Самая простая страшилка последних лет звучит так: искусственный интеллект заберёт работу у людей.
Она понятна, эмоциональна и удобна. Робот пришёл — человек ушёл. Нейросеть написала текст — копирайтер не нужен. ИИ сделал презентацию — аналитик лишний. Агент обработал запрос клиента — оператор колл-центра исчез.
Но реальные данные показывают более сложную и, возможно, более жёсткую картину. Рынок труда не просто сокращается. Он перестраивается. Рабочих мест в новых зонах становится больше, но они требуют другой зрелости, другой ответственности и другой профессиональной формы.
По оценке World Economic Forum, к 2030 году глобальная экономика создаст около 170 млн новых рабочих мест и вытеснит около 92 млн, то есть чистый прирост составит примерно 78 млн рабочих мест. При этом 39% текущих навыков работников изменятся или устареют к 2030 году. Это не картина конца труда. Это картина огромной ротации труда. Работа остаётся, но меняет форму.
Главный вопрос теперь звучит не так: «заменит ли ИИ человека?»
Главный вопрос другой: в какие вакансии превращается работа после появления ИИ — и кто окажется способен в них войти?
Рынок не исчезает. Он растёт вверх
ИИ не уничтожает рынок вакансий одним ударом. Он делает с ним более неприятную вещь: рынок начинает расти вверх.
Простые операции, рутинные черновики, первичный поиск, пересказ, оформление, сверка, базовая аналитика и шаблонная коммуникация автоматизируются. Но одновременно растёт спрос на тех, кто умеет соединять ИИ с реальными процессами: данными, людьми, деньгами, регламентами, рисками и ответственностью.
Это видно по нескольким крупным исследованиям.
PwC в Global AI Jobs Barometer 2026 проанализировала более миллиарда вакансий на шести континентах и показала, что средняя зарплатная премия за AI-навыки достигла 62%. Вакансии с AI skills растут быстрее общего рынка вакансий, а рынок разделяется на две траектории: одни роли ИИ «профессионализирует», делая важнее суждение, лидерство и экспертность; другие — «демократизирует», снижая порог входа в отдельные задачи.
LinkedIn в отчёте о рынке труда 2026 года фиксирует, что за два года работодатели создали не менее 1,3 млн AI-related job opportunities — от data annotators и AI engineers до forward-deployed engineers. Это важный сигнал: ИИ создаёт не только новые инструменты, но и новые рабочие функции вокруг себя.
Lightcast в материалах Stanford AI Index 2026 показывает, что AI skills уже упоминаются в 2,5% всех вакансий США. Это на 55% больше, чем годом ранее, и почти на 300% больше, чем десять лет назад. Особенно важно, что упоминания agentic AI выросли более чем на 280% за год: рынок уходит от «поговорить с чат-ботом» к «встроить автономные ИИ-системы в работу».
Это не рынок промптов. Это рынок инфраструктуры.
Ещё недавно казалось, что профессией будущего будет промпт-инженер — человек, который умеет правильно разговаривать с нейросетью. Это был романтический этап ИИ: укрощение дикого мустанга. Зрелищно, индивидуально, почти артистично.
Теперь начинается другой этап — проектирование железнодорожной сети. Он скучнее, дольше, дороже и гораздо важнее. Нужны не люди, которые красиво спрашивают у модели, а люди, которые умеют встроить модель в производство, продажи, образование, медицину, финансы, логистику, управление, документооборот, безопасность и контроль качества.
Поэтому Microsoft запускает Microsoft Frontier Company с финансированием $2,5 млрд, чтобы помогать крупным клиентам внедрять ИИ в реальные процессы, работать с собственными данными и не зависеть от одной модели. Поэтому AWS выделяет $1 млрд на подразделение forward-deployed engineers — инженеров, которые встраиваются в команды клиентов, пишут production-level code и помогают запускать agentic AI patterns в реальных workflow. По данным Reuters, спрос на forward-deployed engineers и похожие роли вырос в 42 раза с 2023 по 2025 год.
Это и есть настоящий поворот: ИИ перестал быть «экзотическим гостем» в компании. Он становится инженерной инфраструктурой.
Работы больше, но прежней работы меньше
Поэтому фраза «ИИ заберёт работу» слишком груба.
Точнее так: ИИ забирает прежнюю работу и создаёт новую, но не там, где удобно начинать.
Indeed в AI at Work Report 2025 пишет, что 26% вакансий на платформе могут быть сильно трансформированы генеративным ИИ, ещё 54% — умеренно трансформированы. Но полностью трансформируемых навыков в анализе Indeed — всего около 1%. То есть ИИ редко просто «съедает профессию целиком». Он меняет набор задач внутри профессии.
Именно это создаёт самый болезненный эффект. Раньше вход в профессию строился через рутину. Новичок писал черновики, собирал данные, проверял таблицы, готовил простые тексты, делал первичные версии, тестировал, оформлял, сверял, ошибался и исправлялся. Это было скучно, но именно через эту скуку он становился профессионалом.
ИИ выбивает нижние ступени этой лестницы.
Швейцарское исследование jobs.ch, о котором писал Reuters, показало: в 2025 году доля entry-level вакансий в Швейцарии была на 32% ниже среднего уровня 2019–2022 годов. В AI-exposed областях junior roles снизились на 16%, а спрос на senior roles вырос на 26%.
Anthropic в обзоре ранних эффектов ИИ на рынок труда ссылается на работу Brynjolfsson и соавторов: в AI-exposed occupations среди работников 22–25 лет занятость снизилась на 6–16%, причём в основном из-за замедления найма, а не из-за роста увольнений.
Это принципиально. Рынок пока не столько выкидывает опытных, сколько перестаёт впускать новых по старым правилам.
