Безработица поколения Z вдвое выше средней. "ИИ отнял работу" — это не вся история
Безработица среди американского поколения Z (родившихся в 1997–2012 годах) сейчас составляет 8,3% — примерно вдвое выше общенационального показателя в 4,2% Fortune. По оценке Goldman Sachs, ИИ вытесняет около 16 000 рабочих мест в США ежемесячно, и удар приходится именно на эту возрастную группу Fortune. Каждый третий работодатель в опросе признаёт, что уже заменяет позиции начального уровня на ИИ — сильнее всего это заметно в технологиях и производстве, — а 89% выпускников 2026 года опасаются, что ИИ займёт их первую вакансию раньше, чем они успеют её получить: год назад так думали только 64% Fortune.
Заголовок напрашивается сам собой: ИИ уничтожает рабочие места, и молодёжь — первая в очереди. По сути это не ошибка. Но это грубый инструмент, применённый к очень точной ране, и именно точность здесь и есть настоящая история.
Цифра, которая не укладывается в заголовок
Вот загадка. Датское исследование на административных данных, отслеживавшее одиннадцать профессий с высокой степенью соприкосновения с ИИ на протяжении двух лет, показало: чат-боты в среднем экономили работникам лишь около 2,8% рабочего времени — и не дали статистически значимого изменения ни в заработках, ни в общей занятости. Всё. Маленький, почти скучный макроэффект — из тех, что обычно подкрепляют лагерь "ИИ переоценён", а не лагерь "ИИ уничтожает рабочие места".
И тем не менее внутри тех же одиннадцати профессий занятость среди 22–25-летних на самых ИИ-уязвимых позициях упала примерно на 13% относительно менее уязвимых сверстников — тогда как опытные работники в тех же самых профессиях сохраняли работу в обычном режиме. Та же технология. Та же профессия. Противоположный результат — в зависимости исключительно от того, на какой ступени карьерной лестницы человек стоял, когда пришёл инструмент.
Это несоответствие — макроэффект, слишком малый, чтобы сдвинуть национальную статистику, поверх микроэффекта, достаточно жестокого, чтобы урезать занятость молодёжи на двузначное число, — стоит того, чтобы задержаться на нём, прежде чем тянуться за широкой теорией. Оно отсекает простейшее объяснение ("ИИ теперь делает работу сам, поэтому нужно меньше людей"): будь это правдой, старшие сотрудники на ИИ-уязвимых позициях тоже должны были бы сокращаться. Этого не произошло. Происходит что-то более конкретное, чем "ИИ вытесняет труд" — и происходит это именно на нижней ступени.
Что на самом деле автоматизируется
Новая статья Антона Панкратова "Человек как генератор различений" в рамках проекта Observer-Dependent Theory of Everything (ODTOE) предлагает переформулировку, которая ложится на эту асимметрию точнее, чем "ИИ забирает работу". ODTOE предполагает, что автоматизация в действительности поглощает не навык вообще, а кристаллизованный продукт прошлых различений: конфигурацию, которую когда-то было по-настоящему трудно выработать впервые, а затем она затвердела в нечто повторяемое, исполняемое, с низкой степенью неопределённости. Научиться оформлять юридический документ по шаблону, сортировать заявки поддержки по категориям, писать типовой код по известному паттерну, суммировать стандартный документ — когда-то всё это было актом суждения. К тому моменту, когда этому учат нового выпускника, оно уже кристаллизовалось в процедуру. И это именно тот тип задач, который языковая модель умеет сжимать особенно хорошо.
Позиции начального уровня непропорционально построены как раз из такого материала. Это не случайность истории — это почти определение понятия "начальный уровень": работу, которую поручают новичкам, почти по замыслу составляют задачи, уже кем-то продуманные и сведённые к обучаемой процедуре. Старшинство, напротив, строится на противоположном: на непрерывном порождении новых различений в ответ на проблемы, которых ещё не было в обучающей выборке — суждения в условиях неопределённости, та версия отношений с клиентом или технического решения, которая не сводится к прецеденту. На языке ODTOE это человек, функционирующий как самонаблюдающий наблюдатель, оператор, способный свернуться на самого себя — Ô(Ô) в обозначениях статьи, — и продолжать порождать структуру там, где мир ещё не кристаллизовал её в инструкцию.
