Andrej Karpathy, a co-founder of OpenAI, spent a Saturday morning in March 2026 on a small side project: he had an LLM score how "digitally exposed" a few hundred U.S. occupations are, on a 0-to-10 scale. Software developers landed at 9 out of 10. The story spread fast, and by the next morning Karpathy had taken it down (it has since been restored with added disclaimers). He said it had been "wildly misinterpreted," even though the project notes explicitly warned that a high score did not mean a job would disappear.
Те, як рахують оцінки ризику втрати роботи через ШІ, важливіше за саму цифру із заголовка. Проєкт Карпатого, Goldman Sachs, Міжнародний валютний фонд (МВФ) і Anthropic по-різному визначають «вразливість», тому їхні відсотки не можна підміняти одне одним.
Одна й та сама професія може отримати дуже різні оцінки залежно від методу, і жодна з цих метрик сама по собі не скаже, чи втратите ви роботу.
TL;DR
- Публічні цифри «ризику втрати роботи через ШІ» — це не одна метрика. Багато з них починають із теоретичної вразливості на основі навичок або завдань професії, тоді як Anthropic вимірює ще й спостережуване використання ШІ; опитування роботодавців, як-от Всесвітнього економічного форуму, використовують узагалі інший інструмент.
- Теоретичні оцінки й оцінки за спостережуваним використанням можуть різко розходитися для однієї професії. У порівнянні Anthropic за березень 2026 року теоретична оцінка Eloundou et al. давала завданням у комп'ютерних науках і математиці 94 % вразливості, тоді як оцінка спостережуваної вразливості Anthropic сягала 33 %.
- Рецензоване дослідження 2025 року в PNAS Nexus зіставило дванадцять оцінок вразливості з ризиком безробіття й показало, що найкраща окрема оцінка пояснювала лише 10,7 % варіації; поєднання всіх дванадцяти піднімало показник до 29,8 %.
- Перш ніж довіряти наступній цифрі «ризику втрати роботи через ШІ», корисно запитати, яким методом її отримано, а не лише що вона показує.
Чого ця стаття не охоплює
Ця стаття пояснює механізм, а не виносить вердикт конкретній професії, тож кілька суміжних питань лишаються поза її межами:
- Вона не ранжує, які професії найбезпечніші чи найуразливіші. Це вже інший жанр.
- Вона не аналізує поточні тенденції найму за віком чи стажем; для таких висновків про ринок праці потрібна окрема доказова база, а не оцінки вразливості.
- Вона не прогнозує, куди рухатимуться можливості ШІ. Питання методології лишається чинним, якими б хорошими не стали майбутні моделі.
Як працює теоретична оцінка вразливості: O*NET, AIOE, Goldman Sachs і МВФ
Індекс AI Occupational Exposure, відомий як AIOE, зіставляє десять категорій застосування ШІ з 52 професійними здібностями з O*NET. Матриця, зібрана краудсорсингом, оцінює, наскільки кожне застосування ШІ пов'язане з кожною людською здібністю, а потім оцінка зважується за тим, наскільки поширені й важливі ці здібності в конкретній професії. Економісти Едвард Фелтен, Манав Радж і Роберт Сіманс опублікували метод у журналі Strategic Management Journal у 2021 році. Він став одним із впливових підґрунть для подальших спроб виміряти вразливість професій до ШІ.
Головне в AIOE — це міра вразливості, а не впровадження. Він оцінює, наскільки прогрес у застосуваннях ШІ перетинається зі здібностями, яких вимагає професія; він не каже, чи використовують там ШІ роботодавці, чи вигідне впровадження економічно й чи скоротиться зайнятість.
МВФ адаптував міру вразливості Фелтена, Раджа й Сіманса в дискусійній записці співробітників за січень 2024 року і доповнив її окремим індексом комплементарності, який відображає, наскільки професія захищена від повного заміщення такими чинниками, як людське судження, соціальний контекст і фізична присутність. За цією методикою МВФ оцінив, що майже 40 % світової зайнятості припадає на високовразливі професії, а в розвинених економіках — близько 60 %.
Аналіз Goldman Sachs за квітень 2026 року робить схожий наступний крок: він поєднує попередню оцінку витіснення ШІ з індексом комплементарності економістів МВФ, щоб відокремити ймовірне заміщення від підсилення. За оцінкою Goldman, чисте гальмування зростання зайнятості в США за минулий рік становило приблизно 16 000 робочих місць на місяць, тоді як професії з потенціалом підсилення завдяки ШІ додавали близько 9 000 робочих місць на місяць.
