Ученые Президентской академии оценили сценарии развития рынка труда России с учетом влияния ИИ в отраслевом разрезе. Генеративный искусственный интеллект поможет сэкономить до 25% времени сотрудников и закрыть до 80% текущей нехватки кадров. Отрасли с высокими темпами роста потребности в кадрах — торговля, финансы, страхование, связь, наука — наиболее подвержены влиянию изменений в производительности труда, что делает их самыми перспективными для внедрения генеративного ИИ.
Генеративные модели могут делать часть работ, например, в такой отрасли, как бухгалтерия / © Omrihayu, en.wikipedia.org
Результаты исследования опубликованы в журнале Экономические и социальные перемены: факты, тенденции, прогноз. Рынок труда России испытывает острый кадровый голод. По данным Росстата, в июле 2024 года уровень безработицы достиг исторического минимума – 2,4%. Внедрение генеративного ИИ становится стратегическим приоритетом для отраслей с высокой чувствительностью к кадровому дефициту и позволит: снизить зависимость от нехватки персонала, повысить эффективность существующих сотрудников, обеспечить устойчивое развитие в условиях кадровых ограничений.
Под генеративным ИИ авторы исследования понимают модели, работающие с текстом, т.е. большие языковые модели. Генеративный ИИ обладает большим потенциалом для повышения эффективности работы в различных областях за счет кардинального изменения части рабочих процессов и усиления человеческих возможностей. При наличии алгоритмизируемых, часто повторяющихся задач, риск ошибки в которых не критичен, генеративные модели могут делать часть работ, в том числе создавать черновики текстов, коды или дизайн, анализировать большое количество информации, ускоряя рабочие процессы, например в бухгалтерии, маркетинге, HR и так далее.
На основе анализа имеющихся данных ученые Президентской академии оценили потенциал влияния генеративного ИИ на рынок труда в разрезе отраслей экономики. Отрасли были разделены на три группы в зависимости от темпов изменения потребностей в кадрах, и с помощью статистических данных и экспертных оценок определена степень влияния генеративного искусственного интеллекта на эффективность труда в каждой из них.
В своей работе авторы использовали данные Росстата о динамике уровня безработицы и потребностей в кадрах по отраслям; официальные прогнозы Минэкономразвития и Минтруда России до 2026 года; Прогноз долгосрочного социально-экономического развития России до 2030 года, а также текущий прогноз социально-экономического развития России на 2024 год и на плановый период 2025 и 2026 годов Минэкономразвития России.
Как подтвердило исследование, отрасли с высокими темпами роста потребности в кадрах наиболее подвержены влиянию изменений в производительности труда, что делает их наиболее перспективными для внедрения генеративного ИИ.
«Ранжирование отраслей по темпам изменения потребностей в кадрах позволяет государству более эффективно разрабатывать и реализовывать политику в области занятости, образования и технологического развития. Это помогает сосредоточить усилия на тех секторах, где дефицит кадров наиболее критичен, а внедрение генеративного ИИ может дать максимальный эффект. Для более точной оценки влияния генеративного ИИ на производительность труда необходимо построение прогноза развития рынка труда с учетом особенностей каждой отрасли», – говорит один из авторов исследования руководитель отдела изучения и развития искусственного интеллекта в сфере государственного управления Президентской академии Петр Отоцкий.
Для большинства отраслей экономики авторы получили уравнения с высокими коэффициентами детерминации (более 0,8). Низкие значения коэффициентов детерминации (менее 0,5) получены только в таких отраслях, как строительство (как отрасли, чувствительной к изменениям в экономике), а также в отраслях, на которые повлияла пандемия коронавируса (торговля, деятельность гостиниц и предприятий общественного питания и образование) и которые сильно зависят от внешних факторов (добыча полезных ископаемых).
Проведенные расчеты также показали, что в ряде отраслей генеративный ИИ может существенно изменить баланс рабочих мест, особенно в тех из них, где по полученным оценкам выше уровень проникновения технологии и рост эффективности труда (например, торговля оптовая и розничная; ремонт автотранспортных средств и мотоциклов; деятельность в области информации и связи; деятельность финансовая и страховая; деятельность профессиональная, научная и техническая; образование; деятельность в области культуры, спорта, организации досуга и развлечений). Примечательно, что в сумме эти отрасли формируют более 25% ВВП.
«Возникает возможность оценивать необходимый уровень проникновения технологии для получения определенного заданного эффекта либо, наоборот, оценивать возможный эффект с учетом предположений об уровне проникновения технологии», – подчеркивается в исследовании.
Другой ключевой вывод исследования – необходимость управления эффектами от внедрения новых технологий, которая может закрыть 80% текущей нехватки рабочих мест. Адаптивная способность рынков будет зависеть от того, насколько быстро государство и компании смогут интегрировать эти технологии в экономику. Прогнозы показывают, что при массовом применении генеративного ИИ технология позволит не только нивелировать нехватку кадров, но и обеспечить общий рост ВВП на 2,5%.
Таким образом, генеративный ИИ рассматривается в исследовании не как инструмент замены труда человека, а как способ повышения эффективности труда. Генеративный ИИ на существующем уровне развития технологии позволяет сэкономить до 15–25% времени сотрудников на выполнение рутинных задач, связанных с обработкой и анализом текстовой информации. Доля сотрудников, выполняющих такую работу, в различных отраслях экономики достигает 10, 30 и 50% в зависимости от специфики отрасли, что является потенциалом для применения генеративного ИИ в экономике.
«Возможные изменения баланса на рынке труда столь существенны, что изменяют точки экономического равновесия и множество обратных связей, которые придется учитывать в дальнейшем. Однако предложенный метод оценки влияния технологии может лежать в их основе, он устойчив по отношению к изменению экспертных оценок исходных параметров модели и даёт начальную оценку трансформации занятости в отраслях экономики, от которой можно отталкиваться в дальнейших исследованиях», – резюмирует Петр Отоцкий.
