Влияние искусственного интеллекта на рынок труда в парадигме неравенства

Введение

Данная статья является логическим продолжением нашей первой статьи, посвященной влиянию технологий искусственного интеллекта (ИИ) на современный рынок труда [3]. Если в предыдущей статье акцент ставился на проблеме замещения человеческого труда ИИ и поляризации создаваемых рабочих мест по уровню оплаты и условий труда, то в настоящем исследовании акцент делается на влиянии технологий искусственного интеллекта на работников низкой квалификации, средней квалификации и высокой квалификации. Это воздействие рассматривается в двух временных периодах: в краткосрочном периоде и в долгосрочном периоде. По данным экспертов ИСИЭЗ НИУ ВШЭ совокупный̆ вклад от использования технологий ИИ во всех отраслях экономики в ВВП России составит 11.6 трлн руб. в 2030 г., а в 2035 г. достигнет значения 46.5 трлн руб. [2]. В связи с этим важно объективно оценить последствия воздействия моделей искусственного интеллекта на рынок труда. Цель статьи: обосновать позицию, что в результате применения искусственного интеллекта неравенство на рынке труда будет усиливаться, поскольку высококвалифицированные работники смогут, используя технологии искусственного интеллекта, ещё больше увеличить свои производительность и качество работы по сравнению с работниками низкой квалификации, в противовес позиции ряда исследователей что неравенство между высококвалифицированными работниками и низкоквалифицированными работниками, использующими модели ИИ, будет сокращаться, возрождая работников средней квалификации («средний класс»).

Особенности воздействия технологий искусственного интеллекта на современный рынок труда

Воздействие новых технологий искусственного интеллекта на современный рынок труда имеет несколько особенностей, которые в совокупности влияют на результативность применения инноваций.

Во-первых, уточним о каких именно технологиях искусственного интеллекта идёт речь. Большие языковые модели (БЯМ) с каждым месяцем становятся всё мощнее и производительнее, получают всё большее число пользователей, предоставляют всё более корректные ответы на запросы и уже опережают в некоторых областях возможности среднего работника. С появлением в начале 2025 года китайской модели DeepSeek произошёл качественный переворот в создании больших языковых моделей: с акцента на технологических параметрах к ориентации на экономические показатели БЯМ, с явной монополии в создании самых совершенных моделей ИИ исключительно в США к их конкуренции с более дешёвыми и, по отдельным признакам, более эффективным моделям из КНР. Кроме того, в последнее время появилось два новых перспективных с точки зрения трудосбережения направления: «модели с рассуждением» и Агенты искусственного интеллекта. В первых «процесс мышления» модели передаётся вместе с ответом. Чем дольше «думает» модель рассуждений, тем более точный ответ она даёт. Это может позволить уйти от господствующей в исследованиях ИИ парадигмы, что объём данных и вычислительной мощности, доступных для обучения языковой модели, улучшают её производительность. Вместо этого исследователи из Стэнфордского университета и Вашингтонского университета, первоначально действующие на уже существующем Qwen2.5 llm, произведенном Alibaba, выдвинули гипотезу, что меньший объём данных достаточно высокого качества может выполнить эту работу так же хорошо [15]. Успех данного направления открывает широкие возможности для «начинающих в ИИ» стран, таких как Россия, Индия, Бразилия. Агенты искусственного интеллекта представляют собой новый уровень взаимоотношений «Человек – Машина». Получив цель от человека, например, приобрести авиабилет и заказать гостиницу для командировки, они, взаимодействуя с сайтами виртуального мира, могут решить проблему. В будущем, при совершенствовании моделей, это позволит исключить простейшие и рутинные задачи от работников-людей и высвободить их труд для выполнения более сложных бизнес-операций.

Во-вторых, влияние инноваций на экономику всегда происходит неравномерно во времени. Американский футурист Рой Амара (Roy Amara) сформулировал положение, позднее названное его именем: мы склонны переоценивать эффект технологии в краткосрочной перспективе и недооценивать в долгосрочной. Технологию можно рассматривать как состоящую из двух основных компонентов: физических артефактов, таких как лазер, компьютеры, нефтеперерабатывающие заводы, мосты — аппаратное обеспечение технологии; и социальных инструментов, которые включают методы, процедуры, ноу-хау, правила, законы — программное обеспечение технологии. [7] Выбор, явный или неявный, того, какие технологии применять и в каких объёмах, остаётся за обществом. Каждая национальная экономика, исходя из своих ценностей, определяет интенсивность и последовательность использования инноваций.

