ИИ заберёт работу не у всех подряд, а у тех, кто не научится им управлять, — и это уже видно не в прогнозах футурологов, а в зарплатных ведомостях. Стэнфордские экономисты по данным миллионов работников в США посчитали: в профессиях, где нейросети заменяют задачи человека, молодых специалистов нанимают меньше, а там, где нейросети помогают человеку, занятость стоит на месте или растёт. Разница между этими двумя группами — не в профессии, а в том, кто кем командует: человек машиной или машина человеком.
В SEO я с 2005 года и застал несколько волн «скоро всех заменят»: конструкторы сайтов, автоматические сервисы продвижения, генераторы текстов. Каждый раз исчезали не профессии, а способы работать. Нынешняя волна сильнее, и спокойствие не равно бездействию.
Ниже — что говорят свежие исследования, какие задачи нейросети забирают первыми, что значит «управлять ИИ» и с чего начать владельцу бизнеса и специалисту.
Что показывают цифры, а не громкие заголовки
Самый крупный опрос работодателей на эту тему — доклад Всемирного экономического форума о будущем рабочих мест, вышедший в январе 2025 года. В нём участвовали более тысячи крупнейших компаний мира с общей численностью более 14 миллионов работников. Их прогноз до 2030 года: исчезнет 92 миллиона рабочих мест, появится 170 миллионов новых, чистый прирост — 78 миллионов. То есть речь не о массовой безработице, а о большой перетасовке: примерно 22% всех формальных рабочих мест либо исчезнут, либо появятся заново.
Вторая цифра из того же доклада важнее для каждого из нас лично. В среднем 39% нынешних навыков работника изменятся или устареют за пять лет. Если представить, что во всём мире работает 100 человек, то 59 из них к 2030 году понадобится переобучение. Двадцать девять переучат на нынешнем месте, девятнадцать переведут на другую должность, а одиннадцать, по оценке работодателей, вряд ли получат нужное обучение — и именно их положение станет шатким.
Оценка Международного валютного фонда от января 2024 года даёт масштаб: почти 40% занятости в мире подвержено влиянию ИИ, причём примерно половине этих людей ИИ поможет, а у другой половины заберёт ключевые задачи.
Наконец, сокращения. Американская компания Challenger, Gray & Christmas с 2023 года отдельно учитывает увольнения, причиной которых назван ИИ: за 2025 год их было 54 836, а за девять месяцев 2026-го — уже 120 136, около 21% всех объявленных сокращений.
Какие задачи ИИ забирает первыми
Доклад форума называет профессии, которые сократятся сильнее всего в абсолютных числах: кассиры, административные ассистенты, секретари руководителей. Среди самых быстро исчезающих — операторы ввода данных, банковские операционисты, работники почты. Общее у них одно: работа состоит из повторяющихся операций по понятным правилам.
Но смотреть только на профессии — ошибка. ИИ забирает не должности целиком, а задачи внутри них. По оценке тех же работодателей, сейчас 47% рабочих задач выполняют в основном люди, 22% — в основном технологии и 30% — человек вместе с машиной. К 2030 году эти три доли должны сравняться. Значит, у бухгалтера, маркетолога, юриста и менеджера по продажам часть дня уйдёт машине, а оставшаяся часть станет другой.
Компания Anthropic, разработчик модели Claude, в январе 2026 года показала, что задачи, которые приносят её модели, требуют в среднем 14,4 года образования — больше, чем в среднем по экономике. Это офисная интеллектуальная работа: код, тексты, анализ документов, письма.
Российские данные это подтверждают. Опрос hh.ru и «Контур.Эгиды», проведённый в сентябре 2026 года среди 3 068 соискателей, показал: чаще всего нейросети используют для поиска информации и идей (77% пользователей), для текстов, писем и сообщений (62,7%), для анализа документов (38,1%), для презентаций, отчётов и таблиц (около четверти). А по данным hh.ru за первое полугодие 2026 года, навыки работы с нейросетями чаще всего требуют от дизайнеров, SMM-специалистов, контент-менеджеров и маркетологов.