В Индии видна похожая перестройка, но с другой стороны. По данным Naukri, в июне 2026 года AI-related hiring в IT вырос на 16% год к году, тогда как общий IT-найм снизился на 3%; по 14 секторам AI/ML-вакансии выросли на 25%.
То есть рынок не просто падает. Он перераспределяется.
Работы становится больше там, где человек умеет управлять сложностью: соединять ИИ с процессом, проверять результат, отвечать за ошибку, понимать данные, видеть экономику решения, проектировать взаимодействие человека и машины.
И работы становится меньше там, где человек был нужен как исполнитель простой операции: собрать, переписать, найти, пересказать, оформить, подготовить первый вариант.
Рынок труда растёт вверх и проваливается снизу.
Вакансия становится сложнее, а человек — взрослее
Новая вакансия всё чаще требует не только профессионального навыка, но и способности работать в человеко-машинной системе.
Недостаточно быть бухгалтером, маркетологом, аналитиком, редактором, HR-специалистом, юристом, инженером или преподавателем. Нужно понимать, где ИИ ускоряет работу, где искажает результат, где создаёт риск, где требует проверки, где нельзя доверять автоматическому выводу, где человеческое решение остаётся юридически, этически или профессионально обязательным.
Отсюда и новые роли: AI workflow architect, AI product integrator, AI operations manager, model risk auditor, AI FinOps specialist, agent operations manager, synthetic data curator, human-AI process designer. Названия ещё будут меняться. Но функция уже ясна: компаниям нужны люди, которые умеют не «пользоваться ИИ», а встраивать ИИ в производство результата.
Это меняет образ профессионала.
Профессионал старого мира мог быть хорошим исполнителем. Профессионал нового мира должен быть оператором сложности. Он должен понимать предметную область, технологию, процесс, риски, людей и экономику результата.
ИИ не отнимает работу у всех. Он отнимает у многих право оставаться простыми исполнителями.
Найм становится машинным, потому что рынок стал слишком сложным
Когда вакансии меняются быстро, требования дробятся, AI skills появляются в самых разных ролях, а кандидаты массово откликаются на позиции с помощью генеративных инструментов, старый человеческий рекрутинг начинает захлёбываться.
И тогда ИИ приходит не только в работу, но и во вход в работу.
Это не значит, что «робот нанимает человека» в юридическом смысле. Но всё чаще система будет решать, увидит ли человек ваше резюме вообще. Поиск, первичный скрининг, сопоставление навыков, ранжирование кандидатов, подготовка summaries, автоматизация интервью — всё это становится частью новой инфраструктуры найма.
Harvard Business Review в 2026 году прямо пишет, что ИИ ломает старые сигналы найма: резюме, сопроводительные письма и дистанционные интервью теряют прежнюю доказательность, потому что генеративные инструменты позволяют быстро производить отполированные, но не обязательно честные документы и ответы.
Исследование GenAI in recruiting workflows на интервью с 22 recruiting professionals показывает более тонкую вещь: рекрутеры формально считают, что сохраняют финальную власть, но генеративный ИИ становится «невидимым архитектором» процесса — влияет на описание вакансии, критерии оценки, представление о хорошем интервью и информационные блоки, на которых потом строится человеческое решение.
Возникает новая ситуация: кандидат всё чаще пишет резюме с помощью ИИ, работодатель всё чаще читает резюме с помощью ИИ, а человек включается уже после того, как одна машина подготовила профиль для другой машины.
Это не второстепенная деталь. Это новый механизм распределения профессиональной видимости.
В Нью-Йорке Local Law 144 уже требует bias audit для automated employment decision tools, публичной информации об аудите и уведомления кандидатов, если такие инструменты используются в найме или продвижении. В ЕС AI Act относит системы ИИ для recruitment, selection, filtering job applications and evaluating candidates к high-risk AI systems.
Регуляторы уже признают: автоматизированный найм — это не удобная HR-игрушка, а инфраструктура доступа человека к жизненным возможностям.
Резюме становится не рассказом о себе, а интерфейсом
Изменение найма меняет и саму форму профессионального присутствия.
Резюме раньше было человеческим документом. Оно должно было быть аккуратным, убедительным, живым. Его писал человек для человека.
Теперь резюме всё чаще становится машиночитаемым интерфейсом. Система должна правильно извлечь должности, навыки, отрасли, инструменты, даты, проекты, связи между опытом и вакансией. Красивый нестандартный текст может понравиться человеку, но быть плохо прочитан машиной. Дизайн может мешать парсингу. Литературность может проиграть структуре.
И здесь возникает новый парадокс. Если резюме оценивает ИИ, а кандидат тоже использует ИИ для его создания, машины начинают узнавать друг друга.
Исследование AI Self-preferencing in Algorithmic Hiring показывает, что LLM могут систематически предпочитать резюме, сгенерированные ими самими, даже при контроле качества. В симуляциях hiring pipelines по 24 профессиям кандидаты, использующие ту же модель, что и оценщик, оказывались на 23–60% более вероятно shortlisted, чем равно квалифицированные кандидаты с человеческими резюме.
Это почти карикатура на рынок труда, но карикатура документированная.
Один ИИ помогает человеку написать резюме. Другой ИИ его оценивает. Если они говорят на похожем языке, человек получает преимущество. Если нет — может исчезнуть ещё до человеческого разговора.
Но резюме — не центр проблемы. Это только симптом. Главная проблема в том, что профессионал должен становиться видимым для системы раньше, чем он станет интересным для человека.
Соцсети уже показали, как работает алгоритмический успех
В культуре этот переход произошёл раньше.
Instagram, TikTok, YouTube Shorts и другие платформы уже показали: когда между человеком и аудиторией появляется алгоритм, побеждает не обязательно тот, кто проходит старый человеческий фильтр вкуса, таланта, меры, образованности или красоты. Побеждает тот, кто производит сигналы, которые система считает ценными.