В-третьих, примеры эффективной замены высококвалифицированного труда большими языковыми моделями относятся не к будущему времени, а – к сегодняшней реальности. Например, в 2024 году было проведено исследование, выяснявшее могут ли большие языковые модели (БЯМ) успешно выполнять анализ финансовой отчетности способом, аналогичным профессиональному аналитику-человеку [20]. Результаты показали, что даже без описательной или отраслевой информации БЯМ превосходит финансовых аналитиков в своей способности предсказывать изменение направления будущих доходов фирм. Большая языковая модель демонстрирует относительное преимущество перед аналитиками-людьми в ситуациях, когда аналитики, как правило, испытывают трудности. Кроме того, особо отметим, что прогнозирование большой языковой модели (БЯМ) не вытекает из её тренировочной памяти (то есть проявляется новое качество модели ИИ), и что LLM (БЯМ) генерирует полезные повествовательные идеи о будущих результатах компании.

В-четвёртых, кто именно использует новые технологии? Также, как и в двух предшествующих инновациях, - персональные компьютеры и Интернет, - на первом этапе в качестве основных пользователей выступают отдельные работники, а уже вслед за ними вступают в свои права фирмы. По данным исследования, проведенного Бландин А. и др. (Blandin A. et al.) 39% американцев теперь говорят, что используют ИИ: 28% говорят, что используют его для работы, а 11% — что делают это каждый день [10]. Это резко контрастирует с данными об использовании больших языковых моделей предприятиями. Согласно опросу Бюро переписи населения США (Census Bureau), всего 5% американских компаний говорят, что используют технологию для производства товаров или услуг. В недавнем опросе, проведенном в 14 странах компанией Deloitte, предоставляющей профессиональные услуги, только 8% руководителей компаний заявили, что их фирмы развернули более половины своих экспериментов с генеративным ИИ [8]. Автор тоже может отметить, что по результатам его опросов студентов петербургских ВУЗов в январе-феврале 2025 г. 95% учащихся используют или ChatGPT, или DeepSeek, однако среди моих коллег-преподавателей этот процент значительно ниже.

В-пятых, степень влияния моделей искусственного интеллекта на конкретную профессию определяется тем носит ли оно замещающий характер или дополняющий характер. Около сорока процентов работников во всём мире и шестьдесят процентов в развитых экономиках работают в профессиях с высоким уровнем риска от применения технологий ИИ [12]. При этом наблюдается чёткая корреляция с уровнем дохода в стране. Исследование Международного валютного фонда (International Monetary Fund) выявило, что в развитых странах 27% рабочих мест с высокой взаимодополняемостью и 33% рабочих мест с низкой взаимодополняемостью; в странах с развивающимися рынками 16% рабочих мест с высокой взаимодополняемостью и 24% рабочих мест с низкой взаимодополняемостью; в странах с низким уровнем дохода 8% рабочих мест с высокой взаимодополняемостью и 18% рабочих мест с низкой взаимодополняемостью [12].