| Задача | Что ИИ уже делает хорошо | Где без человека нельзя |
|---|---|---|
| Письма, ответы клиентам, описания | Черновик за минуту, несколько вариантов тона | Обещания, цены, сроки, конфликтные ситуации, всё, за что потом спросят |
| Ввод и сверка данных | Переносит, сортирует, находит расхождения | Решение, что делать с расхождением, и проверка выборочно |
| Отчёты и презентации | Собирает структуру, пересказывает таблицы, рисует схемы | Выводы: что из цифр следует для бизнеса и что делать дальше |
| Поиск информации | Быстро даёт обзор темы и варианты | Проверка источников: модель уверенно ссылается на то, чего нет |
| Анализ документов и договоров | Находит пункты, сравнивает версии, выделяет риски | Юридическая оценка и подпись — ответственность остаётся у человека |
| Общение с клиентом в чате | Отвечает на типовые вопросы круглосуточно | Нестандартный случай, жалоба, решение о скидке или возврате |
Почему «заберёт работу» — не у всех
Стэнфордская работа Эрика Бриньолфссона и соавторов — пожалуй, самое аккуратное исследование на эту тему. В обновлённой версии от августа 2026 года авторы по данным зарплатного сервиса ADP показывают: занятость работников 22–25 лет в профессиях, наиболее подверженных ИИ, на 19% ниже уровня, на котором она была бы без этого влияния. У опытных работников в тех же профессиях разрыва нет. И происходит это в основном не через увольнения, а через то, что молодых меньше нанимают.
Ключевая деталь — в том, где именно идёт спад. Он сосредоточен там, где ИИ в основном заменяет задачи человека. Там, где ИИ в основном дополняет работника, занятость стабильна или растёт. Авторы прямо пишут, что широкого вытеснения работников по всей экономике не видят.
Похожую картину даёт исследование PwC, опубликованное в июне 2026 года по анализу более миллиарда вакансий в 27 странах. Работникам с навыками ИИ в среднем платят на 62% больше, чем коллегам без них, а вакансии с такими требованиями растут на 69% против 9% у рынка в целом. Быстрее всего растут роли, где ИИ поддерживает специалиста, а не подменяет его.
Отсюда главный вывод. Угроза не в том, что машина умеет делать вашу работу. Угроза в том, что ваша работа сводится к задачам, которые машина делает без вас. Если человек приносит в процесс понимание, проверку и ответственность, ИИ становится его усилителем. Если человек только переносит текст из одного окна в другое, его действительно заменят — не нейросетью, а коллегой, который умеет работать с нейросетью.
И оговорка про сокращения. Руководитель Challenger сам замечает, что упоминание ИИ в объявлении об увольнениях нравится инвесторам, поэтому его стали называть охотнее. А наём в США в 2026 году вырос на 25% к прошлому году: ИИ сдвигает рынок труда, но не разрушает его.
Что значит «управлять ИИ» на практике
«Уметь пользоваться нейросетью» и «уметь управлять ИИ» — разные вещи. Первое — это знать, куда вставить вопрос. Второе — это относиться к модели как к очень быстрому, начитанному, но неопытному исполнителю, у которого нет ни памяти о вашей компании, ни ответственности за результат. Управление складывается из пяти навыков.
- Ставить задачу. Не «напиши ответ клиенту», а «клиент недоволен сроком доставки, вот его письмо, вот условия доставки, нужно извиниться без обещания компенсации и предложить два варианта». Чем точнее цель, ограничения и формат результата, тем меньше переделок.
- Давать контекст. Модель не знает ваших цен, договоров, клиентов, истории спора. Всё, что важно для решения, нужно положить перед ней: документ, таблицу, примеры удачных ответов. Без контекста она заполняет пробелы правдоподобными выдумками.
- Проверять результат. Цифры, имена, даты, ссылки на законы и источники проверяются всегда. Логика проверяется по смыслу: следует ли вывод из данных. Проверка — не недоверие, а обязательный этап, как вычитка договора перед подписью.
- Отвечать за итог. Клиенту, налоговой и суду неважно, кто составил текст. Отправил — значит, отвечаешь. Поэтому решение «отправлять или нет» всегда остаётся за человеком.
- Встраивать в процесс. Разовые удачные запросы ничего не меняют. Меняет повторяемый порядок: где в работе ИИ делает черновик, кто его проверяет, где лежат готовые инструкции, какие данные в нейросеть передавать нельзя.
