабочий день среди 20-24-летних в наиболее подверженных влиянию ИИ профессиях сократилась с примерно 279 000 до 239 000 человек с 2022 года. Это соответствует снижению примерно на 14 процентов. Однако в целом по всем возрастным группам занятость в этих особенно подверженных влиянию ИИ профессиях развивалась гораздо более благоприятно. Эта разница делает важным показателем выхода на рынок труда, но пока не доказывает, что именно ИИ является причиной всего спада.

Кроме того, эта возрастная группа не идентична всем новичкам на рынке труда. Некоторые начинают свою карьеру раньше, другие — только после более длительного периода обучения. Тем не менее, возникает реальный риск: рынок труда может казаться относительно стабильным для уже состоявшихся сотрудников, одновременно сужая для них доступ к рабочим местам. Отсутствие вакансии начального уровня часто остается менее заметным для общественности, чем увольнение, но может иметь значительные последствия для долгосрочного развития карьеры.

Меньшее количество молодых талантов в дальнейшем обойдется нам дороже из-за недостатка квалифицированных специалистов

Когда компании автоматизируют простые задачи начального уровня, им необходимо переосмыслить подход к приобретению опыта будущими специалистами. Профессиональное суждение развивается не только на основе теоретических знаний. Оно также формируется в процессе многократной работы с реальными ситуациями, получения обратной связи и анализа ошибок. Если этот этап обучения сократить или полностью исключить, впоследствии может возникнуть разрыв между формальной квалификацией и практической компетентностью.

С точки зрения отдельной компании, в краткосрочной перспективе может быть привлекательно нанимать в основном опытных специалистов и сокращать количество младших должностей. Однако, если многие компании будут действовать аналогичным образом, коллективная основа для будущей квалифицированной рабочей силы может быть ослаблена. Привлечение уже опытных сотрудников не решает эту макроэкономическую проблему, а лишь перераспределяет ограниченный кадровый резерв.

Поэтому разумным ответом со стороны бизнеса было бы не искусственное поддержание всех существующих рутинных задач. Вместо этого необходимо было бы сознательно перепроектировать программы обучения. Стажеры могли бы анализировать результаты работы ИИ, сравнивать различные решения и постепенно брать на себя ответственность за принятие решений в реальных условиях. Это сместило бы акцент обучения в сторону понимания и критического мышления. Сэкономленное время можно было бы не только использовать для снижения затрат на персонал, но и направить на более быстрое и качественное развитие навыков.

Повышение производительности также может дать силы новичкам

Влияние ИИ на начинающих специалистов не является исключительно негативным. Подходящий ассистент может сделать знания доступными, подсказать правильную формулировку и помочь в решении менее знакомых задач. Это позволяет неопытным сотрудникам быстрее осваивать новые задачи. Будут ли компании использовать это как возможность для дополнительного найма или для сокращения штата — это отдельное бизнес-решение.

Комплексное исследование в сфере обслуживания клиентов, охватившее 5172 сотрудника, показало, что поддержка с помощью ИИ привела к увеличению количества успешно решенных запросов в среднем примерно на 15 процентов в час. Особенно значительная выгода была получена от этого у менее опытных и ранее менее эффективных сотрудников. Этот вывод демонстрирует, что ИИ может уменьшить существующие различия в производительности труда. Однако он не позволяет делать общие выводы о том, как изменится занятость или заработная плата в масштабах всей экономики.

Это различие имеет решающее значение. Инструмент может повысить производительность молодого сотрудника, одновременно снижая общую потребность в молодых сотрудниках в компании. Аналогично, увеличение выгоды от дополнительного сотрудника может сделать найм новых сотрудников экономически целесообразным. Преобладание поддерживающего или подавляющего эффекта зависит от спроса, организации и корпоративной стратегии. Технологические возможности не полностью определяют результат.

