Мифы об ИИ-апокалипсисе: за чем стоит следить на самом деле
MIT, Brookings и Dallas Fed опубликовали исследования в 2026 году с одним выводом: реальная угроза не там, где её ищут в заголовках.
4 мифа, которые мешают видеть реальное
AI заберёт все рабочие места
AI замещает конкретные задачи, а не профессии целиком. Dallas Fed (февраль 2026): AI заменяет кодифицированные знания — то, что есть в учебниках. Тактические знания — опыт, суждение, контекст — он дополняет. Калькуляторы не уничтожили бухгалтеров. Они изменили их работу.
AGI уже близко — несколько лет
Учёные и экономисты глубоко расходятся по срокам и методу. Нет консенсуса. Разрыв между теми, кто "предсказывает" (техно-энтузиасты), и теми, кто "измеряет" (экономисты, когнитивисты). LLM хорошо имитируют рассуждение, но имитация — это не рассуждение.
Крупные компании выиграют, малые проиграют
Данные SBA показывают обратное: малый бизнес закрывает разрыв с корпорациями быстрее, чем за любой предыдущий технологический цикл. Отсутствие legacy-систем — это преимущество адаптации, а не недостаток.
AI — нейтральный инструмент
MIT/Brookings (Acemoglu, Autor, Johnson, 2026): рынок смещён в сторону автоматизации из-за налоговых стимулов (капитал облагается меньше, чем труд), корпоративных incentives (автоматизация = контроль), и path dependence. AI встроен в экономические стимулы.
Кодифицированное vs тактическое знание
Ключевое разделение, которое игнорируют заголовки. Не "AI заменяет людей" — а "AI заменяет один тип знаний и усиливает другой".
Знания из учебников, процедуры, стандарты. То, что можно описать формально и воспроизвести без опыта.
Опыт, контекст, суждение. То, что накоплено через практику и не передаётся формально.
Вывод Dallas Fed: AI замещает работников на входе в профессию (entry-level) и усиливает опытных. Зарплаты растут именно в AI-exposed профессиях, где важны тактические знания. Общая занятость в США выросла ~2,5% с начала AI-бума — но занятость в секторах с высокой AI-экспозицией отстаёт.
Про-рабочий AI vs Авто-замещающий AI
Acemoglu, Autor и Johnson предлагают пять категорий технологических изменений. Только одна из них однозначно хороша для работников.
Почему рынок тяготеет к автоматизации
Налоговые перекосы. Труд облагается выше, чем капитал. Это встроенный стимул заменять людей машинами.
Корпоративные incentives. Автоматизация = контроль над процессами. Зависимость от конкретных людей — операционный риск.
Path dependence. "Перекос в пользу автоматизации" — это идеология, встроенная в инфраструктуру принятия решений о технологиях.
Что могла бы изменить политика. MIT предлагает перераспределить налоговую нагрузку, ввести IP-защиту для экспертизы работников, создать стимулы для "new task-creating" AI.
Три реальных индикатора
Расслоение внутри профессий
Не "программистов нет" — а "джунов нет, сениоры нужны". Dallas Fed: зарплаты растут там, где важны тактические знания и опыт. Следить за структурой найма внутри каждой профессии, а не за исчезновением профессий.
Автоматизация через налоговую систему
Кто платит, когда компании заменяют людей машинами? Налоги на труд выше, чем на капитал — это встроенный стимул к автоматизации. MIT/Brookings предлагают переосмыслить налоговые перекосы как политический инструмент.
Правила для "кражи экспертизы"
MIT предлагает IP-защиту для экспертизы работников. Когда компания обучает AI на знаниях своих сотрудников — кому принадлежит результат? Следить за законодательными инициативами в США и ЕС.
Главный вывод
Апокалипсис как нарратив выгоден — он продаёт заголовки и привлекает инвестиции. Реальные изменения сложнее и интереснее: они происходят внутри профессий, а не вместо них. AI меняет соотношение ценности разных типов знаний. Понимание этого — конкретное конкурентное преимущество.