ИИ набирает до 67% на задачах банкиров и юристов: грозит ли «мёртвая экономика»

Про «мёртвый интернет» спорят давно: якобы большую часть контента в сети пишут боты. Цифры у этой теории появились. Агентство Graphite проанализировало 43 тысячи англоязычных страниц из Common Crawl и выяснило, что в ноябре 2024 года машинных текстов стало больше, чем написанных людьми. Теперь тот же вопрос задают про работу: что, если офисные задачи массово отдадут ИИ? Юрист Оуэн Макгранн назвал этот сценарий «мёртвой экономикой». Сценарий пока гипотетический, но у него есть измеримая база.

Что модели уже умеют делать за «белых воротничков»

Два бенчмарка показывают, где проходит граница. APEX от Mercor проверяет работу инвестбанкира, консультанта, юриста крупной фирмы и врача первичного звена, по 100 заданий на профессию. Типичная задача: разобрать финансовую модель в таблице, провести расчёты и оформить выводы. GPT 5, Gemini 3 Pro, Opus 4.5 и более новые модели выполняют по контрольным критериям до 67%.

GDPVal от OpenAI шире: 1320 заданий для десятков профессий, составленных практиками со средним стажем 14 лет. К промптам приложены документы, таблицы и чертежи. Например, нужно спроектировать оснастку для стенда кабельной машины так, чтобы цикл намотки и размотки обслуживал один оператор, а не двое. Эксперты вслепую сравнивали решения нейросетей и людей. Лучшие модели признавали не хуже человека чуть меньше чем в половине случаев. Ещё несколько месяцев назад, по словам главы отдела передовых оценок OpenAI, ни одна модель не могла конкурировать с отраслевыми экспертами.

Бенчмарк при этом остаётся бенчмарком: это отдельные задачи с готовыми вводными, а не живая работа с неясными требованиями и ответственностью за результат.

Почему сокращения выгодны одной компании и вредны рынку

Для отдельной фирмы логика проста. Block в феврале сократил 4 тысячи человек, около 40% штата, и котировки выросли более чем на 20%. Рынок поощряет такие решения.

Исследователи из Пенсильванского и Бостонского университетов смоделировали, что будет, если так начнут делать все. Если уволенных больше, чем появляется новых рабочих мест, исчезает платёжеспособный спрос. Уволенные тратят меньше, падает выручка их бывших клиентов, те тоже режут штат, и круг замыкается. Одна компания в одиночку этого не остановит. Экономист Зои Гитциг добавляет психологию: многие гендиры сокращают людей просто потому, что так делают соседи.

Дарио Амодеи ещё в мае 2025 года прогнозировал, что за один-пять лет ИИ вытеснит до половины начинающих офисных сотрудников, а безработица в США вырастет до 10–20%. Он сам ставит против того, что рынок успешно адаптируется.

Есть и фискальный риск. В апрельском документе OpenAI о промышленной политике сказано: если зарплат станет меньше, сократятся налоги, на которые держатся пенсии и медицина.

Что предлагают и где скепсис

OpenAI называет свои идеи материалом для дискуссии, а не готовой программой. Среди них: сдвинуть налоги с доходов физлиц на капитал и корпоративную прибыль, создать общественный фонд, который инвестирует в долгосрочные активы и делит доход между жителями, ввести пособия и ваучеры на обучение, которые включаются при превышении порога безработицы.

Макгранн идёт радикальнее: доли государства в ИИ-инфраструктуре, жёсткий антимонопольный контроль, налоговый режим для автоматизированного труда. Исследователи из Пенсильванского и Бостонского университетов считают, что в их модели не помогают ни корректировка зарплат, ни налог на капитал, ни доли сотрудников в компании, ни универсальный базовый доход. Работает только пигувианский налог, привязанный к объёму автоматизированных задач. Он заставляет компанию компенсировать ущерб третьим лицам, как налог на выбросы.

Скептики возражают, что страшилки удобны менеджменту, а заменять ИИ в первую очередь стоило бы управленцев. Дарон Аджемоглу напоминает, что в 1987–2016 годах технологии тоже вытесняли людей, а новых задач появлялось недостаточно быстро. Экономика при этом не умерла.

Что с этим делать практикам

Выводов три. Во-первых, смотрите на бенчмарки вроде APEX и GDPVal как на карту автоматизируемых задач. Берите задачи, а не профессии целиком: 67% по критериям не равно замене специалиста. Во-вторых, если вы строите продукт для корпоративных клиентов, не закладывайте в расчёт окупаемости только сокращение штата. Сценарий, где клиенты массово режут людей, бьёт и по их платёжеспособности. В-третьих, следите за регулированием: налоги на автоматизацию пока лишь предмет обсуждения, но стоимость внедрения ИИ они могут изменить.

Ограничение у всей истории одно: это сценарии и модели, а не фактическая статистика рынка труда. Но то, что решение о сокращениях перестало быть чисто внутренним делом компании, уже видно по цифрам.