Russian Journal of Labour Economics Russian Journal of Labour Economics Экономика труда 2410-1613 2412-8929 BIBLIO-GLOBUS Publishing House 122851 10.18334/et.12.3.122851 WESLCV Articles Статьи Research Article Artificial intelligence's impact on the labor market in the inequality paradigm Влияние искусственного интеллекта на рынок труда в парадигме неравенства Lukichyov Pavel Mikhaylovich Лукичёв Павел Михайлович

профессор кафедры менеджмента организации, доктор экономических наук, профессор

 loukitchev20@mail.ru Baltic State Technical University «VOENMEH» named after D.F. Ustinov Балтийский государственный технический университет ВОЕНМЕХ им. Д.Ф. Устинова 31 03 2025 12 3 VOL 12, NO3 (2025) ТОМ 12, №3 (2025) 267 282 09 03 2025 Copyright ©; 2025, Lukichyov P. M. Copyright ©; 2025, Лукичёв П. М. 2025 Lukichyov P. M. Лукичёв П. М. https://1economic.ru/lib/122851

Advances in technology always shape the evolution of the labor market. In the 2020s, artificial intelligence technology has the greatest impact. Its impact is both short- and long-term. The impact of artificial intelligence models is manifested differently for low-, medium-, and high-skilled employees. When characterizing the consequences of the influence of artificial intelligence technologies on the modern labor market, it is also necessary to take into account the experience of employees in their chosen specialty and their ability to retrain. The article identifies five features of the influence of large language models on the modern labor market. The author analyzes the transition in economic decision-making from elite experts to a wider range of employees that is currently taking place in the labor market. This transition has positive side effects for companies, but only in the short term. In the long run, the potential of high-skilled employees allows them to increase their productivity through the AI model significantly more than low-skilled employees. As a result, income inequality will increase in the labor market of the future.

Совершенствование технологий всегда определяет развитие рынка труда. Наиболее сильное воздействие в 2020-е годы оказывают технологии искусственного интеллекта. Их влияние сказывается как в краткосрочном периоде, так и долгосрочном периоде. Воздействие моделей искусственного интеллекта по-разному проявляется на работниках с низкой, средней и высокой квалификацией. Также необходимо учесть, характеризуя последствия влияния технологий искусственного интеллекта на современный рынок труда, опыт работы сотрудников по избранной специальности и их способности к переобучению. В статье выявлены пять особенностей влияния больших языковых моделей на современный рынок труда. Автор анализирует происходящий сейчас на рынке труда переход в принятии экономических решений от элитных экспертов к более широкому кругу работников. Этот переход приносит компаниям позитивные побочные эффекты, но действует только в краткосрочном периоде. В долгосрочном же периоде потенциал высококвалифицированных работников позволяет им повысить производительность труда за счёт модели искусственного интеллекта значительно больше, чем низкоквалифицированным работникам. Следствием этого будет нарастание неравенства доходов на рынке труда будущего

