Виральный эксперимент по анализу рынка труда ИИ

В быстро меняющемся ландшафте искусственного интеллекта (Artificial Intelligence), немногие фигуры привлекают столько внимания, сколько Андрей Карпатый (Andrej Karpathy). Сооснователь OpenAI и бывший директор по ИИ в Tesla, Карпатый долгое время был барометром направления развития индустрии. В выходные 15 марта 2026 года он взбудоражил технологическое сообщество — а затем так же быстро попытался унять страсти — проектом, который он назвал анализом рынка труда ИИ в стиле «вайб-кодинга» (vibe-coded).

Проект, который ненадолго появился в сети перед удалением, представлял собой эксперимент по визуализации данных, предназначенный для отображения подверженности 342 профессий в США ИИ автоматизации. Используя данные из Справочника по профессиональным перспективам Бюро статистики труда США (BLS), Карпатый загрузил описания вакансий в большую языковую модель, чтобы оценить каждую профессию по шкале «воздействия ИИ» от нуля до 10. Результаты, представленные в виде красочной древовидной карты, мгновенно стали виральными, во многом благодаря яркому, противоречащему интуиции выводу: высокооплачиваемые профессии «белых воротничков» значительно более подвержены риску со стороны ИИ, чем низкооплачиваемый ручной труд.

Методология: Подход «вайб-кодинга»

Термин «vibe-coding» — фраза, которую Карпатый помог популяризировать в предыдущие месяцы — относится к методологии разработки, при которой программист в значительной степени полагается на LLM для генерации кода, часто без ручной проверки или глубокой отладки, отдавая приоритет «вайбу» (атмосфере) или общему направлению вывода, а не строгим стандартам программной инженерии.

В этом конкретном анализе рынка труда, Карпатый применил этот высокоуровневый подход с использованием ИИ к данным социальных наук. Путем сбора данных по 342 отдельным категориям профессий, он поручил ИИ проанализировать основные обязанности каждой роли, чтобы определить, какая часть этой работы теоретически может быть перестроена или выполнена автоматизированными системами.

Методология опиралась на простую предпосылку:

• Входные данные: Всеобъемлющий Справочник по профессиональным перспективам BLS.
• Механизм оценки: Большая языковая модель оценивала каждое описание работы на соответствие возможностям ИИ.
• Метрика: Шкала от нуля до 10, где 10 представляло максимальную подверженность автоматизации на базе ИИ.

Хотя критики в сообществе специалистов по данным быстро указали на то, что этой методологии не хватает академической строгости рецензируемого исследования, ей удалось создать визуализацию «реального положения дел», которая нашла отклик у публики. Она вышла за рамки теоретических дебатов и представила конкретный, хотя и несовершенный, взгляд на то, как переход к ИИ может повлиять на современную рабочую силу.

Основные выводы: Разрыв в подверженности автоматизации

Главный результат анализа Карпатого поставил под сомнение распространенное предположение о том, что автоматизация ИИ в первую очередь затронет начальный уровень или рутинные ручные задачи. Вместо этого данные показали, что высококвалифицированные специалисты с высоким доходом имеют самые высокие показатели воздействия.

Анализ выявил последовательную закономерность: рабочие места, связанные с созданием цифровых артефактов — кода, текста, отчетов или административных данных — получили значительно более высокие баллы по шкале воздействия. И наоборот, профессии, требующие физической ловкости и взаимодействия с реальной окружающей средой, такие как кровельные работы или техническое обслуживание, остались в значительной степени защищены.

В следующей таблице обобщено распределение воздействия по уровням дохода на основе данных проекта:

Эти данные рисуют картину назревающего «кризиса белых воротничков», когда ценность, придаваемая интеллектуальному труду, подрывается теми самыми инструментами, которые предназначены для повышения производительности. В то время как разработчики программного обеспечения, юридические аналитики и административные менеджеры получили баллы в диапазоне от 8 до 9, роли, требующие физического присутствия, последовательно попадали в категорию с низким уровнем воздействия.

Почему проект был отозван

Вскоре после того, как интерактивная визуализация стала виральной, Карпатый удалил веб-сайт и связанный с ним репозиторий GitHub. В последующих комментариях он пояснил, что проект был «быстрым экспериментом», а не официальным научным исследованием. Он объяснил, что проект родился из желания изучить конкретный вопрос, используя имеющиеся под рукой инструменты, а не для предоставления окончательной политической основы для правительства США или трудовых организаций.

Отзыв подчеркивает растущую напряженность в сообществе исследователей ИИ: скорость, с которой инфлюенсеры в сфере ИИ могут генерировать и распространять основанные на данных идеи, в сравнении со временем, необходимым для традиционной проверки. Хотя карта была влиятельной, нюансы часто терялись при быстром распространении результатов на социальных платформах, таких как X (ранее Twitter) и Reddit, где выводы часто цитировались как абсолютный факт, а не исследование в стиле «вайб-кодинга» (vibe-coded).

Контекстуализация с институциональными исследованиями

Важно отметить, что эксперимент Карпатого не существовал в вакууме. Он появился на той же неделе, когда исследователи из Anthropic опубликовали крупное рецензируемое исследование рынка труда. Исследование Anthropic было сосредоточено на «наблюдаемом воздействии» — на том, что ИИ на самом деле делает в профессиональных рабочих процессах, а не на том, что он теоретически мог бы делать.

Исследование Anthropic оказало необходимое охлаждающее действие на дискурс о неизбежном массовом вытеснении людей. Отслеживая реальные данные об использовании Claude, исследователи обнаружили, что, хотя ИИ технически способен выполнять многие задачи, фактическое развертывание в корпоративных средах остается ограниченным. «Разрыв» — это не предупреждение о немедленной потере работы, а скорее «список дел» для компаний, все еще преодолевающих трудности интеграции, управления изменениями и культурной адаптации.

Будущее сферы труда: меняющийся ландшафт

Несмотря на отзыв проекта Карпатого, дискуссия, которую он спровоцировал, остается критически важной. Основной вывод как из виральной карты «вайб-кодинга», так и из более формального исследования Anthropic, последователен: рабочая сила не сталкивается с одномоментной полной заменой на ИИ. Вместо этого мы вступаем в период фундаментальной эволюции ролей.

Для профессионалов, зарабатывающих более 100 000 долларов в год, показатели воздействия служат тревожным звонком в отношении характера их повседневных задач. Происходит переход от чисто исполнительской работы к курированию, управлению и стратегическому надзору. Инструменты ИИ, способные заменить задачи начального уровня, одновременно становятся основными рычагами производительности для остающихся ролей.

По мере того как ИИ продолжает развиваться, различие между «сильно подверженными воздействию» и «безопасными» профессиями, вероятно, будет стираться. Самыми успешными работниками в ближайшее десятилетие станут не те, кто игнорирует эти тенденции, а те, кто примет ИИ как второго пилота (co-pilot), рассматривая свои собственные навыки как динамические переменные в условиях все более автоматизированной экономики. Эксперимент Карпатого, хотя и был мимолетным, успешно высветил реальность того, что будущее сферы труда зависит не только от технологий, которые мы создаем, но и от того, как мы решим интегрировать их в структуру мирового рынка труда.