Примітка: Доповідь Всесвітнього економічного форуму Future of Jobs Report прогнозує 92 мільйони витіснених і 170 мільйонів створених робочих місць до 2030 року, але побудована зовсім інакше. Вона ґрунтується на опитуванні понад 1 000 роботодавців, які повідомляють про очікувані зміни чисельності персоналу: це самозвіт роботодавців, а не оцінка через розкладання завдань. Два структурно різні інструменти опиняються в одному реченні про «X мільйонів робочих місць».
Як Anthropic інакше вимірює «спостережувану вразливість»
Economic Index від Anthropic, уперше опублікований у лютому 2025 року, відштовхується від зовсім інших даних: близько мільйона реальних діалогів у Claude.ai, пропущених через внутрішній інструмент Clio, який зіставляє кожен діалог із конкретним завданням у тій самій базі O*NET, на яку спираються оцінки через розкладання завдань, причому дослідник не читає сам чат. Там, де AIOE запитує, чи міг би ШІ в принципі виконати завдання, Index запитує, про що люди його реально просять. Перший звіт розділив діалоги на 57,4 % підсилення, коли Claude допомагає, а людина й далі керує роботою, і 42,6 % автоматизації, коли Claude фактично виконує завдання від початку до кінця.
У своєму продовженні за березень 2026 року Anthropic перетворила ці дані про використання на нову міру «спостережуваної вразливості». Вона починається із завдань O*NET і теоретичних оцінок вразливості завдань з Eloundou et al. (2023), а потім вважає завдання охопленим, лише якщо воно досить часто трапляється в робочому використанні Claude. Повністю автоматизовані випадки отримують повну вагу, випадки підсилення — половину, а охоплення завдань зважується за часткою часу, яку працівники витрачають на кожне завдання. У професіях комп'ютерних наук і математики теоретична міра β з Eloundou et al. сягає 94 % завдань, тоді як міра спостережуваної вразливості Anthropic — 33 %. Розрив — не суперечність: одна вимірює технічну здійсненність, друга додає спостережуване впровадження й використання.
Не всі читачі звітів Anthropic сприйняли це порівняння на віру. Реагуючи на пов'язаний звіт за січень 2026 року, коментатор на Hacker News написав: «Я очікував побачити показники економічної продуктивності, яку створює використання штучного інтелекту. Натомість я бачу показники використання штучного інтелекту». Цю різницю варто тримати в голові: обсяг використання й економічна продуктивність — не одне й те саме, і жодне з них не дорівнює втраті роботи.
Той січневий звіт 2026 року, власне оновлення Anthropic про економічні примітиви, показує, що співвідношення підсилення й автоматизації знову зсунулося: підсилення попереду з 52 % діалогів проти 45 % автоматизації, плюс нова п'ятичастинна схема, що відстежує складність завдання, навички, сценарій використання, автономність ШІ та успішність виконання. Сприймайте це як новий знімок індексу, що розвивається, а не спростування цифр лютого 2025 року. Патерни використання змінюються, коли люди знаходять нові завдання, які варто делегувати.
Цифра теоретичної вразливості 94 % і цифра спостережуваної вразливості 33 % можуть описувати одну й ту саму професійну категорію без суперечності, бо вимірюють різні речі.
Чому «вразливість» — не те саме, що «втрата роботи»
«Індикатори вразливості показують технологічну чутливість, а не результати на ринку праці».
Міжнародна організація праці, квітень 2026 року
І теоретична, і спостережувана оцінка вразливості відображають щось реальне у стосунку професії до можливостей ШІ. Але жодна не скаже, чи існуватиме ця професія наступного року.
У 2025 році Морган Френк, Йон-Йоль Ан і Естебан Моро перевірили цей розрив на даних про безробіття у США. Вони зіставили дванадцять опублікованих оцінок вразливості з щомісячним ризиком безробіття за професіями і штатами, побудованим на записах страхування на випадок безробіття штатів. Найкраща окрема оцінка пояснювала 10,7 % варіації ризику безробіття за професіями, штатами й місяцями; ансамбль із дванадцяти оцінок пояснював 29,8 %. Базова модель з вимогами до навичок професії, освітою, штатом, роком і сезонністю пояснювала 57,4 %, а додавання ансамблю оцінок вразливості піднімало показник до 75,5 %.