Ни один из этих навыков не связан с программированием. Это навыки руководителя: поставить задачу, проконтролировать, принять работу. Поэтому опытный специалист часто осваивает ИИ быстрее молодого, хотя молодой быстрее разбирается в кнопках.
Если хотите посмотреть на эту логику на рабочих примерах, в статье о промтах для SEO разобраны конкретные запросы и места, где нейросеть врёт увереннее всего.
Пользователь и управляющий: в чём разница
Два человека с одной и той же подпиской получают от нейросети очень разный результат. Разница видна по поведению.
| Ситуация | Пользователь ИИ | Управляющий ИИ |
|---|---|---|
| Постановка задачи | Одна строчка, «сделай красиво» | Цель, ограничения, исходные данные, образец результата |
| Ответ с цифрами | Копирует как есть | Сверяет каждую цифру с источником |
| Ошибка модели | «Нейросеть глупая», бросает | Понимает, чего не хватило в задаче, и уточняет |
| Конфиденциальные данные | Загружает договоры и базы клиентов в любой сервис | Знает, что можно передавать, а что — только обезличенным |
| Удачный запрос | Забывает через неделю | Сохраняет как инструкцию для себя и коллег |
| Результат работы | «Это ИИ так написал» | «Я проверил и отвечаю за этот текст» |
Самая наглядная история последнего времени — с аудиторской компанией Deloitte в Австралии. Осенью 2025 года, по сообщению агентства AP, она согласилась частично вернуть деньги правительству страны за отчёт стоимостью 440 тысяч австралийских долларов. В отчёте нашли ошибки, похожие на сгенерированные ИИ: выдуманную цитату из решения федерального суда и ссылки на научные работы, которых не существует. В исправленной версии компания раскрыла, что при подготовке использовала языковую модель.
Это не история про то, что ИИ плохой. Это история про пропущенный шаг управления — проверку. Крупная компания с репутацией потеряла деньги и доверие клиента не из-за нейросети, а из-за того, что никто не сверил сноски перед отправкой.
Насколько часто нужна проверка, видно по данным самой Anthropic. По её оценке в январском отчёте 2026 года, в обычном чате задачи выполняются успешно примерно в 67% случаев, а в автоматизированных сценариях компаний — в 49%. При этом в автоматизированных сценариях около трёх четвертей взаимодействий — полная передача задачи машине. Чем меньше человек участвует в процессе, тем важнее заранее решить, кто и как проверит результат.
Нейросеть ошибается уверенным тоном. Поэтому ценится не тот, кто быстрее всех получает ответ, а тот, кто быстрее всех находит в ответе ошибку.
Пример из маркетинга и SEO: где ИИ силён, а где нужен человек
Моя область — поисковое продвижение, и здесь разница между полезным и вредным применением ИИ особенно заметна.
С чем нейросеть справляется хорошо: быстро сгруппировать большой список запросов по смыслу, предложить варианты заголовков и описаний для страниц, найти в длинном тексте повторы и воду, объяснить незнакомый технический термин, подготовить черновик ответа на типовой вопрос клиента, сравнить страницы конкурентов по структуре.
Где без человека она вредит: модель не знает реального спроса в вашем городе и выдумывает частотность; уверенно приписывает компании услуги, которых нет; путает цены и сроки; не видит, что конкретная страница проседает в Яндексе из-за технической проблемы, а не из-за текста; не знает, какие обещания вам запрещено давать по закону. Тексты, собранные нейросетью без правки и проверки фактов, поисковые системы научились отличать — подробно об этом в разборе о том, заменит ли ИИ SEO-специалиста.
Есть и обратная сторона. Клиенты всё чаще задают вопросы не поисковику, а нейросетям и Алисе, и получают готовый ответ с названиями компаний. Управлять ИИ для бизнеса теперь значит ещё и понимать, что нейросети говорят о вас самих. Этим занимается продвижение в нейросетях — оно лучше всего работает вместе с классическим SEO.
И главное для владельца бизнеса. Если ваш маркетолог или подрядчик говорит «теперь всё делает нейросеть, поэтому дешевле», спросите, кто проверяет результат и кто за него отвечает. Ответ на этот вопрос показывает, управляет человек ИИ или просто им пользуется.