По старой культурной логике человек мог быть невозможен: слишком шумный, нелепый, вульгарный, резкий, неформатный, не прошедший бы редактора, продюсера, преподавателя, куратора или «человека со вкусом». Но платформа спрашивает не «хорош ли он?», а другое: что с ним делают пользователи? Смотрят? Досматривают? Пересматривают? Спорят? Комментируют? Отправляют друзьям?
Исследования TikTok показывают, что его For You Page строится на алгоритмически управляемой персонализированной ленте, чувствительной к явным и неявным сигналам поведения, включая то, как долго пользователь смотрит контент; аудит алгоритмов также фиксирует быстрые циклы усиления интересов и снижение разнообразия по мере роста персонализации.
В соцсетях человек учится быть алгоритмически заметным.
В рекрутинге человек учится быть алгоритмически распознаваемым.
Принцип один: между человеком и возможностью встаёт система распределения видимости.
Именно поэтому рынок труда движется туда, куда культура платформ уже пришла: от человеческого впечатления — к алгоритмической пригодности. Только в соцсетях сигналом служит досмотр, лайк, комментарий, репост. А в найме — ключевые навыки, соответствие вакансии, карьерная логика, машиночитаемость опыта, цифровой след, структурированность компетенций.
Раньше человек спрашивал: «Понравлюсь ли я работодателю?»
Теперь первый вопрос другой: «Буду ли я вообще показан человеку?»
Но это всё ещё внешний контур. Самое глубокое изменение начинается внутри работы.
ИИ стирает социальную смазку
Работа никогда не была чистой системой задач, сроков и компетенций.
Она всегда была социальной средой. Люди не просто выполняли функции — они договаривались, уклонялись, смягчали, намекали, сохраняли лицо, тянули время, скрывали сомнение, соглашались не до конца, оставляли себе пространство для манёвра.
В этом было много плохого. За социальной смазкой часто прятались безответственность, некомпетентность, бюрократическая мутность, привычка не говорить правду, страх назвать реальный срок, нежелание брать риск.
Но в этом было и много человеческого. Социальная смазка позволяла не превращать каждую ошибку в обвинение, каждую паузу — в провал, каждое сомнение — в слабость, каждое несогласие — в конфликт.
ИИ начинает убирать этот туман.
Он записывает встречи, выделяет решения, фиксирует сроки, сопоставляет обещания с задачами, замечает расхождения, подсвечивает скрытые риски, переводит неформальный разговор в управленческий контур. То, что раньше оставалось в полутонах общения, всё чаще становится частью системы: протоколом, задачей, метрикой, предупреждением, оценкой.
Показательный пример — международная компания, где все деловые встречи проходят удалённо, сотрудники находятся в разных странах, а ИИ ведёт протоколы. После одного совещания бот сообщил руководителю: в графике на задачу стоит 40 часов, но двое коллег, обсуждая детали по-испански, фактически дали понять, что им нужно больше времени. Они не сказали это прямо в общей части встречи, но ИИ сопоставил фрагменты разговора и предложил пересмотреть тайминг.
Это маленькая бытовая сцена. Но в ней виден огромный сдвиг.
Раньше социальная модель работы позволяла многое спрятать в тумане общения: согласиться, но не сделать; промолчать, но сопротивляться; не отказать, но затянуть; обсудить реальную сложность в стороне, но не вынести её в общее решение. Теперь ИИ начинает вынимать эти сигналы из тумана и возвращать их в управленческий контур.
Он становится не просто инструментом продуктивности, а инструментом социальной проверки.
Формально договорились на 40 часов.
Фактически команда обсуждала задачу как более сложную.
Система это увидела.
Это делает работу честнее — и жёстче.
Раньше можно было сказать «постараемся» и оставить в этом слове человеческий люфт. Теперь система спросит: кто отвечает, к какому сроку, с каким ресурсом, почему оценка не совпадает с фактическим обсуждением сложности.
Раньше можно было промолчать, чтобы не спорить с начальником. Теперь ИИ может заметить, что команда фактически выражала сомнение, но не вынесла его в решение.
Раньше можно было выиграть за счёт корпоративной мимики: соглашаться, не соглашаясь. Теперь эта мимика становится менее надёжной.
ИИ не только ускоряет процессы. Он начинает оценивать социальный инструментарий человека.
Человек теряет право на туман
И здесь начинается самое неприятное.
ИИ повышает производительность не только потому, что быстрее пишет, считает и ищет. Он повышает производительность потому, что уменьшает пространство социальной неопределённости.
Но часть этой неопределённости была не грязью, а воздухом.
Человек на работе не всегда лжёт, когда говорит «постараюсь» вместо «не успею». Иногда он боится конфликта. Не всегда саботирует, когда молчит. Иногда не понимает, как возразить старшему. Не всегда манипулирует, когда тянет время. Иногда пытается сохранить лицо, отношения, команду или собственную психику.
Социальная смазка была способом адаптации. Не идеальным, не честным, не всегда эффективным — но человеческим.
ИИ превращает это в данные.
Совещание больше не просто разговор — оно становится расшифровкой, протоколом, задачами, рисками, сроками.
Согласие больше не просто «ну да, попробуем» — оно становится обязательством в системе.
Молчание больше не просто молчание — оно может быть прочитано как отсутствие возражений или как сигнал скрытого несогласия.
Затягивание больше не растворяется в хаосе — оно видно по таймлайну, задачам, переписке, метрикам.
Неясность больше не защищает — её начинает подсвечивать машина.