Наш опыт в сфере развития бизнеса, продаж и маркетинга охватывает страны ЕС и Германию

Наш опыт в ЕС и Германии в области развития бизнеса, продаж и маркетинга. — Изображение: Xpert.Digital

Основные отраслевые направления: B2B, цифровизация (от ИИ до XR), машиностроение, логистика, возобновляемые источники энергии и промышленность

Более подробная информация здесь:

Экспертный бизнес-центр

Тематический центр, предлагающий аналитические материалы и экспертные знания:

Информационная платформа, охватывающая глобальную и региональную экономику, инновации и отраслевые тенденции
Сборник аналитических материалов, выводов и справочной информации по нашим ключевым направлениям деятельности
Место, где можно найти экспертные знания и информацию о текущих событиях в бизнесе и технологиях
Центр для компаний, стремящихся получить информацию о рынках, цифровизации и отраслевых инновациях

Начало карьеры в условиях стресса: вызов для молодежи

Данные о занятости требуют трезвой интерпретации

Пока что в Германии не наблюдается широкомасштабного сокращения занятости в профессиях, особенно подверженных влиянию ИИ. В начале 2026 года уровень занятости на полную ставку в наиболее подверженных влиянию ИИ профессиях был на 1,8% выше, чем в 2022 году. В то же время в наименее подверженных влиянию ИИ профессиях он был на 6,4% ниже. Эти цифры противоречат упрощенному представлению о том, что высокий уровень технического влияния ИИ обязательно приводит к общему сокращению рабочих мест.

Однако они также не доказывают, что ИИ уже привел к такому значительному увеличению занятости. Развитие изученных профессиональных групп в некоторых случаях различалось еще до широкого распространения генеративного ИИ. Цифровизация, отраслевые сдвиги и другие структурные факторы могут влиять на результаты. Тот, кто интерпретирует все различия как эффект ИИ, путает наблюдаемую корреляцию с доказанной причиной.

Дополнительное ограничение связано с рассматриваемым сегментом занятости. Полная занятость не отражает всей занятости и не обязательно представляет собой общий объем работы. Изменения в неполной занятости, самозанятости или количестве рабочих часов могут предоставить дополнительную информацию. Поэтому для надежной диагностики следует рассматривать уровни занятости, новых сотрудников, количество рабочих часов и доходы в совокупности. Отдельный показатель может подать тревожный сигнал, но он не может дать полной картины экономической трансформации.

Экономические тенденции и искусственный интеллект пересекаются

Нынешний экономический спад затрудняет определение конкретных причин наблюдаемых изменений. Компании часто проявляют большую нерешительность в найме сотрудников, когда перспективы продаж неопределенны. Это особенно сильно затрагивает молодых специалистов, поскольку у них еще нет работы, и потенциальным работодателям сложнее оценить их навыки. Поэтому более сложный выход на рынок труда не является автоматическим свидетельством технологического вытеснения.

Другой анализ ситуации в Германии сосредоточен на возрастной группе от 20 до 29 лет, более широкой возрастной категории. В этой группе занятость на полный рабочий день сократилась на 3,8 процента в период с 2022 по 2025 год в профессиях с большей подверженностью влиянию ИИ и на 2,6 процента в менее подверженных этому влиянию профессиях. После дополнительного учета экономической уязвимости и возможности работы из дома отрицательная корреляция с подверженностью влиянию ИИ для этой возрастной группы осталась статистически неопределенной. Корреляция с экономической слабостью оказалась значительно сильнее.

Эти результаты не обязательно противоречат более выраженному снижению числа работающих в возрасте от 20 до 24 лет. Определение возраста, временной период и классификация профессий различаются. В совокупности полученные данные требуют осторожной интерпретации: есть серьезные признаки изменения возможностей для трудоустройства, но нет достаточных оснований приписывать все проблемы, с которыми сталкиваются молодые работники, искусственному интеллекту. Поэтому экономическая политика должна одновременно учитывать технологическую адаптацию и общую слабость инвестиций и спроса.

Распределение пока не является трансформацией

Генеративный искусственный интеллект быстро распространился в немецких компаниях. Уровень его использования вырос с примерно 5 процентов в 2023 году до почти 25 процентов в 2025 году. Около 40 процентов всех сотрудников, подлежащих социальному страхованию, работали в компаниях-пользователях. Однако это не означает, что все эти люди сами работали с ИИ. Технология может оставаться ограниченной определенными отделами или задачами внутри компании.

