В сети набирает внимание проект от Андрей Карпатый — бывшего директора по ИИ в Tesla и сооснователя OpenAI. Он представил интерактивную карту профессий, которая показывает потенциальное влияние искусственного интеллекта на рынок труда.
В основе исследования — данные Бюро трудовой статистики США:
342 профессии и около 143 миллионов рабочих мест. Визуально карта представляет собой набор прямоугольников: чем больше людей занято в отрасли, тем крупнее блок.
Однако ключевая ценность проекта — не в визуализации, а в методе оценки.
Как считался «риск замены»
Карпатый использовал подход, который он называет «LLM-раскраской». Для анализа применялась модель Gemini Flash, которой был задан промпт с критериями оценки профессий.
Главный из них — «цифровой след» работы.
Если результат деятельности выражается в тексте, коде, аналитике или коммуникации через экран, риск автоматически оказывается высоким.
Шкала оценки
Ключевой вывод
Речь идет не столько о замене профессий, сколько об изменении их структуры.
ИИ в первую очередь вытесняет повторяемые и формализуемые задачи.
Это означает, что внутри одной профессии уровень риска может существенно различаться. Например, дизайнер, работающий по шаблонам, и дизайнер, вовлеченный в стратегию и креатив, находятся в разных зонах.
Почему это важно
Текущая ситуация меняет привычную логику рынка труда. Если раньше автоматизация в большей степени затрагивала физический труд, то теперь под давлением оказался именно цифровой сегмент.
Навыки работы за компьютером больше не являются гарантией устойчивости.
На что стоит обратить внимание
Фокус смещается с профессии на характер задач. Значение приобретают:
Чем выше доля этих элементов в работе, тем ниже риск полной автоматизации.
Карту можно посмотреть по ссылке: https://karpathy.ai/jobs/
Вопрос, который она поднимает, остается открытым:
где находится конкретная профессия на этой шкале — и какие задачи в ней действительно уязвимы?
В основе исследования — данные Бюро трудовой статистики США:
342 профессии и около 143 миллионов рабочих мест. Визуально карта представляет собой набор прямоугольников: чем больше людей занято в отрасли, тем крупнее блок.
Однако ключевая ценность проекта — не в визуализации, а в методе оценки.
Как считался «риск замены»
Карпатый использовал подход, который он называет «LLM-раскраской». Для анализа применялась модель Gemini Flash, которой был задан промпт с критериями оценки профессий.
Главный из них — «цифровой след» работы.
Если результат деятельности выражается в тексте, коде, аналитике или коммуникации через экран, риск автоматически оказывается высоким.
Шкала оценки
- 0–3 балла — физический труд
- Электрики, пожарные, водолазы — профессии, требующие присутствия и работы «в поле».
- 4–6 баллов — гибридный формат
- Врачи, учителя, сотрудники правоохранительных органов. ИИ способен помогать, но не заменяет человека.
- 7–9 баллов — цифровые профессии
- Программисты, дизайнеры, бухгалтеры — сферы, где влияние ИИ развивается наиболее быстро.
- 10 баллов — максимальная автоматизация
- Рутинные операции с данными: ввод, сортировка, базовая обработка.
Ключевой вывод
Речь идет не столько о замене профессий, сколько об изменении их структуры.
ИИ в первую очередь вытесняет повторяемые и формализуемые задачи.
Это означает, что внутри одной профессии уровень риска может существенно различаться. Например, дизайнер, работающий по шаблонам, и дизайнер, вовлеченный в стратегию и креатив, находятся в разных зонах.
Почему это важно
Текущая ситуация меняет привычную логику рынка труда. Если раньше автоматизация в большей степени затрагивала физический труд, то теперь под давлением оказался именно цифровой сегмент.
Навыки работы за компьютером больше не являются гарантией устойчивости.
На что стоит обратить внимание
Фокус смещается с профессии на характер задач. Значение приобретают:
- способность работать с неопределенностью
- принятие решений
- коммуникация
- креативность и создание нового контекста
Чем выше доля этих элементов в работе, тем ниже риск полной автоматизации.
Карту можно посмотреть по ссылке: https://karpathy.ai/jobs/
Вопрос, который она поднимает, остается открытым:
где находится конкретная профессия на этой шкале — и какие задачи в ней действительно уязвимы?
