Традиционные отчеты о «замене людей ИИ» часто опираются на то, какие задачи *могут* выполнять нейросети. Однако новое исследование из arXiv (2608.20425) предлагает более точный метрик — Agentic Adoption Index (AAI). Он измеряет не потенциал, а реальное поведение: насколько задачи профессии совпадают с уже созданными и опубликованными рабочими процессами ИИ-агентов.
Масштаб данных: от O*NET к Manus Skills Marketplace
Авторы провели семантический анализ, сопоставив спецификации навыков примерно 53 000 ИИ-агентов с базы данных Manus Skills Marketplace с описаниями задач из базы O*NET (около 18 000 заявлений). Это позволило агрегировать данные на уровне конкретных профессий и выявить паттерны реального делегирования полномочий машинам.
Ключевые находки: где скрывается внедрение
Результаты исследования бьют по стереотипам о том, что ИИ в первую очередь угрожает низкоквалифицированному труду или, наоборот, полностью захватывает высший менеджмент. Индекс AAI показывает нелинейную зависимость от уровня образования и зарплаты:
- Пик внедрения: Наблюдается у специалистов с дипломом бакалавра и в среднем-низком сегменте зарплатной шкалы.
- Спад на вершине: Среди самых высокооплачиваемых и высокообразованных профессий уровень делегирования ИИ падает.
- Разрыв с теорией: Профессии, где делегирование реально, сильно отличаются от тех, что ранее считались «наиболее уязвимыми» в рамках традиционных фреймворков оценки рисков.
Почему элита сопротивляется автоматизации?
Техническая доступность (technical availability) объясняет большую часть вариативности, но не может объяснить низкий уровень внедрения в самых образованных секторах. Авторы выделяют две причины этого «провала»:
- Сложность спецификации: Работа в этих сферах слишком плохо поддается предварительному описанию алгоритмами.
- Профессиональная дискреция: Специалисты намеренно сохраняют контроль над темпом кодификации своих процессов, не желая делегировать ключевые решения.
Исследование подчеркивает: чтобы понять будущее рынка труда, нужно отслеживать, как эти два фактора (техническая возможность и человеческое сопротивление) будут меняться во времени, а не просто смотреть на возможности самих моделей.
Источник: arXiv cs.AI ↗