Существенные различия наблюдались также в зависимости от размера компании. В 2025 году около 48 процентов компаний с численностью персонала не менее 200 человек использовали генеративный ИИ. Для компаний с численностью персонала до девяти человек этот показатель составлял приблизительно 21 процент. Технология была особенно распространена в сфере информационных и коммуникационных технологий (59 процентов), финансов и страхования (50 процентов) и бизнес-услуг (37 процентов).

Экономическое значение этих цифр заключается не только в скорости внедрения. Случайное текстовое резюме меняет бизнес иначе, чем интеграция ИИ в непрерывные рабочие процессы. Примерно 90 процентов компаний-пользователей полагались на общедоступные решения; лишь меньшая доля использовала более специализированные или разработанные внутри компании модели. Таким образом, высокие темпы внедрения могут совпадать с ограниченным проникновением в организацию. Для производительности и занятости наиболее важным является интенсивность и цель использования технологии.

Преимущество определяется в процессе эксплуатации

Инвестиции в ИИ экономически оправданы, если дополнительные выгоды перевешивают общие затраты. Эти затраты включают не только лицензионные сборы, но и ресурсы для подготовки данных, технических интерфейсов, обучения, мер безопасности и мониторинга результатов. Дешевый инструмент может оказаться дорогим, если его результаты потребуют частых и дорогостоящих корректировок.

Таким образом, главный вопрос бизнеса заключается не в том, выполняется ли отдельная задача быстрее. Ключевой вопрос состоит в том, становится ли весь процесс более экономичным при сохранении или улучшении качества. Если первоначальная оценка экономит время, но требуется последующая координация и проверки, фактическая выгода может остаться незначительной. И наоборот, казалось бы, незначительное улучшение может иметь существенное значение, если оно устраняет узкое место в часто повторяющемся процессе.

Поэтому реалистичное внедрение требует поддающихся проверке критериев. К ним относятся время обработки до получения пригодного к использованию результата, процент ошибок и доработок, а также фактически высвобожденные ресурсы. Количество созданных текстов, презентаций или черновиков программ само по себе не является показателем производительности. Экономический прогресс происходит только тогда, когда результаты становятся более пригодными для использования, клиенты получают дополнительную ценность или ограниченные ресурсы используются более эффективно. Искусственного интеллекта как символа модернизации недостаточно для достижения этой цели.

Почему высокие показатели роста являются условно допустимыми

Долгосрочный сценарий развития ИИ связывает структурные преобразования со значительными макроэкономическими возможностями. При сделанных предположениях среднегодовой экономический рост в течение 15 лет может быть на 0,8 процентных пункта выше, чем в базовом сценарии. За весь период это приведет к совокупному созданию дополнительной стоимости в размере приблизительно 4,5 триллиона евро. Эта цифра представляет собой потенциальную, а не гарантированную доходность.

Следует избегать двух распространенных заблуждений. Увеличение годового роста на 0,8 процентных пункта — это не то же самое, что единовременное увеличение экономического производства на 0,8 процента. Аналогично, 4,5 триллиона евро дополнительной добавленной стоимости за 15 лет — это ни дополнительный государственный бюджет, ни единовременная годовая сумма денег. Имеется в виду совокупная разница в экономическом производстве между двумя траекториями развития за этот период.

Основной механизм понятен: повышение производительности труда, снижение материальных затрат и новые возможности для продаж. Однако фактическая величина этих эффектов зависит от реализации. Результаты отдельных, особенно успешных проектов нельзя напрямую экстраполировать на всю экономику. Кроме того, возникают неопределенности в отношении новых бизнес-моделей, реакции международной конкуренции и скорости распространения. Поэтому высокие показатели потенциала следует понимать как обоснование улучшения рамочных условий, а не как замену проверенной инвестиционной стратегии.