Конкретизируем пятую особенность воздействия технологий ИИ на современный рынок труда. Более интенсивное влияние технологий искусственного интеллекта на рабочие места в развитых странах объяснимо более высокой долей занятости в профессиях с высокой концентрацией когнитивных задач, например в управленческих профессиях, по сравнению с работниками в других государствах. Выполняют эти задачи, как правило, сотрудники с высшим образованием, доля которых в развитых странах и в некоторых странах с развивающимися рынками значительно выше, чем в остальном мире. Как показывает опыт внедрения предыдущих инноваций именно работники с высшим образованием демонстрируют большую способность к переобучению и поэтому, на наш взгляд, обладают преимущественной способностью к переходу на должности, имеющие высокий потенциал взаимодополняемости с искусственным интеллектом. Поэтому высокий риск воздействия ИИ на рынок труда при соответствующей промышленной политике поглощается возможностями взаимодополняемости рабочих мест с ИИ. Возникающая при этом комплементарность позволяет производить товары, ценность которых выше, чем при раздельном использовании труда работника и модели искусственного интеллекта. Выделим здесь также влияние институциональной структуры страны на угрозы заменяемости рабочих мест искусственным интеллектом. Для этого сопоставим профессии судей и офисного персонала. И те, и другие обладают высоким риском из-за применения моделей ИИ. Однако положение судей защищено законами и общественными нормами, а офисных сотрудников – нет. Таким образом, из-за возрастающего применения искусственного интеллекта неравенство на рынке труда будет усиливаться. Например, работники профессий, более уязвимые к замене ИИ, с большей вероятностью испытают неблагоприятные шоки доходов, в то время как работники дополняющих профессий могут получить более высокую отдачу от своего труда [24]. В страновом аспекте отметим, что в странах с низкими доходами и частично в странах с развивающимися рынками, имеющих более низкие доли рабочих мест с взаимодополняемостью с искусственным интеллектом, может усилиться неравенство в доходах по сравнению с развитыми государствами. Автор поддерживает позицию противодействия усилению неравенства между странами и регионами из-за применения моделей искусственного интеллекта. В частности, в рамках BRICS перспективны обмен опытом в реализации национальных стратегий и сбор лучших практик по комплексным мерам цифрового развития. Одним из ключевых направлений такого сотрудничества может стать создание совместных программ и платформ для обмена знаниями и практиками [6].

Также отметим условность выделения влияния искусственного интеллекта на профессиональную деятельность. В одних случаях ИИ может дополнять работу, выполняемую людьми, в других случаях искусственный интеллект будет заменять работу, выполняемую до этого людьми, в-третьих, ИИ будет частично дополнять и частично замещать труд работников. В качестве критерия выделим положение Э. Фелтена, М. Раджа, Р. Симанса (Felten E., Raj M., Seamans R.) [17], [18] о степени совпадения между возможностями приложениями ИИ и способностями человека в конкретной профессии.

Возрастание или смягчение неравенства на рынке труда за счёт применения моделей искусственного интеллекта?

Увеличивающееся применение в экономике больших языковых моделей (БЯМ) ставит исследовательский вопрос № 1: окажется ли их развитие фактором, уменьшающим неравенство между работниками разного уровня квалификации? Производным от него является исследовательский вопрос № 2: способствует ли эволюция современных больших языковых моделей увеличению числа работников средней квалификации и, следовательно, возрождению среднего класса.

Технологии искусственного интеллекта бурно развиваются и в последние полтора года среди исследователей сформировались две противоположные позиции об их воздействии на неравенство на современном рынке труда. Первый подход был чётко выражен в работах Д. Аутора (Autor D., 2024) [9], Э. Бриньольфссон, Д. Ли, Л.Р. Рэймонд (Brynjolfsson E., Li D., Raymond L. R., 2023) [11], Цз. Чэнь, Дж. Чан (Chen Z., Chan J., 2024) [13]. Он может быть назван «уравнительным». Наиболее полно он представлен в статье Д. Аутора [9], который указывает, что искусственный интеллект преобразует рынок труда за счёт изменения ценности и природы человеческой экспертизы. Благодаря способности ИИ сплетать информацию и правила с приобретенным опытом для поддержки принятия решений, его можно применять, чтобы позволить большему числу работников, обладающих дополнительными знаниями, выполнять некоторые из задач принятия решений с более высокими ставками, которые в настоящее время приписываются элитным экспертам, например, медицинская помощь врачам, производство документов юристам, программирование программ инженерам и высшее образование профессорам.