Именно этот фрагмент объясняет датские цифры лучше, чем плоская история "автоматизация бьёт по всем": инструмент примерно одинаково способен работать по всей профессии в целом — отсюда небольшой и ровный агрегированный показатель сэкономленных часов. Но подверженность распределена крайне неравномерно, потому что работа начального уровня набита кристаллизованными конфигурациями, а работа старших сотрудников — нет. Тезис статьи не в том, что junior-специалисты менее квалифицированы, чем senior — а в том, что то, чем структурно занимаются junior-ы, гораздо сильнее пересекается с тем, что модель уже умеет имитировать.
Почему "доберётся и до старших" упрощает суть
Соблазнительно прочитать это как отсрочку, а не как различие по существу: ИИ сначала съедает нижнюю ступень лестницы, а потом поднимается выше. Отчасти это может оказаться правдой, и ODTOE этого не отрицает: статья прямо оговаривает, что это рамочный аргумент, построенный поверх уже существующих данных рынка труда, а не новое самостоятельное эмпирическое открытие. Стоит честно проговорить это ограничение, прежде чем идти дальше: это способ прочтения уже существующих цифр, а не прогноз, проверенный независимо от них.
Но метафора лестницы упрощает то, чем верхняя ступень отличается структурно. Согласованность senior-специалиста — то, что статья формализует как B(O,C), мультипликативную меру того, насколько суждение наблюдателя удерживает целостность применительно к данной конфигурации, — зависит от качеств, которые не кристаллизуются так же, как навык: устойчивое внимание к неоднозначным задачам, накопленный межпрофессиональный опыт (в терминах статьи — Λ, эмпирический остаток прошлых различений, которые действительно окупились), и низкая внутренняя противоречивость под давлением. Это не "расходуется" и не передаётся модели так, как передаётся форматирующее соглашение. Это упражняется. Это же структурное опасение отдельно высказывал специалист по ИИ из MIT Эндрю Макафи: если компании автоматизируют именно те начальные позиции, на которых junior-сотрудники в норме дорастали бы до senior-компетенции, они рискуют сломать кадровый конвейер, который понадобится им же через десять лет — срезав ту самую ступень, на которой тренируется дефицитное суждение Fortune.
Профессия больше не единица измерения
Если рамка статьи верна, практический вывод для 23-летнего человека — не "выбери название профессии понепробиваемее для ИИ": данные Handshake уже показывают, что число вакансий начального уровня на 12% ниже допандемийного уровня по всем категориям, так что стратегия "спрятаться в безопасной категории" и без того реализуется всё труднее Fortune. Вывод скорее в том, что профессия в этой рамке — временная конфигурация с конечным сроком годности, а не идентичность, в которую стоит вкапывать флаг. Более устойчивая единица — собственная траектория наблюдателя: накопленный, переносимый паттерн того, как именно вы порождаете удачные различения, — паттерн, который переносится через любую конфигурацию, которая сейчас держит вашу зарплату.
Это по-новому расставляет акценты в вопросе о том, для чего вообще нужна школа. Аргумент статьи ODTOE в том, что настоящим продуктом образования никогда по-настоящему не были сами кристаллизованные навыки — им всё равно предстояло затвердеть и рано или поздно автоматизироваться. Более устойчивый продукт образования — стоящая за ними способность: умение продолжать порождать новые, работающие различения, когда старая конфигурация перестаёт работать, — то, что статья обозначает как Λ, накопление, благодаря которому согласованность наблюдателя переживает смену декораций. Это более сильное утверждение, чем просто "образование всё ещё полезно в эпоху ИИ": статья утверждает, что оно становится ближе к инфраструктуре именно для этой эпохи — как раз потому, что кристаллизованный навык теперь дёшево имитировать, а способность порождать новые различения — нет.
Ничего из этого не делает цифры по поколению Z менее реальными или менее срочными: безработица в 8,3% и тихо сужающийся кадровый конвейер — не абстракции. ODTOE предлагает не лекарство от этого, а более точное описание механизма, который стоит за этим: не "ИИ уничтожает рабочие места" вообще, а ИИ, поглощающий кристаллизованные конфигурации в первую очередь — непропорционально на той ступени, где эти конфигурации сконцентрированы. Полный текст статьи, включая её собственные оговорённые ограничения и четыре проверяемых предсказания, доступен на odtoe.org.