Новые рабочие места не создаются автоматически

Для достижения долгосрочного, почти сбалансированного уровня занятости необходимо, чтобы помимо повышения эффективности развивалась и дальнейшая экономическая активность. Это включает в себя развитие и эксплуатацию технической инфраструктуры, новых ИТ-услуг и бизнес-моделей, которые ранее были экономически нецелесообразны. Создание рабочих мест не является автоматическим побочным эффектом каждого сэкономленного часа. Для этого необходимы компании-инвесторы, клиенты, готовые платить, и необходимые навыки.

Развитие во времени также не является линейным. Первоначально может потребоваться дополнительный персонал для сбора данных, технической реализации и инфраструктуры. Позже рост производительности может снизить спрос на рабочую силу. Новые направления бизнеса могут компенсировать этот эффект в долгосрочной перспективе. Если их развитие не оправдает ожиданий, баланс занятости также изменится. Сценарный анализ может проиллюстрировать эту взаимосвязь, но он не может гарантировать выполнение всех необходимых условий.

Более того, дополнительная работа не обязательно должна полностью отражаться в новых должностях. Существующий поставщик технических услуг может расширить спектр своих услуг, промышленная компания может разработать дополнительные услуги по цифровому обслуживанию, а консалтинговая фирма может взять на себя новые задачи по внедрению. Важен дополнительный экономический спрос, а не количество вновь созданных должностей. Для политики занятости это означает, что инновации и создание новых предприятий так же важны, как и повышение квалификации существующих сотрудников.

Демографические факторы делают эффективность особенно ценной

В стареющем обществе производительность труда имеет особое значение. Когда становится сложнее найти персонал для определенных должностей, автоматизация административных задач может помочь более эффективно использовать имеющихся квалифицированных работников. Таким образом, снижение спроса на рабочую силу в одном секторе не обязательно означает ухудшение общей ситуации на рынке труда. Это также может помочь смягчить дефицит.

Однако эту связь не следует чрезмерно напрягать. Офисный работник, освобожденный от административных задач благодаря ИИ, не становится автоматически востребованным специалистом в области сестринского дела, и дополнительные технические возможности не заменяют всю практическую работу. Между этими областями находятся квалификационные требования, личные предпочтения и организационные ограничения. Следовательно, дефицит персонала, обусловленный демографическими факторами, и технологическое вытеснение могут происходить одновременно.

Экономически привлекательная перспектива заключается в перераспределении дефицитного рабочего времени от стандартизированных задач к задачам, приносящим большую пользу человеку. Это может включать улучшение обслуживания клиентов, ускорение решения проблем или повышение технической подготовки. Успех этого проекта зависит от организации труда. Если сократить только затраты на персонал, не используя при этом оставшиеся ресурсы, часть потенциала останется нереализованной. Таким образом, ИИ является возможным компонентом в решении демографических проблем, но не полной заменой образования, участия в рабочей силе и адекватной иммиграции.

Для продолжения образования необходимы конкретные карьерные цели

Необходимость в дополнительном обучении остается неэффективной, если неясно, какие навыки впоследствии потребуются с экономической точки зрения. Общий вводный курс по использованию чат-бота может быть полезен, но он не заменяет адаптацию профессиональных навыков. Сотрудники должны уметь распознавать, какие из их задач изменятся и какие дополнительные обязанности им придется взять на себя в будущем.

Операционная ситуация выявляет существенный пробел в реализации. В 2025 году примерно 27 процентов компаний, использующих генеративный ИИ, предлагали соответствующие обучающие курсы. Еще 21 процент планировали предлагать такие курсы. Не следует приравнивать уже реализованные меры к простым планам. Внедрение внутренних правил также было неполным: около 21 процента компаний-пользователей имели соответствующие руководства, а еще 22 процента планировали их внедрить.

Таким образом, осмысленное профессиональное развитие сочетает в себе специальные знания, практические навыки и оценку результатов. Сотрудники должны не только научиться формулировать инструкции, но и распознавать неопределенность, правильно интерпретировать данные и оценивать ограничения модели. Для компаний крайне важно фактически выделять время на обучение в рамках повседневной рабочей рутины. Перекладывание ответственности исключительно на готовность отдельного сотрудника к самостоятельному получению дополнительного образования поставило бы в невыгодное положение тех, у кого меньше времени, финансовых ресурсов или подходящих возможностей для обучения.

