Как ИИ на самом деле влияет на профессии: разбор исследования Microsoft на 200 000 рабочих диалогов

В конце 2025 года исследователи Microsoft опубликовали одну из самых интересных на сегодня работ о влиянии генеративного ИИ на рынок труда. В отличие от большинства предыдущих исследований, основанных на экспертных оценках или теоретических моделях, эта работа опирается на эмпирические данные: более 200 000 реальных диалогов пользователей с Bing Copilot.

Идея довольно простая, но сильная: если люди уже сегодня используют ИИ для выполнения рабочих задач, то по этим данным можно понять, какие виды деятельности и какие профессии реально затрагиваются в первую очередь.

Авторы взяли базу O*NET, в которой каждая профессия разложена на набор типовых рабочих активностей (Intermediate Work Activities). Затем с помощью отдельного LLM-пайплайна они классифицировали каждый диалог по двум осям: какую задачу пытался решить пользователь и какие действия фактически выполнял ИИ в ходе диалога.

Это важно, потому что одно дело — когда человек использует ИИ как инструмент и сам остаётся в контуре работы, и другое — когда ИИ по сути выполняет значимую часть задачи самостоятельно. В статье это разделение называется user goal и AI action.

Для каждой активности считались три метрики: как часто она встречается, насколько часто задача успешно завершается и какую долю всей работы в рамках этой активности ИИ способен покрыть. После этого всё это агрегировалось на уровень профессий с учётом того, какие именно задачи в них являются ключевыми.

Результатом стал так называемый AI Applicability Score — не «вероятность увольнения», а оценка того, насколько большая часть работы в профессии в принципе уже сейчас лежит в зоне применимости ИИ.

Самый устойчивый и хорошо читаемый вывод исследования состоит в том, что генеративный ИИ почти полностью сосредоточен на информационном труде. То есть на задачах, связанных с созданием, обработкой, анализом и передачей информации.

Если посмотреть на реальные паттерны использования Copilot, то чаще всего люди просят его писать и редактировать тексты, объяснять сложные темы, готовить справочные материалы, отвечать на вопросы клиентов, структурировать знания и помогать с аналитическими сводками. Эти типы активностей используются в Copilot непропорционально часто по сравнению с их долей в реальной экономике.

Это логично: современные LLM — это в первую очередь универсальные машины для работы с текстом и знаниями.

Когда авторы агрегируют данные на уровень профессий, в топе оказываются почти исключительно роли, где основная ценность — это работа с информацией. Переводчики, писатели и авторы текстов, журналисты, редакторы, PR-специалисты, службы поддержки, различные офисные и административные роли, аналитики, часть специалистов по продажам и консалтингу.

Важно правильно интерпретировать этот список. Речь не о том, что эти профессии «исчезнут». Речь о том, что существенная часть их повседневных задач уже сейчас может быть либо сильно ускорена, либо частично выполнена ИИ.

Один из самых интересных моментов статьи — это разделение двух сценариев использования ИИ. В одних профессиях ИИ в основном используется как усилитель: человек делает ту же работу, но быстрее. В других — часть задач начинает делегироваться ИИ почти целиком.

Например, в технических и математических ролях ИИ чаще выступает как ассистент, помогающий думать и писать. А в бизнес- и финансовых операциях он чаще берёт на себя куски коммуникации, подготовки документов и типовых объяснений.

Это различие важно, потому что оно показывает, где профессии будут эволюционировать как «человек + ИИ», а где структура работы может начать заметно перекраиваться.

В нижней части рейтингов оказываются профессии, завязанные на физическое взаимодействие с миром: строительство, ремонт, обслуживание техники, транспорт, уход за людьми, производство. Не потому, что они экономически «невыгодны для автоматизации», а потому что текущие LLM почти полностью отрезаны от физической реальности.

ИИ может отлично написать инструкцию для сантехника, но не может заменить самого сантехника.

Авторы отдельно подчёркивают, что их метрика не предсказывает сокращения рабочих мест. Исторически технологии редко просто «убивают» профессии. Чаще они меняют их внутреннюю структуру. Классический пример — банкоматы, которые автоматизировали базовые операции, но в итоге роль банковских сотрудников сместилась в сторону работы с клиентами и более сложных задач.

С ИИ, судя по данным, происходит ровно то же самое: сначала он забирает рутину, потом меняет то, за что именно платят внутри профессии.

Если очень упростить, то генеративный ИИ сегодня — это универсальный усилитель для любой работы, где основная ценность заключается в тексте, знаниях, объяснениях и анализе. Это значит, что в ближайшие годы конкурентным преимуществом будет не умение «писать тексты» или «делать отчёты», а умение правильно ставить задачи ИИ, проверять его результаты и встраивать его в рабочий процесс.

И, судя по данным, этот сдвиг уже идёт — не в прогнозах, а в реальном использовании.

Больше полезного про ИИ в Телеграм: