Краткий вывод: цифровизация и ИИ смещают спрос с рутинных, повторяющихся задач к задачам с высокой долей нерутинного восприятия, творчества и социального взаимодействия; это сокращает рабочие места в одних секторах и создаёт новые в других — эффект чистой занятости зависит от гибкости системы образования и политики.
1) Какие профессии наиболее уязвимы
- Рутинные офисные и административные роли (бухгалтерия начального уровня, ввод данных, обработка форм) — высокая вероятность автоматизации при доле рутинных задач $\gtrsim 70\%$.
- Производственные позиции с предсказуемыми операциями (сборка, укладка) и логистика (складская сортировка, базовая упаковка).
- Транспорт ( отдельные виды вождения) по мере внедрения автономных систем.
- Рутинные юридические/медицинские вспомогательные функции (поиск прецедентов, первичный triage) — уязвимость зависит от качества ИИ в области понимания языка.
Прогнозный риск суммарно можно формализовать: если для каждой профессии $i$ задать долю занятости $s_i$ и вероятность автоматизации $p_i$, ожидаемая доля «экспонированных» рабочих мест примерно ${\sum }_i{s}_i{p}_i$.
2) Какие новые компетенции будут востребованы
- Цифровая грамотность и работа с данными: базовая дата-аналитика, визуализация, понимание ML-результатов.
- Навыки «человеческого» взаимодействия: коммуникация, переговоры, эмпатия, координация команд.
- Креативность и критическое мышление: задавать вопросы, формулировать задачи для ИИ, оценивать результаты.
- Системное мышление и междисциплинарность: интеграция технологий в процессы.
- Технические компетенции: ML-инженерия, MLOps, безопасность, этика ИИ, интерфейсный дизайн.
- «Гибкие» навыки: обучаемость (lifelong learning), адаптивность, управление карьерами.
Можно ориентир: инвестиции в переподготовку должны повышать вероятность успешной переквалификации $q$ так, чтобы ожидаемое возмещение затрат $R$ было положительным: $R=\Delta w\cdot T\cdot q-C>0$ (где $\Delta w$ — годовой прирост заработка, $T$ — прогнозный период, $C$ — стоимость обучения).
3) Рекомендации по образованию
- Системная позднесредняя и непрерывная модель: объединение базового образования + модулей переподготовки (stackable credentials).
- Интеграция цифровой и аналитической грамотности с ранних ступеней; развитие «мягких» навыков через проектную работу.
- Расширение дуального образования и стажировок: субсидирование мест обучения в компаниях, где применяется ИИ.
- Публичная платформа микро-сертификатов и горячая линия по профориентации на уровне занятости; финансирование программ с измеримыми результатами (показатель успеха — доля трудоустроенных после курса $>$ заданного порога).
- Целевые гранты для уязвимых групп (возраст, низкая квалификация) и налоговые кредиты для работодателей, инвестирующих в переподготовку.
4) Налогообложение и стимулы
- Сдвиг налоговой базы: снизить налоговую нагрузку на труд (уменьшение ставок налогов на заработную плату) и увеличить налогообложение капитала/автоматизации — например, налог на прирост производительности от автоматизации или налог на «капитальные сервисы ИИ». Цель — internalize externality замещения труда.
- Альтернатива «налогу на роботов»: более прагматичная формула — налоговый кредит на найм/обучение: если фирма т наняла и обучила работника, предоставлять кредит $c$ против налога; сбалансировать бюджет сокращением льгот на автоматизацию.
- Привязка льгот к созданию рабочих мест: R&D-кредиты частично зависят от индикатора сохранённых/созданных рабочих мест $\Delta L$.
- Для оценки — бюджетный нейтралитет можно формализовать: если дополнительная ставка налога на капитал $\Delta t_K$ умноженная на налоговую базу капитала $K$ компенсирует снижение налога на труд $\Delta t_L$ на базу труда $L$: $\Delta t_K\cdot K\approx \Delta t_L\cdot L$.
5) Социальная защита и рынок труда
- Активная полагающаяся защита: усиление программ переобучения + интенсивная служба занятости с персонализированными маршрутами к трудоустройству.
- Временные механизмы доходной защиты: страхование потери дохода на переходный период (earning insurance) вместо длительных пособий; поддержка частичной занятости и гибридных схем.
- Портируемые/временные социальные права (медстраховка, пенсионные накопления) для gig/платформенных работников.
- Экспериментальная базовая гарантия дохода/минимальный доход (UBI) в виде пилотов для оценки влияния на переквалификацию и активность — стоимость программы $C_{UBI}=N\cdot B$ (где $N$ — охват, $B$ — базовая выплата). Пилоты должны сравнивать UBI с целевыми программами переобучения по KPI занятости.
- Гарантированные общественно полезные работы как буферный спрос в регионах с деиндустриализацией.
6) Оценка и мониторинг
- Ввести индексы: индекс экспозиции к автоматизации по отраслям $A{E}_j$, индекс участия в переподготовке $T{R}_j$, и измерять изменение занятости $\Delta E_j$ ежеквартально.
- Аналитика в реальном времени (административные данные, вакансии, обучение) для быстрой корректировки политики.
Коротко о приоритетах: первоочередно масштабировать переподготовку и систему активного рынка труда; налогово — смещать нагрузку с труда на налоговую базу, связанную с автоматизацией; социально — гибридные схемы доходной защиты с акцентом на стимул к переквалификации.