Таким образом, по мнению Д. Аутора (Autor D.) применение сегодняшних моделей искусственного интеллекта позволит «простым работникам», не обременённым многолетним образованием и долгим опытом работы по специальности, достичь тех же результатов, что у элитных экспертов. Это приведёт, по его мнению, к возрождению среднего класса, - работников средней квалификации и к снижению ценности экспертизы сегодняшних элитных экспертов. – юристов, врачей, профессоров, инженеров. Главный критерий процветания той или иной профессии и, как следствия, получения образования по этой специальности, по его мнению, - ценность для общества в данный момент человеческой экспертизы. Это также изменит взаимоотношения между ИИ и работниками. По мнению Д. Аутора суперспособность искусственного интеллекта отходить от сценария, импровизировать на основе обучения и опыта позволяет ему участвовать в экспертных суждениях — способность, которая до сих пор была прерогативой элитных экспертов, и поскольку возможности ИИ в экспертных суждениях будут всё более надежными, острыми и доступными в предстоящие годы, они станут почти повсеместным присутствием в нашей рабочей жизни. Его основная роль будет заключаться в консультировании, обучении и предупреждении лиц, принимающих решения, когда они применяют экспертные суждения [9]. С этой идиллической перспективой нельзя согласиться так как уже сегодняшний опыт показывает, что люди-работники будут перекладывать всё больше принятия решений на модели искусственного интеллекта, а доверие к решениям ИИ больше, чем к решениям людей. Есть опасность, что в долгосрочном периоде, как мы показали в статье [5], люди перестанут повышать свою квалификацию, опасаясь негативного сравнения с большими языковыми моделями, и будут деградировать и как работники, и как граждане общества. Как следствие, лица, принимающие решения, станут вымирающей профессией. Особенно с учётом прогресса Агентов ИИ.

Обратимся к исследованиям, приводящим практические аргументы «за» «уравнительный подход» в краткосрочном периоде. Применение генеративного ИИ неодинаково воздействует на работников высокой квалификации и на работников низкой квалификации. Широкомасштабное исследование 5179 работников службы поддержки клиентов показало, что доступ к генеративного ИИ-помощнику повышает производительность, измеряемую по проблемам, решенным в час, в среднем на 14%, включая улучшение на 34% для новичков и низкоквалифицированных работников, но с минимальным влиянием на опытных и высококвалифицированных работников [11]. Позитивным последствием для компании в целом является то, как клиенты относятся к персоналу, что измеряется настроением их сообщений в чате. Было также обнаружено, что клиенты реже подвергают сомнению компетентность работников, прося поговорить с руководителем. Эти изменения происходят наряду со значительным снижением текучести кадров, что обусловлено удержанием новых сотрудников. В условиях низкой безработицы, когда все компании жёстко конкурируют за кадры, такое следствие применения генеративного ИИ-помощника очень ценно. Данный пример показывает те несомненные выгоды, которые приобретают фирмы, использующие модели ИИ в своих бизнес-процессах в краткосрочном периоде. Аналогичные результаты были получены в исследовании Цз. Чэнь, Дж. Чан [13], которые провели эксперимент, в котором поручили экспертам и не экспертам написать рекламный текст с помощью большой языковой модели (БЯМ) и без неё. Использование БЯМ повысило качество конечных рекламных копий для неспециалистов, однако не дало существенных преимуществ и фактически нанесло ущерб опытным пользователям. «Уравнительный» характер использования моделей искусственного интеллекта проявляется, как показала исследование Дж. Х. Чой, А. Б. Монахан, Д. Шварц (Choi J. H., Monahan A. B., Schwarcz D.) [14], даже в такой консервативной сфере как юриспруденция. Помощь ИИ улучшила качество юридического анализа неравномерно — там, где она была полезна вообще, самые низкоквалифицированные участники увидели самые большие улучшения. Были выявлены также побочные эффекты: 1) использование модели искусственного интеллекта сэкономило работникам примерно одинаковое количество времени независимо от их базовой скорости; 2) в последующих опросах участники сообщили о возросшей удовлетворённости от использования ИИ для выполнения юридических задач.

Таким образом, происходит дифференциация работников в соответствии с возрастающей доступностью искусственного интеллекта: ценность элитных экспертов (сегодня), - врачей, юристов, инженеров-программистов, профессоров, - снижается, а ценность не элитных работников подтягивается (может подтянуться) до их уровня. Отметим, что элитные эксперты характерны для развитых стран. В России ни врачи, ни профессора не ощущали себя в последние десятилетия элитными экспертами. Общий рост производительности с применением ИИ достигается только за счёт улучшения производительности малоопытных работников до уровня опытных. Прямо как в Библии «И стали последние первыми, а первые последними». Но дальше роста нет, то есть, — это устранение «узких мест» не более.