 labor market artificial intelligence artificial intelligence economy income inequality large language model low-skilled employee high-skilled employee рынок труда искусственный интеллект экономика искусственного интеллекта неравенство доходов большие языковые модели работники низкой квалификации работники высокой квалификации 1. Волошина И. А., Перова И. Т., Тхоржевская А. Р. Применение технологий искусственного интеллекта в деятельности организаций: масштабы, влияние на профессии, риски // Креативная экономика. – 2024. – № 12. – c. 3285-3310. – doi: 10.18334/ce.18.12.122257. 2. Искусственный интеллект. Серия информационно-аналитических материалов ИСИЭЗ НИУ ВШЭ. No 17 / 2025. [Электронный ресурс]. URL: https://issek.hse.ru/mirror/pubs/share/1022067859.pdf (дата обращения: 07.03.2025). 3. Абрамов В.И., Гордеев В.В., Столяров А.Д. Цифровые двойники: характеристики, типология, практики развития // Вопросы инновационной экономики. – 2024. – № 3. – c. 691-716. – doi: 10.18334/vinec. 4. Лукичев П. М., Чекмарев О. П. Экономика искусственного интеллекта: перспективы и риски. Санкт-Петербург, 2023. [Электронный ресурс]. URL: https://motivtrud.ru/PCost/research/ii20231.pdf (дата обращения: 02.02.2025). 5. Лукичев П. М. Принятие решений в современной экономике: искусственный интеллект vs поведенческая экономика // Вопросы инновационной экономики. – 2024. – № 3. – c. 649-666. – doi: 10.18334/vinec.14.3.121070. 6. Лазанюк И. В., Пугачева И. А., Семчук В. А., Неведомская А. О. Пересмотр цифрового неравенства на рынке труда стран БРИКС // Вопросы инновационной экономики. – 2025. – № 1. – c. 69-90. – doi: 10.18334/vinec.15.1.122679. 7. Amara R. Some observations on the interaction of technology and society // Futures. – 1975. – № 6. – p. 515–517. 8. A nasty case of pilotitis. The Economist. November 9th, 2024. [Электронный ресурс]. URL: https://www.economist.com/business/2024/11/04/why-your-company-is-struggling-to-scale-up-generative-ai (дата обращения: 28.02.2025). 9. Autor D. Applying AI to rebuild middle class jobs. National Bureau of Economic Research, 2024. – №. w32140. [Электронный ресурс]. URL: https://www.nber.org/system/files/working_papers/w32140/w32140.pdf (дата обращения: 21.02.2025). 10. Blandin A., Bick A., Caplan T., Caplan A. Measuring Trends in Work From Home: Evidence from Six US Datasets // Available at SSRN. – 2024. – p. 4953448. 11. Brynjolfsson E., Li D., Raymond L. R. // National Bureau of Economic Research. – 2023. – url: https://www.nber.org/papers/w31161. 12. Cazzaniga M., Jaumotte M. F., Li L., Melina M. G., Panton A. J., Pizzinelli, C., Tavares M. M. M. Gen-AI: Artificial intelligence and the future of work. International Monetary Fund, 2024. [Электронный ресурс]. URL: https://www.imf.org/en/Publications/Staff-Discussion-Notes/Issues/2024/01/14/Gen-AI-Artificial-Intelligence-and-the-Future-of-Work-542379 (дата обращения: 28.02.2025). 13. Chen Z., Chan J. // Management Science. – 2024. – № 12. – p. 9101–9117. – url: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4575598. 14. Choi J. H., Monahan A. B., Schwarcz D. // Minn. L. Rev. – 2024. – p. 147. – url: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4626276. 15. For a fistful of dollars. The Economist. February 15th, 2025. [Электронный ресурс]. URL: https://www.economist.com/science-and-technology/2025/02/12/forget-deepseek-large-language-models-are-getting-cheaper-still (дата обращения: 28.02.2025). 16. Dell'Acqua F., McFowland III E., Mollick E. R., Lifshitz-Assaf H., Kellogg K., Rajendran S.,,.. Lakhani K. R. // Harvard Business School Technology Operations Mgt. Unit Working Paper. – 2023. – № 24-013. – url: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321. 17. Felten E., Raj M., Seamans R. // Strategic Management Journal. – 2021. – № 12. – p. 2195–2217. – url: https://onlinelibrary.wiley.com/doi/pdf/10.1002/smj.3286. 18. Felten E., Raj M., Seamans R. How will language modelers like chatgpt affect occupations and industries?. ArXiv preprint arXiv:2303.01157. – 2023. [Электронный ресурс]. URL: https://arxiv.org/pdf/2303.01157 (дата обращения: 12.11.2024). 19. Kim A., Kim D. S., Muhn M., Nikolaev V. V., So E. C. AI, Investment Decisions, and Inequality //Chicago Booth Accounting Research Center Research Paper, Fama-Miller Working Paper, MIT Sloan Research Paper. – 2024 20. Kim A., Muhn M., Nikolaev V. Financial statement analysis with large language models. ArXiv preprint arXiv:2407.17866. – 2024. [Электронный ресурс]. URL: https://arxiv.org/html/2407.17866v1 (дата обращения: 12.11.2024). 21. Moll B., Rachel L., Restrepo P. Uneven growth: automation's impact on income and wealth inequality // Econometrica. – 2022. – № 6. – p. 2645–2683. – url: https://www.nber.org/system/files/working_papers/w28440/w28440.pdf. 22. Mollick E., Mollick E. Co-Intelligence. - Random House UK, 2024. 23. Otis N., Clarke R. P., Delecourt S., Holtz D., Koning R. The uneven impact of generative AI on entrepreneurial performance // Available at SSRN. – 2023. – p. 4671369. 24. Pizzinelli C., Panton A. J., Tavares M. M., Cazzaniga M., Li L. Labor market exposure to AI: Cross-country differences and distributional implications. International Monetary Fund. [Электронный ресурс]. URL: https://www.imf.org/en/Publications/WP/Issues/2023/10/04/Labor-Market-Exposure-to-AI-Cross-country-Differences-and-Distributional-Implications-539656 (дата обращения: 12.01.2025). 25. Toner-Rodgers A. Artificial intelligence, scientific discovery, and product innovation. ArXiv preprint arXiv:2412.17866. – 2024. [Электронный ресурс]. URL: https://arxiv.org/pdf/2412.17866 (дата обращения: 02.03.2025). 26. Zarifhonarvar A. Economics of ChatGPT: A labor market view on the occupational impact of artificial intelligence // Journal of Electronic Business Digital Economics. – 2024. – № 2. – p. 100–116. – doi: 10.1108/JEBDE-10-2023-0021. 27. Zouya L., Yunus N. M. A preliminary study on artificial intelligence and labour productivity in China // International Business Education Journal. – 2024. – № 2. – p. 12–25. – doi: 10.37134/ibej.Vol17.2.2.2024.