Это меняет профессию изнутри. Профессионал будущего должен будет не только знать предмет, пользоваться ИИ и отвечать за результат. Он должен будет выдерживать работу в среде, где его слова, сроки, обещания, сомнения и недоговорённости становятся данными.
Эффективность будет расти вместе с тревожностью
У этого есть цена.
Если ИИ стирает социальную смазку, тревожность будет расти. Потому что огромная часть человеческой психики на работе держалась не на эффективности, а на возможности быть неидеальным.
Человек мог устать.
Мог не сразу понять.
Мог промолчать.
Мог отложить трудный разговор.
Мог скрыть слабость, пока собирается с силами.
Мог не формулировать конфликт прямо, чтобы не разрушить отношения.
Теперь всё больше рабочих действий превращается в след. Слова — в протокол. Обещания — в задачи. Задержки — в метрики. Сомнения — в риски. Паузы — в сигналы. Недоговорённости — в управленческие выводы.
Для организации это выглядит как прогресс: меньше хаоса, меньше потерь, меньше скрытых рисков. Для человека это может выглядеть как жизнь без амортизации.
Психическое здоровье на работе и без ИИ уже является огромной экономической проблемой. WHO оценивает, что из-за депрессии и тревожности ежегодно теряется около 12 млрд рабочих дней, а глобальная экономика теряет около $1 трлн в год из-за снижения продуктивности; около 15% взрослых трудоспособного возраста, по оценке WHO, жили с психическим расстройством в 2019 году.
Данные по алгоритмическому управлению добавляют ещё один тревожный слой. Обзор Bowdler 2026 года по algorithmic management and psychosocial risks ссылается на данные EU-OSHA по 27 250 работникам ЕС: рост интенсивности algorithmic management был связан с увеличением психосоциальных рисков на 21% и проблем со здоровьем на 16,5%.
В Великобритании HSE за 2024/25 год фиксирует 22,1 млн потерянных рабочих дней из-за work-related stress, depression or anxiety — больше, чем из-за нарушений опорно-двигательного аппарата.
Поэтому следующий кризис рынка труда может быть не только кризисом занятости, но и кризисом психической устойчивости.
Работы может стать больше.
Вакансии могут расти.
Производительность может увеличиваться.
Но вместе с ними будут расти тревожность, выгорание, срывы и депрессии — всё то, что раньше частично адаптировалось за счёт человечности, недоговорённости и социальной амортизации.
ИИ не делает человека слабее. Он просто убирает многие способы, которыми человек раньше скрывал, смягчал и переживал свою слабость.
Новый рынок труда требует нового управления
Здесь нельзя остановиться на жалобе на технологии.
ИИ действительно способен сделать работу лучше. Он может вскрывать нереалистичные сроки, защищать слабых участников команды, которые не решаются сказать правду, подсвечивать скрытые риски, улучшать планирование, уменьшать хаос, помогать международным командам понимать друг друга, снижать потери от мутных договорённостей.
Но если компании будут внедрять ИИ только как инструмент ускорения и контроля, они получат хрупкие организации: больше прозрачности, больше задач, больше фиксации — и больше нервных срывов.
Поэтому новая управленческая компетенция — это не просто «внедрить ИИ». Это спроектировать человеко-машинную рабочую среду, где эффективность не уничтожает психологическую устойчивость.
Нужны не только AI engineers. Нужны люди, которые понимают, как ИИ меняет социальную ткань работы.
Как фиксировать решения, не превращая каждую встречу в допрос.
Как подсвечивать риски, не создавая культуру тотального подозрения.
Как использовать протоколы, не уничтожая пространство такта.
Как повышать прозрачность, не лишая человека права на ошибку.
Как ускорять процессы, не превращая работу в непрерывный экзамен.
Это и есть настоящий рынок труда 2027+.
Он не только про новые профессии. Он про новую организацию человеческой деятельности.
Жёсткий вывод
ИИ меняет рынок труда сразу на четырёх уровнях.
Первый уровень — вакансии. Работы становится больше в новых зонах, но она растёт вверх: к системному мышлению, ответственности, работе с данными, контролю ИИ, проектированию процессов и управлению рисками.
Второй уровень — вход в профессию. Старые junior-лестницы ломаются, потому что рутинные стартовые задачи всё чаще автоматизируются. Человеку сложнее начать, потому что рынок всё чаще требует зрелости сразу.
Третий уровень — найм. Кандидат должен быть не только компетентным, но и распознаваемым системой. До человеческого впечатления нужно пройти машинный фильтр.
Четвёртый уровень — социальная механика работы. ИИ начинает читать то пространство между людьми, где раньше можно было спрятаться, договориться, ошибиться, схитрить, сохранить лицо или просто остаться человеком.
Именно поэтому главная новость не в том, что ИИ «заберёт работу».
Главная новость в том, что ИИ делает работу менее человечески туманной.
А этот туман был двойственным. В нём прятались ложь, саботаж и безответственность. Но в нём же была человечность: пауза, такт, стыд, страх, слабость, вежливость, дипломатия, возможность не быть сразу превращённым в показатель.
Новый рынок труда будет больше, сложнее и дороже. Но он будет требовать от человека не только навыков, а устойчивости к прозрачности.
Раньше профессионал управлял впечатлением.
Теперь он должен управлять процессом, результатом и следом, который оставляет в системе.
Раньше можно было быть хорошим специалистом и не всегда уметь себя точно объяснить.
Теперь нераспознанная компетентность всё чаще будет выглядеть как отсутствие компетентности.
Раньше социальная смазка помогала людям переживать работу.
Теперь ИИ начнёт её стирать — и компаниям придётся заново изобретать человечность уже не как случайную мягкость, а как осознанную часть управления.
Иначе эффективность вырастет.
А люди — не выдержат.
