ИИ затрагивает до 80 млн работников ASEAN. Но главный риск не в «исчезновении профессий»

Что именно сказала ILO: широкий охват, но ограниченный сбой

ILO/ILOSTAT сообщает, что генеративный ИИ может затронуть почти 80 млн работников в регионе ASEAN. Формулировка принципиальна: «может затронуть», а не «уже вытеснил» или «гарантированно вытеснит». Это оценка потенциального воздействия на рабочие задачи, а не статистика сокращений. В материалах ILO ключевые идеи сформулированы прямо: значительная экспозиция, ограниченные признаки разрушения рынка труда и неравная готовность.

Связанный анализ ILO по странам ASEAN с сопоставимыми данными показывает масштаб в процентах: 21–28% занятости потенциально экспонированы к GenAI. В верхней части диапазона находятся Филиппины, где велика роль сервисов и IT-BPM, то есть отраслей с большим объемом текстовых, административных и клиентских операций. При этом высокая категория риска замещения намного уже: 3–4% рабочих мест в Индонезии, Филиппинах и Таиланде, менее 2% во Вьетнаме.

Это не вывод в духе «ничего не случится». Скорее предупреждение против грубой арифметики. Если четверть рабочих мест экспонирована к ИИ, это не значит, что четверть работников исчезнет из payroll. Это значит, что внутри этих рабочих мест есть задачи, которые могут быть автоматизированы, ускорены или превращены в работу по контролю качества машинного результата.

Наиболее реалистичная картина выглядит как тихая перестройка процессов. Часть задач уходит из ежедневной рутины, часть выполняется быстрее, часть требует новых навыков проверки. Работник может остаться в той же должности, но его фактическая работа изменится: меньше ручного ввода и черновиков, больше валидации, исключений, общения с клиентом и ответственности за ошибки системы.

Почему «экспозиция» не означает потерю работы

ILO отдельно объясняет, зачем нужны индикаторы AI exposure, то есть оценки потенциального воздействия ИИ на задачи, и где их предел. Они показывают, какие профессии и операции могут быть затронуты технологией, но не являются прогнозом увольнений. Для рынка труда имеют значение дополнительные переменные: стоимость внедрения, доступ к цифровой инфраструктуре, качество данных, регулирование, переговорная сила работников, организация обучения, структура отраслей и готовность менеджеров менять процессы.

Метод ближе к разбору профессии на операции. У бухгалтера это не «вся бухгалтерия», а подготовка типовых документов, сверка данных, коммуникация с контрагентами, интерпретация норм, ответственность перед проверяющими органами. У специалиста клиентской поддержки это не «вся поддержка», а классификация обращения, поиск ответа в базе знаний, разговор с клиентом, эскалация сложного случая и оформление результата.

GenAI особенно заметен там, где много повторяемых текстовых и структурированных задач. Но даже там он не отменяет контекст, конфликтные ситуации, неформальные правила и юридически значимые решения. Корректнее говорить так: ИИ меняет пропускную способность процесса. Один оператор может обработать больше однотипных обращений, один аналитик быстрее собрать черновик отчета, один HR-специалист быстрее подготовить описание вакансии.

Дальше все зависит от управленческого решения: использовать выигрыш в скорости для роста объема услуг, повышения качества или сокращения численности. Это уже не свойство модели, а выбор компании. Индикаторы экспозиции работают как ранний сигнальный прибор. Они показывают, где технологическое давление вероятно, но для вывода о реальном рынке труда нужны данные о найме, зарплатах, переходах между профессиями, качестве работы и неравенстве.

Кто в зоне ближайшего изменения: офисная рутина и back office

Самый заметный риск в анализе ILO сконцентрирован не в ручном труде и не в профессиях, где много физической вариативности. Главная зона изменения: clerical support, то есть офисная, административная и вспомогательная работа. В странах ASEAN эта группа получает особенно высокую экспозицию: 93,7% clerical roles на Филиппинах и 93,9% в Индонезии потенциально затронуты GenAI, а во Вьетнаме 64,9% clerical roles попадают в highest exposure category.

Причина в содержании таких ролей. В них много структурированных когнитивных задач: перенос информации между системами, подготовка стандартных писем, резюме встреч, обработка форм, первичная классификация заявок, шаблонные отчеты, заполнение полей, поиск в документах. Большая языковая модель не обязана «понимать бизнес» целиком, чтобы ускорить такие операции. Ей достаточно шаблона, контекста и контроля со стороны человека.

Секторная картина подтверждает тот же механизм. В анализе ILO по Вьетнаму среди наиболее экспонированных сегментов названы finance and insurance с 82,6% рабочих мест, wholesale and retail trade с 76,3%, information and communication с 74,3%. Финансы, торговля, связь и бизнес-сервисы генерируют большие объемы текстов, записей, обращений, отчетов и транзакционных данных. Там GenAI входит не как самостоятельный «электронный работник», а как слой поверх CRM, документооборота, контакт-центра и аналитики.