Вместе с тем, помогая решить текущие вопросы, применение генеративного ИИ-помощника породило две сложные проблемы в долгосрочном периоде. Обе эти проблемы связаны с правами лучших работников, наиболее квалифицированных и наиболее опытных. Во-первых, лучшие работники, как правило, не получают оплату за свой вклад в данные обучения, которые системы искусственного интеллекта используют для сбора и распространения своих навыков. Однако без этого вклада системы ИИ могут быть менее эффективными в обучении решения новых проблем [11]. Во-вторых, при решении новых задач, для того чтобы выстоять в борьбе с конкурентами, компаниям нужны высококвалифицированные и опытные сотрудники. Как их мотивировать к качественному труду в условиях использования генеративного ИИ-помощника и самое главное, к дальнейшему развитию, превышающему сегодняшний уровень опытных работников? Не получится ли, что компании, не использующие в работе помощь искусственного интеллекта, создадут (сформируют) опытных сотрудников, способных решать новые (не имеющие аналогов) задачи, а фирмы, использующие сейчас ИИ, проиграют им в конкуренции?

Второй подход может быть определён как «возрастание неравенства» между работниками низкой квалификации и работниками высокой квалификации. Он представлен в исследованиях А. Кима и др. (Kim A. et al.) [19], [20], Н. Отиса с соавторами (Nicholas Otis et al.) [23], Э. Тонер-Роджерса (Aidan Toner-Rodgers) [25].

Любую работу можно рассматривать как конструктор Lego, а ИИ или помогает работнику в ней, или заменяет его. После первоначального эффекта применения большой языковой модели к определенной профессии, который позволяет развить потенциал низкоквалифицированных и малоопытных работников, в любой компании встаёт вопрос о повышении производительности труда в долгосрочном периоде. Здесь, как показывают исследования, преимущество высококвалифицированных сотрудников становится явным. Имея в распоряжении одни и те же возможности, как и низкоквалифицированные работники, они эффективнее используют возможности искусственного интеллекта. Так, Алекс Ким (Alex Kim) и его соавторы провели эксперимент с распределением средств в смоделированном портфеле, который показал, что опытные инвесторы получили почти на 10% более высокую прибыль с помощью ИИ; а менее опытные инвесторы увидели прирост лишь в 2% [19]. Это произошло за счёт лучшего использования опытными инвесторами информации из конференций по прибыли.

Аналогичный эксперимент с предпринимателями провели Николас Отис с соавторами (Nicholas Otis et al.). Более сильные кенийские предприниматели увеличили свою прибыль более чем на 15% с помощью помощника на основе искусственного интеллекта, а у тех, кто не преуспел, прибыль упала [23]. Разница заключалась только в том, как они применяли рекомендации ИИ. Неопытные предприниматели удовлетворялись общим советам модели искусственного интеллекта, например, больше рекламировать. Напротив, опытные предприниматели достигали высоких показателей за счёт использования искусственного интеллекта для поиска индивидуальных решений, например, для обеспечения новых источников электроэнергии во время отключений электроэнергии. В некоторых сферах человеческой деятельности, требующих как в научных исследованиях, не только определенной квалификации, но и опыта работы, и креативности, различия в результативности ещё разительнее. Так, исследование Эйдана Тонер-Роджерса (Aidan Toner-Rodgers) показало, что использование инструмента искусственного интеллекта для помощи в открытии материалов почти удвоило производительность ведущих исследователей, не оказав при этом измеримого влияния на нижнюю треть [25]. Образно говоря, имея разный уровень квалификации, одни исследователи видели ситуацию поверхностно, другие – смотрели вглубь проблемы. Менее опытные ученые с трудом отфильтровывали полезные результаты от нерелевантных. Применение ИИ позволило элитным ученым, указать желаемые характеристики, а затем сгенерировать материалы-кандидаты, которые, как предполагалось, будут обладать этими свойствами. Далее, на основе больших объёмов предметной экспертизы, они смогли выявлять перспективные предложения и отбрасывать плохие [25]. Это исследование также показало, что элитные эксперты «уходят в тень» из-за использования больших языковых моделей далеко не во всех сферах экономики.