Как владельцу бизнеса начать: план на первый месяц
Опрос hh.ru показывает, что корпоративными ИИ-сервисами работодателя пользуются лишь 8,4% тех, кто работает с нейросетями. Остальные пользуются тем, что нашли сами. Значит, в большинстве компаний ИИ уже используют, но никто этим не управляет: неизвестно, какие данные уходят в чужие сервисы, кто проверяет ответы и сколько времени это реально экономит.
- Неделя первая — попробовать самому. Возьмите три свои повторяющиеся задачи: ответ на типовой запрос клиента, разбор отчёта, подготовку коммерческого предложения. Сделайте их с нейросетью и честно засеките время с учётом проверки. Без личного опыта управлять этим процессом не получится.
- Неделя вторая — составить карту задач. Выпишите, на что уходит время у вас и у людей в компании. Отметьте, где работа по шаблону, а где решение и ответственность. Первое — кандидаты на передачу ИИ, второе — то, что остаётся за человеком.
- Неделя третья — правила. Коротко и письменно: какие сервисы можно использовать, какие данные нельзя передавать (персональные данные клиентов, договоры, пароли), что проверяется обязательно перед отправкой.
- Неделя четвёртая — один процесс. Выберите одну задачу и встройте ИИ в неё целиком: кто делает черновик, кто проверяет, где лежат готовые инструкции. Через месяц сравните время и количество ошибок до и после.
Не начинайте с покупки дорогой системы или ИИ-агента, который «всё сделает сам». Сначала нужен порядок в задачах, иначе автоматизация ускорит хаос. Подробнее о том, когда агент действительно нужен, — в статье про ИИ-агентов для бизнеса, а о том, где нейросети реально экономят деньги, а где их сливают, — в разборе задач нейросетей для бизнеса.
Отдельно о людях. В ноябре 2025 года Герман Греф на конференции AI Journey рассказал, что Сбер с помощью мультиагентной ИИ-системы сокращает 20% персонала центрального аппарата, признанного неэффективным. Владимир Путин ответил, что неэффективных работников не бывает — бывают те, с кем плохо работали, и Греф с этим согласился. Для малого бизнеса вывод простой: решение о людях не делегируется машине, а переобучить человека, который знает ваших клиентов, обычно дешевле, чем найти нового.
Как начать специалисту, которому страшно за своё место
Если ваши задачи всё больше похожи на то, что умеет нейросеть, у вас всё равно есть преимущество перед машиной — знание предмета. Его и нужно превратить в навык управления.
- Начните со своей работы, а не с курсов про ИИ вообще. Возьмите задачи, которые делаете каждый день, и научитесь делать их с нейросетью быстрее и без потери качества.
- Учитесь проверять. Найдите, где модель чаще всего ошибается именно в вашей области. Это знание ценнее любой подборки промтов.
- Ведите библиотеку инструкций. Удачные постановки задач сохраняйте и улучшайте. Через пару месяцев у вас будет личный набор, которого нет у коллег.
- Растите в сторону решений и общения. По докладу форума, самые востребованные базовые навыки — аналитическое мышление, гибкость, лидерство и влияние. Это ровно то, что не автоматизируется.
- Не прячьте использование ИИ. Покажите руководителю или клиенту, сколько времени экономите и как проверяете результат. Человек, который внедряет ИИ в отделе, сам становится тем, кто управляет изменениями, а не тем, кого они касаются.
Если ваша профессия связана с сайтами и интернет-маркетингом, учиться удобнее на реальном проекте, а не на абстрактных примерах. Для этого есть индивидуальные курсы SEO — обучение один на один, где я разбираю ваш сайт и ваши задачи, стоимость 75 000 ₽.
Четыре ошибки при внедрении ИИ
- Запретить всё. Люди всё равно будут пользоваться нейросетями, только тайком и без правил.
- Разрешить всё. Загрузка базы клиентов или договоров в первый попавшийся сервис — прямой путь к утечке.
- Сократить людей до того, как процесс заработал. Сначала убедитесь, что ИИ выполняет задачу стабильно и кто-то проверяет результат.
- Считать экономию без проверки. Черновик за минуту плюс час исправлений — это не экономия. Время считается от задачи до готового результата.
О том, сколько ИИ реально приносит бизнесу и где начинается хайп, есть отдельный разбор: сколько денег ИИ приносит бизнесу.