Средний класс находится между доступом и зависимостью

Для небольших компаний доступные на начальном этапе сервисы ИИ снижают барьеры для входа на рынок. Даже не имея собственного отдела разработки, они могут получить поддержку в вопросах коммуникации, исследований или анализа. Это создает возможности для частичной компенсации организационных недостатков по сравнению с более крупными конкурентами. Однако дальнейшая интеграция в специфические для компании процессы остается более сложной задачей, чем использование одного инструмента.

Крупные компании могут распределить фиксированные затраты на внедрение на большее количество сценариев использования и нанять более специализированные команды. Малые предприятия, с другой стороны, часто вынуждены с ограниченными кадровыми ресурсами решать, какие приложения целесообразно использовать и как они вписываются в существующие системы. В этом случае могут помочь стандартизированные отраслевые решения или внешняя поддержка. Однако это имеет экономический смысл только в том случае, если преимущества, доступ к данным, текущие затраты и варианты перехода остаются достаточно прозрачными.

Дополнительный риск заключается в зависимости от отдельных поставщиков. Если основные рабочие процессы тесно связаны с одной системой, последующие изменения цен, технические ограничения или трудности при смене поставщика могут снизить первоначальные преимущества. Поэтому для стратегии в области ИИ, ориентированной на средние предприятия, важны не только доступные лицензии начального уровня. Не менее важны передаваемые данные, прозрачные интерфейсы и организационная структура, которая не предполагает полного аутсорсинга критически важных экспертных знаний.

Кто получит выгоду от повышения производительности?

Увеличение экономического производства не дает автоматического ответа на вопрос о распределении. Выгоды, связанные с ИИ, могут доставаться сотрудникам, клиентам, компаниям-пользователям или поставщикам технологий. Степень выгоды для каждой группы зависит, помимо прочего, от конкуренции, переговорной силы и дефицита определенных навыков. Поэтому позитивное общее экономическое развитие может сопровождаться значительным неравенством в доходах и гарантиях занятости.

Стандартизированные услуги могут оказаться под давлением цен, в то время как высокая квалификация, доступ к клиентам или способность к практической реализации решений станут более ценными. Одновременно с этим, ИИ может позволить отдельным сотрудникам выполнять более сложные задачи. Такие изменения не обязательно приведут к усилению неравенства. Они могут уменьшить разницу в производительности внутри одной должности, одновременно создавая новые разрывы в доходах между различными профессиями.

Для системы социального обеспечения также важно, приводит ли повышение производительности к росту заработной платы, созданию новых рабочих мест или преимущественно к другим формам дохода. Стабильная рабочая сила сама по себе не гарантирует соответствующего роста базы взносов. И наоборот, более продуктивная экономика с широким участием может способствовать финансированию социальных обязательств. Поэтому вопросы распределения не следует рассматривать ни как второстепенные, ни как уже решенные. Они являются центральным компонентом формирования экономических аспектов технологических изменений.

Инфраструктура ограничивает потенциал цифровых технологий

Искусственный интеллект требует физической и организационной основы. Вычислительные мощности, электроснабжение, сетевое подключение, управление данными и ИТ-безопасность являются необходимыми условиями для продуктивного использования. Предположение о том, что эта основа будет доступна в нужное время, является условием благоприятных сценариев роста. Если эти условия не соблюдены, инвестиции могут стать дороже или иметь отложенный эффект.

Строительство центров обработки данных может первоначально стимулировать дополнительную экономическую активность и создавать новые рабочие места. Однако это не гарантирует неограниченного и долгосрочного эффекта создания рабочих мест. Строительство и техническая эксплуатация имеют разную структуру персонала, и наиболее широкое экономическое воздействие возникает только за счет производственных процессов в других компаниях. Таким образом, центр обработки данных является необходимой инфраструктурой для определенных задач, но еще не является доказательством успешно реализованного повышения производительности.