Она понятна, эмоциональна и удобна. Робот пришёл — человек ушёл. Нейросеть написала текст — копирайтер не нужен. ИИ сделал презентацию — аналитик лишний. Агент обработал запрос клиента — оператор колл-центра исчез.
Но реальные данные показывают более сложную и, возможно, более жёсткую картину. Рынок труда не просто сокращается. Он перестраивается. Рабочих мест в новых зонах становится больше, но они требуют другой зрелости, другой ответственности и другой профессиональной формы.
По оценке World Economic Forum, к 2030 году глобальная экономика создаст около 170 млн новых рабочих мест и вытеснит около 92 млн, то есть чистый прирост составит примерно 78 млн рабочих мест. При этом 39% текущих навыков работников изменятся или устареют к 2030 году. Это не картина конца труда. Это картина огромной ротации труда. Работа остаётся, но меняет форму.
Главный вопрос теперь звучит не так: «заменит ли ИИ человека?»
Главный вопрос другой: в какие вакансии превращается работа после появления ИИ — и кто окажется способен в них войти?
Рынок не исчезает. Он растёт вверх
ИИ не уничтожает рынок вакансий одним ударом. Он делает с ним более неприятную вещь: рынок начинает расти вверх.
Простые операции, рутинные черновики, первичный поиск, пересказ, оформление, сверка, базовая аналитика и шаблонная коммуникация автоматизируются. Но одновременно растёт спрос на тех, кто умеет соединять ИИ с реальными процессами: данными, людьми, деньгами, регламентами, рисками и ответственностью.
Это видно по нескольким крупным исследованиям.
PwC в Global AI Jobs Barometer 2026 проанализировала более миллиарда вакансий на шести континентах и показала, что средняя зарплатная премия за AI-навыки достигла 62%. Вакансии с AI skills растут быстрее общего рынка вакансий, а рынок разделяется на две траектории: одни роли ИИ «профессионализирует», делая важнее суждение, лидерство и экспертность; другие — «демократизирует», снижая порог входа в отдельные задачи.
LinkedIn в отчёте о рынке труда 2026 года фиксирует, что за два года работодатели создали не менее 1,3 млн AI-related job opportunities — от data annotators и AI engineers до forward-deployed engineers. Это важный сигнал: ИИ создаёт не только новые инструменты, но и новые рабочие функции вокруг себя.
Lightcast в материалах Stanford AI Index 2026 показывает, что AI skills уже упоминаются в 2,5% всех вакансий США. Это на 55% больше, чем годом ранее, и почти на 300% больше, чем десять лет назад. Особенно важно, что упоминания agentic AI выросли более чем на 280% за год: рынок уходит от «поговорить с чат-ботом» к «встроить автономные ИИ-системы в работу».
Это не рынок промптов. Это рынок инфраструктуры.
Ещё недавно казалось, что профессией будущего будет промпт-инженер — человек, который умеет правильно разговаривать с нейросетью. Это был романтический этап ИИ: укрощение дикого мустанга. Зрелищно, индивидуально, почти артистично.
Теперь начинается другой этап — проектирование железнодорожной сети. Он скучнее, дольше, дороже и гораздо важнее. Нужны не люди, которые красиво спрашивают у модели, а люди, которые умеют встроить модель в производство, продажи, образование, медицину, финансы, логистику, управление, документооборот, безопасность и контроль качества.
Поэтому Microsoft запускает Microsoft Frontier Company с финансированием $2,5 млрд, чтобы помогать крупным клиентам внедрять ИИ в реальные процессы, работать с собственными данными и не зависеть от одной модели. Поэтому AWS выделяет $1 млрд на подразделение forward-deployed engineers — инженеров, которые встраиваются в команды клиентов, пишут production-level code и помогают запускать agentic AI patterns в реальных workflow. По данным Reuters, спрос на forward-deployed engineers и похожие роли вырос в 42 раза с 2023 по 2025 год.
Это и есть настоящий поворот: ИИ перестал быть «экзотическим гостем» в компании. Он становится инженерной инфраструктурой.
Работы больше, но прежней работы меньше
Поэтому фраза «ИИ заберёт работу» слишком груба.
Точнее так: ИИ забирает прежнюю работу и создаёт новую, но не там, где удобно начинать.
Indeed в AI at Work Report 2025 пишет, что 26% вакансий на платформе могут быть сильно трансформированы генеративным ИИ, ещё 54% — умеренно трансформированы. Но полностью трансформируемых навыков в анализе Indeed — всего около 1%. То есть ИИ редко просто «съедает профессию целиком». Он меняет набор задач внутри профессии.
Именно это создаёт самый болезненный эффект. Раньше вход в профессию строился через рутину. Новичок писал черновики, собирал данные, проверял таблицы, готовил простые тексты, делал первичные версии, тестировал, оформлял, сверял, ошибался и исправлялся. Это было скучно, но именно через эту скуку он становился профессионалом.
ИИ выбивает нижние ступени этой лестницы.
Швейцарское исследование jobs.ch, о котором писал Reuters, показало: в 2025 году доля entry-level вакансий в Швейцарии была на 32% ниже среднего уровня 2019–2022 годов. В AI-exposed областях junior roles снизились на 16%, а спрос на senior roles вырос на 26%.
Anthropic в обзоре ранних эффектов ИИ на рынок труда ссылается на работу Brynjolfsson и соавторов: в AI-exposed occupations среди работников 22–25 лет занятость снизилась на 6–16%, причём в основном из-за замедления найма, а не из-за роста увольнений.
Это принципиально. Рынок пока не столько выкидывает опытных, сколько перестаёт впускать новых по старым правилам.
В Индии видна похожая перестройка, но с другой стороны. По данным Naukri, в июне 2026 года AI-related hiring в IT вырос на 16% год к году, тогда как общий IT-найм снизился на 3%; по 14 секторам AI/ML-вакансии выросли на 25%.