Частые вопросы
Нужно ли учиться программировать, чтобы управлять ИИ?
Нет. Управление ИИ — это постановка задачи, контекст, проверка и ответственность. Программирование нужно тем, кто создаёт ИИ-инструменты, а не тем, кто ими пользуется в работе.
Можно ли загружать в нейросеть рабочие документы?
Только по правилам компании. Персональные данные клиентов, пароли и коммерческую тайну в общедоступные сервисы лучше не передавать. Если нужно разобрать документ, уберите из него имена, реквизиты и суммы.
В каком возрасте уже поздно?
По опросу hh.ru, нейросети в работе применяют 70,4% соискателей 18–24 лет и 34,7% старше 55. Разрыв есть, но опытным людям проще проверять результат, потому что они лучше знают предмет. Поздно не бывает, бывает долго откладывать.
Коротко
- По прогнозу Всемирного экономического форума, к 2030 году исчезнет 92 млн рабочих мест и появится 170 млн новых; 39% навыков устареют.
- Стэнфорд: спад занятости идёт там, где ИИ заменяет задачи человека, а там, где дополняет, занятость стабильна или растёт.
- Работникам с навыками ИИ, по данным PwC, платят в среднем на 62% больше.
- Управлять ИИ — значит ставить задачу, давать контекст, проверять, отвечать за итог и встраивать в процесс; программировать для этого не нужно.
- Главный навык — проверка: даже по оценке разработчиков заметная доля ответов требует доработки.
- Владельцу бизнеса стоит начать с личного опыта, карты задач и простых правил, а не с покупки дорогой системы.
Если хотите понять, как ИИ уже меняет поиск в вашей нише и что это значит для сайта и заявок, это удобно разобрать на SEO-консультации. Я работаю лично, без менеджеров, а основная услуга — SEO-продвижение сайтов для бизнеса.
Увеличьте позиции и продажи вашего сайта
Профессиональное SEO-продвижение с гарантией результата. Выберите подходящую услугу:
Остались вопросы по продвижению?
Меня зовут Анатолий Кузнецов, я SEO-оптимизатор с 20-летним стажем. Разберу ваш сайт, отвечу на вопросы и подскажу, что улучшить для роста позиций в Яндексе.
Связаться со мной →
Комментарии
Я бухгалтер на аутсорсе, веду одиннадцать небольших фирм. Первичку уже сейчас разносит программа, сверки тоже наполовину автоматические. Клиенты всё чаще спрашивают, за что они мне платят, если «всё делает робот». Как объяснять, не оправдываясь?
Объяснять стоит не процессом, а риском: клиент платит не за разнесение первички, а за то, что к нему не придут с доначислениями. Программа сопоставит документы, но не скажет, что сделка выглядит для налоговой подозрительно или что поставщик похож на однодневку. Хороший ход — показать клиенту, что именно вы проверяете после программы: список из пяти-семи пунктов с примерами ошибок, которые ловили за последний год. Тогда разговор уходит от «за что платить» к «сколько стоит ошибка». И честно пересмотрите сами, какие операции у вас действительно стали быстрее: если на одного клиента уходит вдвое меньше времени, можно взять больше клиентов, а не снижать цену.
Мне кажется, тут подмена. Сегодня «управлять ИИ» — навык, а через пару лет модели сами будут ставить себе задачи и проверять друг друга. Агенты уже так умеют. Получается, учимся тому, что тоже скоро автоматизируют.
Работаю копирайтером девятый год. В прошлом году потеряла двух постоянных заказчиков: сказали, что теперь им тексты делает нейросеть. Один через четыре месяца вернулся — у него в описаниях товаров оказались характеристики, которых у товара нет, и покупатели начали возвращать заказы.
У меня небольшая логистическая компания, восемь человек в офисе. Менеджеры давно пользуются чат-ботами, но я не знаю, что они туда загружают. Запрещать не хочу, но и разрешать вслепую страшно. С чего начать правила, если юриста нет?
