По данным пекинского рекрутингового портала Maimai, в январе–мае 2026 года почти четыре из десяти вакансий для выпускников вузов в КНР были связаны с искусственным интеллектом — годом ранее этот показатель составлял три из десяти. В Пекине доля таких позиций достигла половины. Одновременно исследование Гонконгского института управления персоналом зафиксировало 14-летний максимум учебных часов на сотрудника: в 2025 году показатель вырос до 19,4 часа, причём вторым по приоритетности направлением обучения после лидерства стало освоение генеративного ИИ.

Сдвиг фиксируют и в западных экономиках. Экономист Goldman Sachs Джозеф Бриггс оценивает, что под прямым давлением ИИ окажутся около 9% рабочей силы в США — это 15 млн человек, которые будут вынуждены сменить занятие. При этом он ссылается на историческую закономерность: за 80 лет 85% прироста занятости обеспечили новые технологические позиции, а ежегодный оборот рынка (30 млн создаваемых и 29 млн ликвидируемых рабочих мест) способен абсорбировать высвобождаемых работников при ускорении создания вакансий всего на 5%. В Массачусетском технологическом институте, однако, указывают на разрыв между возможностями систем и скоростью их внедрения: доступ к данным и стоимость запуска моделей тормозят автоматизацию, а большинство профессий трансформируются частично, а не исчезают.

Опросы работодателей выявляют разнонаправленные сигналы. В Бразилии исследование с участием более 12 тыс. респондентов показало, что 99% руководителей ожидают сокращения штата под влиянием ИИ в ближайшие два года, а наибольшую отдачу получают компании, которые начали с перепроектирования процессов и картирования компетенций. В то же время, по данным платформы hh.ru, в России 93% компаний жалуются на нехватку у соискателей необходимых навыков, а 68% переходят к навыкоцентричной модели найма, оценивая кандидатов через практические кейсы, а не формальные резюме. Шведский Microsoft Work Trend Index 2026 фиксирует, что более половины работников в стране уже выполняют задачи, которых год назад не существовало, но лишь каждый пятый пользователь ИИ отмечает ясность в указаниях руководства по применению технологии.

На фоне этих процессов разработчики моделей смещают фокус с безотказной генерации ответов на калибровку уверенности. Лаборатории Anthropic, Google DeepMind и OpenAI внедряют техники, позволяющие системам оценивать собственную неопределённость и в случае недостатка данных отвечать «я не знаю» — это рассматривается как способ снизить риски «галлюцинаций» в медицине, праве и инженерии. Следующим измеримым шагом станет рассмотрение в Конгрессе США двухпартийного законопроекта, обязывающего федеральное правительство ежегодно отчитываться о влиянии ИИ на рынок труда, — инициатива призвана сократить разрыв между скоростью распространения технологии и возможностями статистического учёта.