То есть рынок не просто падает. Он перераспределяется.
Работы становится больше там, где человек умеет управлять сложностью: соединять ИИ с процессом, проверять результат, отвечать за ошибку, понимать данные, видеть экономику решения, проектировать взаимодействие человека и машины.
И работы становится меньше там, где человек был нужен как исполнитель простой операции: собрать, переписать, найти, пересказать, оформить, подготовить первый вариант.
Рынок труда растёт вверх и проваливается снизу.
Вакансия становится сложнее, а человек — взрослее
Новая вакансия всё чаще требует не только профессионального навыка, но и способности работать в человеко-машинной системе.
Недостаточно быть бухгалтером, маркетологом, аналитиком, редактором, HR-специалистом, юристом, инженером или преподавателем. Нужно понимать, где ИИ ускоряет работу, где искажает результат, где создаёт риск, где требует проверки, где нельзя доверять автоматическому выводу, где человеческое решение остаётся юридически, этически или профессионально обязательным.
Отсюда и новые роли: AI workflow architect, AI product integrator, AI operations manager, model risk auditor, AI FinOps specialist, agent operations manager, synthetic data curator, human-AI process designer. Названия ещё будут меняться. Но функция уже ясна: компаниям нужны люди, которые умеют не «пользоваться ИИ», а встраивать ИИ в производство результата.
Это меняет образ профессионала.
Профессионал старого мира мог быть хорошим исполнителем. Профессионал нового мира должен быть оператором сложности. Он должен понимать предметную область, технологию, процесс, риски, людей и экономику результата.
ИИ не отнимает работу у всех. Он отнимает у многих право оставаться простыми исполнителями.
Найм становится машинным, потому что рынок стал слишком сложным
Когда вакансии меняются быстро, требования дробятся, AI skills появляются в самых разных ролях, а кандидаты массово откликаются на позиции с помощью генеративных инструментов, старый человеческий рекрутинг начинает захлёбываться.
И тогда ИИ приходит не только в работу, но и во вход в работу.
Это не значит, что «робот нанимает человека» в юридическом смысле. Но всё чаще система будет решать, увидит ли человек ваше резюме вообще. Поиск, первичный скрининг, сопоставление навыков, ранжирование кандидатов, подготовка summaries, автоматизация интервью — всё это становится частью новой инфраструктуры найма.
Harvard Business Review в 2026 году прямо пишет, что ИИ ломает старые сигналы найма: резюме, сопроводительные письма и дистанционные интервью теряют прежнюю доказательность, потому что генеративные инструменты позволяют быстро производить отполированные, но не обязательно честные документы и ответы.
Исследование GenAI in recruiting workflows на интервью с 22 recruiting professionals показывает более тонкую вещь: рекрутеры формально считают, что сохраняют финальную власть, но генеративный ИИ становится «невидимым архитектором» процесса — влияет на описание вакансии, критерии оценки, представление о хорошем интервью и информационные блоки, на которых потом строится человеческое решение.
Возникает новая ситуация: кандидат всё чаще пишет резюме с помощью ИИ, работодатель всё чаще читает резюме с помощью ИИ, а человек включается уже после того, как одна машина подготовила профиль для другой машины.
Это не второстепенная деталь. Это новый механизм распределения профессиональной видимости.
В Нью-Йорке Local Law 144 уже требует bias audit для automated employment decision tools, публичной информации об аудите и уведомления кандидатов, если такие инструменты используются в найме или продвижении. В ЕС AI Act относит системы ИИ для recruitment, selection, filtering job applications and evaluating candidates к high-risk AI systems.
Регуляторы уже признают: автоматизированный найм — это не удобная HR-игрушка, а инфраструктура доступа человека к жизненным возможностям.
Резюме становится не рассказом о себе, а интерфейсом
Изменение найма меняет и саму форму профессионального присутствия.
Резюме раньше было человеческим документом. Оно должно было быть аккуратным, убедительным, живым. Его писал человек для человека.
Теперь резюме всё чаще становится машиночитаемым интерфейсом. Система должна правильно извлечь должности, навыки, отрасли, инструменты, даты, проекты, связи между опытом и вакансией. Красивый нестандартный текст может понравиться человеку, но быть плохо прочитан машиной. Дизайн может мешать парсингу. Литературность может проиграть структуре.
И здесь возникает новый парадокс. Если резюме оценивает ИИ, а кандидат тоже использует ИИ для его создания, машины начинают узнавать друг друга.
Исследование AI Self-preferencing in Algorithmic Hiring показывает, что LLM могут систематически предпочитать резюме, сгенерированные ими самими, даже при контроле качества. В симуляциях hiring pipelines по 24 профессиям кандидаты, использующие ту же модель, что и оценщик, оказывались на 23–60% более вероятно shortlisted, чем равно квалифицированные кандидаты с человеческими резюме.
Это почти карикатура на рынок труда, но карикатура документированная.
Один ИИ помогает человеку написать резюме. Другой ИИ его оценивает. Если они говорят на похожем языке, человек получает преимущество. Если нет — может исчезнуть ещё до человеческого разговора.
Но резюме — не центр проблемы. Это только симптом. Главная проблема в том, что профессионал должен становиться видимым для системы раньше, чем он станет интересным для человека.
Соцсети уже показали, как работает алгоритмический успех
В культуре этот переход произошёл раньше.
Instagram, TikTok, YouTube Shorts и другие платформы уже показали: когда между человеком и аудиторией появляется алгоритм, побеждает не обязательно тот, кто проходит старый человеческий фильтр вкуса, таланта, меры, образованности или красоты. Побеждает тот, кто производит сигналы, которые система считает ценными.