Начните с короткого списка того, что передавать нельзя, — его можно составить за вечер без юриста. Обычно туда входят персональные данные клиентов и водителей, номера договоров и реквизиты, цены по конкретным контрагентам, логины и пароли. Второй пункт — какие сервисы разрешены: лучше один-два, которые вы сами проверили, чем всё подряд. Третий — что проверяется перед отправкой клиенту: суммы, даты, адреса, сроки доставки. Соберите менеджеров на полчаса и спросите, для чего они уже используют нейросети, — так вы узнаете реальную картину и не придумаете правила, которые никто не будет выполнять. Через месяц пересмотрите список по тому, что выяснилось на практике.
Про молодых в исследовании очень точно. Сын закончил университет по специальности аналитика данных, полгода не может найти первую работу. На собеседованиях говорят, что простые задачи теперь делает нейросеть, а опытных берут охотнее.
Скептически отношусь к цифрам Challenger. Компании в США увольняют людей из-за ставок и падения спроса, а в пресс-релизе пишут про ИИ, потому что это красиво звучит для акционеров. Вы сами это в статье упомянули.
Да, и это важная оговорка: цифры Challenger — формулировка самих компаний, а не замер. Challenger считает причины так, как их называют сами работодатели, и руководитель компании прямо признаёт, что упоминать ИИ стало выгодно перед инвесторами. Но даже с этой поправкой цифра показательна: ещё в 2023 году ИИ почти никто не называл причиной, а в 2026-м это первая причина по частоте. Для оценки реального влияния лучше подходят исследования вроде стэнфордского, где смотрят на фактическую занятость по зарплатным данным, а не на пресс-релизы. Они показывают более спокойную, но устойчивую картину: удар приходится на простые начальные задачи. Так что вы правы насчёт преувеличения, но направление движения от этого не меняется.
Мне 54, работаю администратором в стоматологии. Попробовала по совету дочери составлять в нейросети напоминания пациентам и ответы на отзывы. Оказалось удобно, но два раза она перепутала часы работы клиники, хотя я их указывала. Теперь проверяю каждое сообщение.
Владею двумя цветочными магазинами. Попросил нейросеть разобрать отчёт по продажам за квартал — получил красивую выжимку с выводом, что лучше всего продаются розы. Это я и так знал. А вот почему упали продажи во втором магазине, она так и не объяснила.
Это типичная ситуация: модель пересказывает то, что лежит на поверхности данных, потому что не знает контекста. Она не в курсе, что рядом со вторым магазином могли перекрыть улицу, открыть конкурента или поменять продавца. Попробуйте поставить задачу иначе: дайте ей данные обоих магазинов по неделям, перечислите события, которые знаете сами, и попросите найти недели, где второй магазин отстал сильнее обычного. Тогда она поможет сузить поиск, а причину найдёте вы. Нейросеть хорошо находит закономерности в цифрах, но объяснять их приходится человеку, который знает, что происходило на месте. Это и есть разница между «спросить» и «управлять».
Работаю HR в производственной компании. Руководство хочет «внедрить ИИ» и сократить подбор с трёх человек до одного. При этом никто не может сказать, какие именно задачи передадут нейросети. Похоже на ту самую ошибку номер три из списка.
Не соглашусь, что программирование не нужно. Без базового понимания, как устроены модели, человек не поймёт, почему она ошибается, и будет верить ей там, где нельзя. Хотя бы на уровне «это предсказание текста, а не база знаний».
С последней фразой согласен полностью, но это не программирование, а понимание принципа. Человеку достаточно знать, что модель продолжает текст по вероятностям, не хранит точных фактов и не знает того, чего нет в её данных или в вашем запросе. Из этого прямо следуют правила: давать контекст, проверять цифры и имена, не спрашивать о свежих событиях без источника. Писать код для этого не нужно, как не нужно разбираться в устройстве двигателя, чтобы понимать, почему зимой нужна другая резина. Программирование открывает другие возможности — собрать свой инструмент или автоматизировать процесс, — и тем, кто хочет туда расти, оно действительно пригодится.
Веду соцсети для пяти салонов красоты. Нейросеть генерирует мне идеи постов и подписи, но всё равно каждую неделю езжу в салоны снимать живые фото мастеров и работ. Без этого посты получались одинаковые, как у всех, и вовлечённость падала.
Интересно, как это всё посчитать для малого бизнеса. У меня мебельный цех на двенадцать человек, нейросеть пока помогает только с коммерческими предложениями. Есть ли смысл вообще вкладываться в обучение людей, или это история для крупных компаний?