Для работника это меняет смысл квалификации. Если раньше ценилось умение быстро и без ошибок сделать типовой документ, теперь важнее способность задать корректное задание системе, проверить результат, заметить галлюцинацию, понять регуляторный риск и объяснить клиенту нестандартное решение. В профессии остается человек, но меняется центральная часть мастерства.

Гендерный и карьерный эффект: риск идет по траекториям

ILO отдельно выделяет гендерную асимметрию. Женщины чаще сосредоточены в clerical, administrative и sales occupations, а именно эти роли содержат много повторяемых текстовых и структурированных операций. Значит, одинаковая технология может по-разному распределить риск между группами работников. Не потому, что модель «нацелена» на женщин, а потому, что рынок труда уже сегментирован.

Технологическая экспозиция накладывается на существующие различия: кто занят в административных ролях, у кого есть доступ к обучению, кто может перейти в более устойчивую профессию, кто работает в крупной компании с бюджетом на upskilling, а кто в малом бизнесе без системной HR-поддержки. В результате один работник получает инструмент, который повышает производительность, другой сталкивается с сокращением простых задач, на которых держалась его карьерная лестница.

Отдельный риск касается молодых сотрудников. Входные роли часто строились на простых повторяемых поручениях: собрать информацию, сделать первый черновик, заполнить таблицу, подготовить summary. Если эти задачи автоматизируются, компании могут начать требовать от новичков более зрелого суждения с первого дня. Это не обязательно означает исчезновение entry-level как класса, но может сузить тренировочное пространство, где люди раньше набирали опыт.

Здесь нужен human-in-the-loop, то есть схема, в которой человек остается в контуре принятия решения и проверки. Но это не магическая защита занятости. Если человек только нажимает кнопку «одобрить», его роль беднеет. Если он проверяет качество, понимает предметную область и отвечает за исключения, его роль усложняется. Разница между этими сценариями определяется дизайном процесса, а не только моделью ИИ.

Цитата в переводе

«Влияние генеративного ИИ на рабочие места женщин не предопределено.»

Почему страны ASEAN готовы неравномерно

Новый brief ILO выносит uneven preparedness в заголовок. Это, возможно, самая значимая часть сюжета. Готовность к GenAI складывается из нескольких слоев: цифровая инфраструктура, доступность технологических сервисов, качество образования, языковые ресурсы, регулирование данных, зрелость компаний, способность работодателей и работников договариваться о правилах внедрения.

Одна и та же экспозиция может дать разные исходы. В стране или компании с сильной инфраструктурой и программами переобучения GenAI может стать инструментом повышения производительности: работники быстрее готовят документы, компании расширяют услуги, стандарты навыков обновляются. В секторе без такой поддержки эффект может выглядеть как disruption without dividend: задачи меняются, давление на работников растет, но общий выигрыш в производительности и доходах распределяется узко.

ILO и Всемирный банк в работе о неравном глобальном воздействии GenAI подчеркивают, что цифровой разрыв и различия в задачах разделяют страны и группы работников. Для ASEAN это важная рамка. Региональная средняя цифра почти ничего не говорит о том, кто именно получит выгоду. В одной компании GenAI встроят в обучение, контроль качества и карьерные треки. В другой он станет способом ускорить нормирование и убрать часть вспомогательных функций.

Факт: ILO фиксирует широкую потенциальную экспозицию. Осторожный вывод: без политики и инвестиций эта экспозиция может усилить разрыв между странами, профессиями и группами работников. Главный вопрос ближайших лет не «сколько рабочих мест исчезнет», а «у кого есть институциональная способность превратить автоматизацию операций в рост качества работы и доходов».

Производство и роботы: другая технология, похожий вопрос

Генеративный ИИ в офисах и physical AI в промышленности часто обсуждают рядом, хотя это разные линии автоматизации. Материал Association for Advancing Automation о Standard Bots показывает одно направление робототехники: снизить барьер внедрения, чтобы робот мог учиться через демонстрацию действия человеком, а не только через сложное программирование. В материале перечислены операции вроде machine tending, welding, palletizing и painting.

Это не доказательство, что заводы немедленно сократят работников. Это сигнал о снижении трения внедрения. Если робота проще научить, больше компаний смогут автоматизировать операции, где раньше интеграция была слишком дорогой, долгой или требовала редких инженеров. Но итог для занятости снова зависит от экономики процесса: объема заказов, требований к качеству, безопасности, стоимости оборудования и способности переобучить операторов.

Параллель с GenAI полезна. И там, и там автоматизируется не профессия целиком, а операция. В офисе это черновик письма или классификация заявки. В цехе это подача детали, сварной шов, паллетирование. В обоих случаях появляется задача workforce planning: какие роли исчезнут как набор операций, какие станут сложнее, где нужны техники, операторы, специалисты контроля качества и инженеры интеграции.