По старой культурной логике человек мог быть невозможен: слишком шумный, нелепый, вульгарный, резкий, неформатный, не прошедший бы редактора, продюсера, преподавателя, куратора или «человека со вкусом». Но платформа спрашивает не «хорош ли он?», а другое: что с ним делают пользователи? Смотрят? Досматривают? Пересматривают? Спорят? Комментируют? Отправляют друзьям?
Исследования TikTok показывают, что его For You Page строится на алгоритмически управляемой персонализированной ленте, чувствительной к явным и неявным сигналам поведения, включая то, как долго пользователь смотрит контент; аудит алгоритмов также фиксирует быстрые циклы усиления интересов и снижение разнообразия по мере роста персонализации.
В соцсетях человек учится быть алгоритмически заметным.
В рекрутинге человек учится быть алгоритмически распознаваемым.
Принцип один: между человеком и возможностью встаёт система распределения видимости.
Именно поэтому рынок труда движется туда, куда культура платформ уже пришла: от человеческого впечатления — к алгоритмической пригодности. Только в соцсетях сигналом служит досмотр, лайк, комментарий, репост. А в найме — ключевые навыки, соответствие вакансии, карьерная логика, машиночитаемость опыта, цифровой след, структурированность компетенций.
Раньше человек спрашивал: «Понравлюсь ли я работодателю?»
Теперь первый вопрос другой: «Буду ли я вообще показан человеку?»
Но это всё ещё внешний контур. Самое глубокое изменение начинается внутри работы.
ИИ стирает социальную смазку
Работа никогда не была чистой системой задач, сроков и компетенций.
Она всегда была социальной средой. Люди не просто выполняли функции — они договаривались, уклонялись, смягчали, намекали, сохраняли лицо, тянули время, скрывали сомнение, соглашались не до конца, оставляли себе пространство для манёвра.
В этом было много плохого. За социальной смазкой часто прятались безответственность, некомпетентность, бюрократическая мутность, привычка не говорить правду, страх назвать реальный срок, нежелание брать риск.
Но в этом было и много человеческого. Социальная смазка позволяла не превращать каждую ошибку в обвинение, каждую паузу — в провал, каждое сомнение — в слабость, каждое несогласие — в конфликт.
ИИ начинает убирать этот туман.
Он записывает встречи, выделяет решения, фиксирует сроки, сопоставляет обещания с задачами, замечает расхождения, подсвечивает скрытые риски, переводит неформальный разговор в управленческий контур. То, что раньше оставалось в полутонах общения, всё чаще становится частью системы: протоколом, задачей, метрикой, предупреждением, оценкой.
Показательный пример — международная компания, где все деловые встречи проходят удалённо, сотрудники находятся в разных странах, а ИИ ведёт протоколы. После одного совещания бот сообщил руководителю: в графике на задачу стоит 40 часов, но двое коллег, обсуждая детали по-испански, фактически дали понять, что им нужно больше времени. Они не сказали это прямо в общей части встречи, но ИИ сопоставил фрагменты разговора и предложил пересмотреть тайминг.
Это маленькая бытовая сцена. Но в ней виден огромный сдвиг.
Раньше социальная модель работы позволяла многое спрятать в тумане общения: согласиться, но не сделать; промолчать, но сопротивляться; не отказать, но затянуть; обсудить реальную сложность в стороне, но не вынести её в общее решение. Теперь ИИ начинает вынимать эти сигналы из тумана и возвращать их в управленческий контур.
Он становится не просто инструментом продуктивности, а инструментом социальной проверки.
Формально договорились на 40 часов.
Фактически команда обсуждала задачу как более сложную.
Система это увидела.
Это делает работу честнее — и жёстче.
Раньше можно было сказать «постараемся» и оставить в этом слове человеческий люфт. Теперь система спросит: кто отвечает, к какому сроку, с каким ресурсом, почему оценка не совпадает с фактическим обсуждением сложности.
Раньше можно было промолчать, чтобы не спорить с начальником. Теперь ИИ может заметить, что команда фактически выражала сомнение, но не вынесла его в решение.
Раньше можно было выиграть за счёт корпоративной мимики: соглашаться, не соглашаясь. Теперь эта мимика становится менее надёжной.
ИИ не только ускоряет процессы. Он начинает оценивать социальный инструментарий человека.
Человек теряет право на туман
И здесь начинается самое неприятное.
ИИ повышает производительность не только потому, что быстрее пишет, считает и ищет. Он повышает производительность потому, что уменьшает пространство социальной неопределённости.
Но часть этой неопределённости была не грязью, а воздухом.
Человек на работе не всегда лжёт, когда говорит «постараюсь» вместо «не успею». Иногда он боится конфликта. Не всегда саботирует, когда молчит. Иногда не понимает, как возразить старшему. Не всегда манипулирует, когда тянет время. Иногда пытается сохранить лицо, отношения, команду или собственную психику.
Социальная смазка была способом адаптации. Не идеальным, не честным, не всегда эффективным — но человеческим.
ИИ превращает это в данные.
Совещание больше не просто разговор — оно становится расшифровкой, протоколом, задачами, рисками, сроками.
Согласие больше не просто «ну да, попробуем» — оно становится обязательством в системе.
Молчание больше не просто молчание — оно может быть прочитано как отсутствие возражений или как сигнал скрытого несогласия.
Затягивание больше не растворяется в хаосе — оно видно по таймлайну, задачам, переписке, метрикам.
Неясность больше не защищает — её начинает подсвечивать машина.
Это меняет профессию изнутри. Профессионал будущего должен будет не только знать предмет, пользоваться ИИ и отвечать за результат. Он должен будет выдерживать работу в среде, где его слова, сроки, обещания, сомнения и недоговорённости становятся данными.
Эффективность будет расти вместе с тревожностью
У этого есть цена.
