تقرير MIT: AI سيغيّر العمل القائم على النص تدريجياً، لا يقضي على المهن دفعة واحدة

Новое исследование MIT предлагает менее апокалиптический взгляд на влияние ИИ на рынок труда. По версии команды, изменения уже идут быстро, но они больше похожи не на одномоментный обвал профессий, а на постепенный подъём воды: всё больше текстовых задач становятся автоматизируемыми, а у компаний и сотрудников остаётся время на перестройку.

Как это измеряли

Исследователи MIT попытались ответить не на абстрактный вопрос «когда ИИ заменит людей», а на более прикладной: с какими рабочими задачами модели уже справляются в реальных условиях. Для этого они взяли более 3000 текстовых задач из классификации O*NET, которая описывает работу на американском рынке труда, и собрали свыше 17 тысяч оценок от самих работников. Это важный сдвиг по сравнению с лабораторными бенчмарками: речь идёт не о тестах ради тестов, а о том, можно ли поручить модели конкретный кусок работы.

Отдельно MIT сравнивает два сценария развития. Первый — «crashing waves», когда ИИ внезапно становится очень сильным в узком наборе задач и быстро ломает целые категории работы. Второй — «rising tides», когда качество растёт сразу по широкому фронту, без резких скачков в отдельных нишах.

По итогам исследования команда увидела гораздо больше признаков именно второго сценария: прогресс идёт быстро, но более ровно и предсказуемо.

Что показали цифры

Ключевой вывод в том, что ИИ уже сейчас заметно полезен для значительной части текстовой работы, если оценивать результат по порогу «минимально достаточно». Исследователи сосредоточились на 63% рабочих задач в экономике США, которые имеют текстовую природу и потому в принципе подходят для LLM. Внутри этой группы модели смогли выполнить около 60% задач без участия человека на уровне, который менеджер назвал бы приемлемым. Но если поднимать планку до действительно сильного результата, картина меняется: только 26% задач были выполнены на «превосходном» уровне.

• Во втором квартале 2024 года ИИ выполнял задачи длительностью примерно 3–4 часа с успехом около 50% К третьему кварталу 2025 года эта оценка выросла примерно до 65% Если темпы сохранятся, к 2029 году большинство текстовых задач выйдет на 80–95% успеха * Почти безошибочного качества, по оценке MIT, придётся ждать ещё несколько лет Эти цифры хорошо объясняют, почему новость одновременно выглядит тревожной и обнадёживающей. С одной стороны, автоматизация движется быстрее, чем многим хотелось бы. С другой — «минимально достаточно» не равно «надёжно», «качественно» или «лучше человека». То есть бизнес уже может экономить время на черновиках, анализе документов, переписке и рутинной подготовке материалов, но полностью убирать человека из контура пока рано, особенно в дорогих по цене ошибки процессах.

Почему это не обвал

Авторы прямо спорят с популярным сценарием, в котором профессии будто бы исчезают блоками после очередного скачка модели. Их аргумент проще: если способность ИИ растёт плавно сразу во множестве задач, рынок обычно успевает отреагировать. Компании не увольняют людей в день выхода новой модели — им ещё нужно переписать процессы, настроить контроль качества, распределить ответственность и понять, где автоматизация вообще окупается. Поэтому технологический прогресс и экономический эффект не происходят синхронно.

«Это не защита для работников, но прогресс ИИ можно будет замечать заранее», — Нил Томпсон, MIT.

В этом и состоит главная хорошая новость из отчёта. Он не говорит, что рабочие места защищены. Он говорит, что у людей, менеджеров и регуляторов есть шанс замечать изменения заранее, а не проснуться однажды в новой реальности. Для офисных команд это означает не ожидание «дня X», а постепенную пересборку роли человека: меньше механического текста, больше проверки, постановки задач, принятия решений и ответственности за итог.

Что это значит

Для бизнеса вывод простой: пора перестать спорить, заменит ли ИИ сотрудников целиком, и начать разбирать работу на отдельные задачи. Именно там и происходит главный сдвиг. Для специалистов сигнал такой же ясный: выигрывать будут не те, кто игнорирует ИИ, а те, кто быстрее встроит его в свой процесс и сохранит за собой то, что модели пока делают нестабильно — контекст, профессиональное суждение и финальное качество.