Простіше кажучи, одна оцінка вразливості — слабкий самостійний предиктор ризику безробіття. Значно більша частина варіації пов'язана зі структурою ринку праці, якої в оцінці немає: вимогами до навичок, освітою, географією та сезонністю.
| Вимір | Теоретична вразливість / на основі завдань | Спостережувана вразливість (Anthropic) |
|---|---|---|
| Що вимірює | На яку частину професії ШІ потенційно може вплинути або прискорити її | Які теоретично здійсненні завдання трапляються в робочому використанні Claude |
| Хто використовує | Застосовується в низці академічних та інституційних методик оцінки вразливості | Anthropic, для використання власного Claude.ai |
| Джерело даних | Компоненти професій з O*NET плюс оцінки можливостей ШІ, специфічні для методу | Використання Claude плюс завдання O*NET і теоретична здійсненність |
| Що відображає добре | Де можливості ШІ потенційно можуть вплинути на роботу | Спостережуване впровадження й те, як роботу делегують Claude |
| Що пропускає | Попит, вартість, регулювання й те, чи хтось узагалі цим займеться | Використання поза Claude; відображає користувачів одного продукту |
| Приклад показника | Комп'ютерні науки й математика: 94 % теоретично (Eloundou et al.) | Комп'ютерні науки й математика: 33 % спостережувано |
Опублікована у квітні 2026 року методика AI Jobs Transition Framework від OpenAI робить той самий висновок з іншого боку. Замість того щоб вважати технічну вразливість прогнозом витіснення, вона ставить три запитання: чи може ШІ виконувати значущу частку завдань професії, чи лишається людина центральною ланкою у виконанні або контролі роботи і чи можуть нижчі витрати підвищити попит настільки, щоб поглинути приріст продуктивності? Застосована до 921 професії, що охоплює приблизно 148 мільйонів робочих місць у США, методика відносить близько 18 % робочих місць до категорії підвищеного ризику автоматизації, 24 % — до тих, що, ймовірно, будуть реорганізовані, 12 % — до тих, що можуть зрости завдяки ШІ, і 46 % — до тих, де очікується менше негайних змін.
У дослідженні PNAS Nexus найсильніша окрема оцінка вразливості пояснювала лише 10,7 % варіації ризику безробіття.
Тож коли у вашій стрічці з'явиться наступна цифра «ризику втрати роботи через ШІ», корисно спершу з'ясувати, яким із цих методів її отримано, і лише потім вирішувати, чи варто хвилюватися. Теоретична оцінка вразливості показує, де можливості ШІ перетинаються зі складовими професії. Спостережувана оцінка вразливості додає дані про те, де люди вже застосовують ШІ на практиці. Жодна з них сама по собі не скаже, зросте чи впаде зайнятість у цій професії; для цього потрібні дані ринку праці про найм, попит, зарплати й чисельність персоналу.
Часті запитання
Вразливість професії до ШІ — це те саме, що втрата роботи?
Ні. Теоретична вразливість описує, де можливості ШІ перетинаються з роботою у професії, а спостережувана вразливість додає дані про те, де ШІ використовують на практиці. Жодна не є прямою мірою втрати роботи. Рецензоване дослідження 2025 року перевірило це напряму, зіставивши дванадцять оцінок вразливості з реальними даними про заявки на страхування на випадок безробіття у США: найкраща окрема оцінка пояснювала лише 10,7 % варіації ризику безробіття.
Як насправді рахують ризик втрати роботи через ШІ?
За цифрами з ярликом «ризик втрати роботи через ШІ» стоять кілька методів. Методи теоретичної вразливості розбивають професії на здібності або завдання O*NET і оцінюють, наскільки з ними перетинаються можливості ШІ; точна методика підрахунку відрізняється від дослідження до дослідження. Підхід Anthropic зі спостережуваною вразливістю поєднує теоретичну здійсненність завдань із реальним використанням Claude, робочим контекстом і ступенем автоматизації. Підсумкові цифри різняться, бо вимірюють різні стадії між технічною можливістю й реальним впровадженням.
Чому різні рейтинги ризику через ШІ розходяться щодо однієї й тієї самої професії?
Почасти тому, що вони побудовані на структурно різних методах (розкладання завдань, опитування роботодавців і спостережуване використання відповідають на різні запитання), а почасти тому, що навіть один метод змінюється з часом. Власний Economic Index від Anthropic оцінював підсилення в 57,4 % діалогів Claude у лютому 2025 року і в 52 % у звіті за січень 2026 року, а автоматизація зсувалася відповідно. Знімок на одну дату — не непорушний закон.
Висока оцінка вразливості до ШІ означає, що моя професія зникає?
Сама по собі — ні. Андрій Карпатий, який видалив свій вірусний проєкт про вразливість до ШІ в березні 2026 року, прямо написав у його власному README таке: оцінки — це «грубі прикидки LLM… а не строгі прогнози», а високовразливі професії частіше будуть «переформатовані, а не замінені». Порівняння Anthropic робить цю різницю наочною: у комп'ютерних науках і математиці теоретична міра Eloundou et al. сягає 94 %, тоді як міра спостережуваної вразливості Anthropic — 33 %. Висока цифра на шкалі можливостей — не те саме, що захоплення професії машиною.
Обговорення
Коментарі
Увійдіть, щоб долучитися до обговорення.