Если ИИ стирает социальную смазку, тревожность будет расти. Потому что огромная часть человеческой психики на работе держалась не на эффективности, а на возможности быть неидеальным.
Человек мог устать.
Мог не сразу понять.
Мог промолчать.
Мог отложить трудный разговор.
Мог скрыть слабость, пока собирается с силами.
Мог не формулировать конфликт прямо, чтобы не разрушить отношения.
Теперь всё больше рабочих действий превращается в след. Слова — в протокол. Обещания — в задачи. Задержки — в метрики. Сомнения — в риски. Паузы — в сигналы. Недоговорённости — в управленческие выводы.
Для организации это выглядит как прогресс: меньше хаоса, меньше потерь, меньше скрытых рисков. Для человека это может выглядеть как жизнь без амортизации.
Психическое здоровье на работе и без ИИ уже является огромной экономической проблемой. WHO оценивает, что из-за депрессии и тревожности ежегодно теряется около 12 млрд рабочих дней, а глобальная экономика теряет около $1 трлн в год из-за снижения продуктивности; около 15% взрослых трудоспособного возраста, по оценке WHO, жили с психическим расстройством в 2019 году.
Данные по алгоритмическому управлению добавляют ещё один тревожный слой. Обзор Bowdler 2026 года по algorithmic management and psychosocial risks ссылается на данные EU-OSHA по 27 250 работникам ЕС: рост интенсивности algorithmic management был связан с увеличением психосоциальных рисков на 21% и проблем со здоровьем на 16,5%.
В Великобритании HSE за 2024/25 год фиксирует 22,1 млн потерянных рабочих дней из-за work-related stress, depression or anxiety — больше, чем из-за нарушений опорно-двигательного аппарата.
Поэтому следующий кризис рынка труда может быть не только кризисом занятости, но и кризисом психической устойчивости.
Работы может стать больше.
Вакансии могут расти.
Производительность может увеличиваться.
Но вместе с ними будут расти тревожность, выгорание, срывы и депрессии — всё то, что раньше частично адаптировалось за счёт человечности, недоговорённости и социальной амортизации.
ИИ не делает человека слабее. Он просто убирает многие способы, которыми человек раньше скрывал, смягчал и переживал свою слабость.
Новый рынок труда требует нового управления
Здесь нельзя остановиться на жалобе на технологии.
ИИ действительно способен сделать работу лучше. Он может вскрывать нереалистичные сроки, защищать слабых участников команды, которые не решаются сказать правду, подсвечивать скрытые риски, улучшать планирование, уменьшать хаос, помогать международным командам понимать друг друга, снижать потери от мутных договорённостей.
Но если компании будут внедрять ИИ только как инструмент ускорения и контроля, они получат хрупкие организации: больше прозрачности, больше задач, больше фиксации — и больше нервных срывов.
Поэтому новая управленческая компетенция — это не просто «внедрить ИИ». Это спроектировать человеко-машинную рабочую среду, где эффективность не уничтожает психологическую устойчивость.
Нужны не только AI engineers. Нужны люди, которые понимают, как ИИ меняет социальную ткань работы.
Как фиксировать решения, не превращая каждую встречу в допрос.
Как подсвечивать риски, не создавая культуру тотального подозрения.
Как использовать протоколы, не уничтожая пространство такта.
Как повышать прозрачность, не лишая человека права на ошибку.
Как ускорять процессы, не превращая работу в непрерывный экзамен.
Это и есть настоящий рынок труда 2027+.
Он не только про новые профессии. Он про новую организацию человеческой деятельности.
Жёсткий вывод
ИИ меняет рынок труда сразу на четырёх уровнях.
Первый уровень — вакансии. Работы становится больше в новых зонах, но она растёт вверх: к системному мышлению, ответственности, работе с данными, контролю ИИ, проектированию процессов и управлению рисками.
Второй уровень — вход в профессию. Старые junior-лестницы ломаются, потому что рутинные стартовые задачи всё чаще автоматизируются. Человеку сложнее начать, потому что рынок всё чаще требует зрелости сразу.
Третий уровень — найм. Кандидат должен быть не только компетентным, но и распознаваемым системой. До человеческого впечатления нужно пройти машинный фильтр.
Четвёртый уровень — социальная механика работы. ИИ начинает читать то пространство между людьми, где раньше можно было спрятаться, договориться, ошибиться, схитрить, сохранить лицо или просто остаться человеком.
Именно поэтому главная новость не в том, что ИИ «заберёт работу».
Главная новость в том, что ИИ делает работу менее человечески туманной.
А этот туман был двойственным. В нём прятались ложь, саботаж и безответственность. Но в нём же была человечность: пауза, такт, стыд, страх, слабость, вежливость, дипломатия, возможность не быть сразу превращённым в показатель.
Новый рынок труда будет больше, сложнее и дороже. Но он будет требовать от человека не только навыков, а устойчивости к прозрачности.
Раньше профессионал управлял впечатлением.
Теперь он должен управлять процессом, результатом и следом, который оставляет в системе.
Раньше можно было быть хорошим специалистом и не всегда уметь себя точно объяснить.
Теперь нераспознанная компетентность всё чаще будет выглядеть как отсутствие компетентности.
Раньше социальная смазка помогала людям переживать работу.
Теперь ИИ начнёт её стирать — и компаниям придётся заново изобретать человечность уже не как случайную мягкость, а как осознанную часть управления.
Иначе эффективность вырастет.
А люди — не выдержат.
Изображение сгенерировано нейросетями
Продолжаем разговор во ВКонтакте — обсуждение, споры и позиции.
Подписывайтесь и включайтесь
Продолжаем разговор во ВКонтакте — обсуждение, споры и позиции.
Подписывайтесь и включайтесь