Возможно ли дальнейшее повышение производительности низкоквалифицированных работников после первоначального выравнивания с высококвалифицированными сотрудниками? Да, возможно, но это потребует прохождения ими переобучения и времени, которые будут зависеть также от их способностей и возраста. Это создаёт сложную экономическую проблему, поскольку, как отмечал А. Зарифхонарвар (Zarifhonarvar A.), существует неэластичное предложение рабочей силы, которое не может сильно измениться в краткосрочной перспективе. Это связано с тем, что любая форма переквалификации работников требует времени [26]. Данный переходный период может создать проблемы для работников, которым для сохранения своей конкурентоспособности на рынке труда потребуется дополнительное обучение или повышение квалификации. Если они смогут повысить свою квалификацию, то станут высококвалифицированными специалистами, а если – нет, то останутся на прежних позициях. Конкретизируя в контексте России, анализ исследования организаций, проведённый И. А. Волошиной, И. Т. Перовой, А. Р. Тхоржевской, показал, что в ближайшие 5 лет наиболее распространенными будут такие технологии ИИ, как компьютерное зрение, интеллектуальный̆ анализ данных, автоматизация процессов, в том числе с участием роботов, а также технологии анализа данных, основанные на алгоритмах глубинного обучения [1].

Последствием этого для национальной экономики является усиления значения системы высшего образования и системы переподготовки для улучшения конкурентоспособности национального рынка труда.

Возрастающую противоречивость использования моделей искусственного интеллекта для дополнения деятельности работников показывает следующее исследование, осуществлённое Ф. Делл’Аква и его соавторами (Dell'Acqua F. et al.), совместно с Boston Consulting Group [16]. Испытуемые были случайным образом распределены по трём условиям: без доступа к ИИ, с доступом к ИИ GPT-4 и с доступом к ИИ GPT-4 с оперативным обзором инженерных разработок. Гипотезой данного исследования было, что возможности ИИ создают “jagged technological frontier” («неровную технологическую границу»), где некоторые задачи легко выполняются искусственным интеллектом, в то время как другие, хотя и кажутся схожими по уровню сложности, находятся за пределами текущих возможностей ИИ. Как и в других аналогичный экспериментах консультанты, использующие ИИ, были значительно более продуктивны (выполнили на 12,2% больше задач в среднем и выполнили задачи на 25,1% быстрее) и давали значительно более качественные результаты (более чем на 40% более высокого качества по сравнению с контрольной группой). Вместе с тем, для задачи, выбранной как находящаяся за пределами границы, консультанты, использующие ИИ, были на 19 процентных пунктов менее склонны выдавать правильные решения по сравнению с теми, кто не использовал искусственный интеллект [16]. В связи с этим неизбежно возникает практический вопрос: сотрудникам лучше использовать ИИ в работе, или, чтобы не «поглупеть» для решения сложных проблем, не использовать большие языковые модели? Поскольку одним из авторов исследования был Э. Моллик (Mollick E.) автор книги Co-Intelligence [22], то применим к анализу его подход. Он разделяет во взаимодействии человека и искусственного интеллекта два варианта. Вариант 1 называется «кентавр», когда есть чёткое разделение задач на человеческие и ИИ (так же как тело кентавра явно разделялось на человеческую и лошадиную части). Вариант 2 называется «киборг», когда существует привлечение искусственного интеллекта к решению всех текущих задач, совмещая потенциал двух интеллектов и позволяя им гибко взаимодействовать. Таким образом мы можем сделать вывод, что для задачи, находящейся за пределами “jagged technological frontier” («неровной технологической границы») лучше действуют консультанты-«кентавры», а для решения обычных задач – консультанты –«киборги». Далее в реальности встаёт проблема выбора: если сейчас эффективнее интеграция работников и искусственного интеллекта как консультантов - «киборгов», то использование сегодня (в краткосрочном периоде) работников-«кентавров» несёт более высокие издержки и, следовательно, приносит меньше прибыли компаниям и, поэтому, «кентавры» не будут применяться и «вымрут». Что будет с компаниями в долгосрочном периоде по мере появления новых, не существовавших ранее задач?