Для промышленности и логистики задача особенно сложно заключается в интеграции цифровых инструментов с реальными процессами. Это может включать в себя улучшенную техническую документацию, поддержку решений по техническому обслуживанию или более быструю обработку операционных отклонений. Такие приложения должны быть совместимы с требованиями к качеству данных, безопасности и существующими системами. Поэтому успешная демонстрация не является синонимом экономически целесообразного внедрения в текущие операции. В конечном итоге, решающим фактором является то, насколько надежно технология работает в реальных условиях и улучшает ли она общую производительность процесса.

Политика на рынке труда должна финансировать переходные процессы

Разумный подход к экономической политике не должен принципиально препятствовать продуктивной автоматизации. Попытка сохранить все существующие рабочие места может помешать необходимому повышению эффективности и появлению новых бизнес-моделей. Однако было бы столь же неадекватно ожидать, что рынок решит все проблемы перехода без поддержки. Информационные пробелы, финансовые риски и отсутствие возможностей для обучения могут затруднить значимые изменения.

Поэтому политику на рынке труда следует начинать заблаговременно. Если в компании меняются задачи, своевременное обучение может предотвратить потерю работы в будущем. Если же изменения необходимы, дальнейшее обучение и консультации должны быть ориентированы на конкретные возможности трудоустройства. Само по себе участие в программе не является доказательством успеха; решающее значение после этого имеют перспективные возможности трудоустройства, подходящие рабочие места и минимальные долгосрочные потери дохода.

Доступ к рынку труда заслуживает особого внимания. Программы ученичества, поддержка на начальном этапе карьеры и надежные пути обучения выполняют функцию, выходящую за рамки краткосрочной выгоды отдельных компаний. Поэтому стратегия политики занятости должна не только бороться с существующей безработицей. Она также должна помогать предотвратить экономию компаний на затратах на подбор персонала в краткосрочной перспективе, что в долгосрочной перспективе ослабляет собственную квалифицированную рабочую силу экономики. Поддержание возможностей для обучения – это нечто иное, чем искусственное сохранение устаревшей рутинной работы.

Как можно оценить результаты ремонта

В ближайшие годы громкие объявления о сокращении рабочих мест — не единственные показательные индикаторы. Особое значение будут иметь новые сотрудники, принимаемые на работу с учетом возраста и профессии, количество доступных вакансий начального уровня, внутренние переводы и переход от обучения к постоянной работе. Также следует учитывать рабочее время и заработную плату, чтобы стабильность численности персонала не скрывала изменения в качестве или объеме работы.

На уровне компании необходимы надежные ключевые показатели эффективности (KPI) для демонстрации реального улучшения результатов. Эффективное использование ИИ должно отражаться в полезных результатах, сокращении доработок, повышении качества или увеличении ценности для клиента. Для научно обоснованной оценки данные о фактическом внедрении в компаниях в идеале должны быть связаны с данными о занятости. Только тогда можно будет лучше определить, связаны ли наблюдаемые изменения с ИИ или же они в первую очередь обусловлены другими экономическими причинами.

С точки зрения экономической политики, необходимо четко понимать: не каждое исчезновение рутинной задачи является общественной потерей, и не каждое вновь созданное рабочее место является доказательством успешной трансформации. Критерием является то, приводит ли повышение производительности к созданию дополнительной ценности, доступным карьерным возможностям и устойчивым доходам. Ключевая задача проектирования заключается в том, чтобы таким образом связать технологический прогресс и развитие человеческого потенциала, чтобы сбалансированный рынок труда обеспечил экономически безопасное будущее как можно большему числу людей.

🎯🎯🎯 Центр B2B-индустрии, основанный на данных, как своего рода внутреннее решение

Практически внутреннее решение: как Xpert.Digital устраняет операционные пробелы в B2B-маркетинге и продажах – Умный бизнес, основанный на контенте - Изображение: Xpert.Digital

Xpert.Digital — это ориентированный на данные B2B-индустрионный центр, возглавляемый Konrad Wolfenstein . Компания выступает в качестве внешнего, частично внутреннего решения для отраслевых партнеров, устраняя операционные пробелы в маркетинге, контенте и продажах — без необходимости привлечения дополнительных ресурсов со стороны клиента.