Более того, наличие высококвалифицированных работников выступает в качестве ограничивающего фактора для внедрения технологий искусственного интеллекта. Так, в исследовании, проведенном Л. Зуйя, Н. М. Юнус (Zouya L., Yunus N. M.) на определение воздействия патентных заявок на ИИ на производительность труда в экономике Китая, было выявлено, что патентные заявки на технологии искусственного интеллекта статистически влияют на производительность труда в народном хозяйстве КНР в целом, но, не подтверждаются исследованиями в сельскохозяйственном секторе, что объясняется авторами нехваткой квалифицированной рабочей силы [27].

Особо стоит отметить аргументы в пользу усиления неравенства на современном рынке труда, выдвинутые Б. Молл, Л. Рэйчел, П. Рестрепо (Moll B., Rachel L., Restrepo P.) [21]. Они, в отличие от традиционного подхода, доказывают, что преимущества новых технологий достаются не только высококвалифицированной рабочей силе, но и владельцам капитала в виде более высоких доходов от капитала, что основано на том, что долгосрочное предложение капитала в их модели имеет восходящий наклон. Проявляется это по двум каналам. Во-первых, автоматизация увеличивает неравенство богатства и доходов от капитала, повышая доходность богатства. Во-вторых, автоматизация с большей вероятностью приведёт к стагнации заработной платы и, следовательно, к стагнации доходов в нижней части распределения доходов.

Выводы и дальнейшие исследования

Воздействие технологий искусственного интеллекта на современный рынок труда происходит примерно также, как это делали предшествующие волны инноваций. Единственное, но принципиальное отличие технологий ИИ от предшествующих состоит в том, что они автоматизируют (устраняют) не физические, рутинные задачи, выполняемые работниками, а творческие, интеллектуальные задачи. Модели искусственного интеллекта в процессе машинного обучения приобретают «неявные знания» из анализируемого опыта работников. Применение новейших больших языковых моделей позволяет в краткосрочном периоде повысить производительность труда работников низкой квалификации и без опыта до уровня высококвалифицированных специалистов и, может быть, даже до уровня элитных экспертов. Это позволяет увеличить общий уровень производительности труда в компаниях и приносит ряд положительных побочных эффектов. Среди них выделим: экономия времени сотрудников на выполнение одной задачи, возросшая удовлетворенность от использования ИИ для решения профессиональных проблем, значительное снижение текучести кадров, что обусловлено удержанием новых сотрудников. Однако после первого эффекта выравнивания дальнейшее повышение производительности труда возможно только за счёт использования искусственного интеллекта высококвалифицированными и опытными работниками, которые могут извлечь из модели ИИ, как показывают приведенные исследования, большие и лучшие результаты по сравнению с низкоквалифицированными сотрудниками.

Неравенство в доходах и в условиях труда между работниками низкой квалификации и работниками высокой квалификации будет усиливаться по мере продвижения технологий ИИ как в отраслевом аспекте, так и между развитыми странами, государствами с развивающимися рынками и странами с низкими доходами. Степень неравенства будет определяться как интенсивностью применения моделей искусственного интеллекта в народном хозяйстве, так и возможностями по переобучению персонала системами высшего образования и повышения квалификации. Таким образом, ответы на два исследовательских вопроса будут отрицательные: после первоначального эффекта выравнивания неравенство в доходах и условиях работы между работниками высокой квалификации и низкой квалификации будет увеличиваться.

Воздействие технологий искусственного интеллекта на рынок труда будет усиливаться по мере их совершенствования. Сейчас идёт процесс их количественного накопления, который в перспективе 3–4 лет качественно расширит производственные возможности работников будущего. Экономические проблемы, и, прежде всего, оценивание эффективности моделей искусственного интеллекта выходят на первый план по сравнению с чисто технологическими. Экономика ИИ вступает в свои права [4]. Сейчас речь в основном идёт о снижении издержек при создании модели искусственного интеллекта, или при эксплуатации большой языковой модели. Экономическая оценка выгод от использования моделей искусственного интеллекта пока вторична. В перспективе можно соединить ИИ, в частности агентов искусственного интеллекта с цифровыми двойниками и осуществить многие другие трудосберегающие технологии. Ведь чем модели искусственного интеллекта будут дешевле (доступнее), тем больше будет выгодных сфер их применения.