Для ASEAN это особенно существенно, потому что регион сочетает сервисные и производственные цепочки. Если GenAI меняет back office, а physical AI снижает барьеры роботизации, давление на рынок труда идет с двух сторон. Но оно неодинаково: офисные операции быстрее попадают в цифровые инструменты, промышленная автоматизация сильнее зависит от капитальных затрат, безопасности и конкретной линии производства.

Цитата в переводе

«Вы управляете рукой и показываете, что нужно делать.»

Контраргументы: почему паника и самоуспокоение одинаково опасны

Первый контраргумент к тревожным прогнозам: история автоматизации редко сводится к прямой замене людей машинами. Новая технология меняет задачи, цены, качество услуг и организацию труда. Иногда компания сокращает штат, иногда расширяет производство, иногда просто повышает норму обработки. Поэтому заголовок «ИИ затронет миллионы» нельзя читать как «миллионы потеряют работу».

Второй контраргумент обращен уже к самоуспокоению. Отсутствие крупномасштабного сбоя сейчас не означает отсутствия риска. Рынок труда может меняться медленно и почти незаметно для агрегированной статистики. Компания может не увольнять людей, а не открывать новые вакансии, объединять функции, повышать требования к новичкам, сокращать простые поручения и переносить контроль качества на оставшихся сотрудников. Для статистики это не всегда выглядит как резкий шок, но для карьерных траекторий эффект может быть значительным.

Третий контраргумент касается производительности. Даже если GenAI повышает скорость отдельных операций, это не гарантирует широкого выигрыша для работников. Выгода может остаться у компаний, у клиентов в виде более дешевых услуг или у небольшого числа высококвалифицированных сотрудников. Поэтому вопрос распределения важен не меньше, чем вопрос технологической возможности.

Именно поэтому ILO делает акцент на preparedness. Подготовленность здесь означает не только наличие инструментов ИИ, но и правила их использования, обучение, защиту данных, участие работников в изменении процессов и мониторинг качества труда. Без этого GenAI может не уничтожить профессию, но сделать работу более интенсивной, менее учебной для новичков и менее прозрачной для работников.

Что это значит для России: переносить цифры нельзя, но метод полезен

Прямо переносить оценки ASEAN на российский рынок труда нельзя. В разрешенном наборе источников для этого материала нет сопоставимой российской статистики по профессиям, задачам и GenAI exposure. Корректная формулировка такая: опыт ASEAN важен для России не числом почти 80 млн работников, а методом анализа.

Российским компаниям и регуляторам полезна та же оптика: не спрашивать абстрактно, какие профессии «заменит ИИ», а раскладывать процессы на задачи. В банках, страховании, ретейле, контакт-центрах, HR, бухгалтерии, юридической поддержке и государственном администрировании много операций, похожих на те, которые ILO относит к высоко экспонированным: документы, заявки, формы, переписка, первичная аналитика, поиск и суммаризация.

Но без локальных данных это остается рабочей гипотезой, а не доказанным фактом. Для серьезной российской оценки нужны таблицы занятости по профессиям, описание задач, данные о внедрении ИИ в компаниях, динамика вакансий, зарплат, переходов и качества работы. Иначе дискуссия быстро скатывается к двум одинаково слабым крайностям: «ИИ всех заменит» и «ничего не изменится».

Урок ILO как раз в том, что между этими крайностями есть более точная зона. Она называется перестройкой задач. В ней работники не исчезают из статистики одномоментно, но их рабочий день, карьерная лестница и требования к навыкам меняются быстрее, чем обновляются должностные инструкции.

Что делать работникам, компаниям и государству

Для работников в административных, клиентских, финансовых и офисных ролях главный навык не «промптинг» как набор трюков. Важнее умение проверять AI-output: находить ошибки, сверять с исходными данными, понимать ограничения модели, защищать персональные данные, отличать черновик от решения. Чем больше профессия состоит из шаблонных текстовых операций, тем важнее переходить от скорости исполнения к качеству контроля.

Для менеджеров первое действие: разложить ключевые процессы на задачи. Не покупать ИИ «для отдела», а описать операции: что повторяется, где много ошибок, где есть регуляторный риск, где нужна эмпатия, где решение влияет на зарплату, кредит, лечение, увольнение или доступ к услуге. После этого можно выбирать режим: автоматизация, дополнение человека, запрет на использование или обязательный human-in-the-loop.

Для компаний опасно измерять успех только сокращением FTE. Такая метрика упускает качество, жалобы клиентов, ошибки, выгорание, скорость обучения новичков и долгосрочную устойчивость процессов. Если GenAI забирает простые задачи у junior-работников, нужно специально проектировать новые учебные поручения. Иначе позднее компания может столкнуться с нехваткой сотрудников, которые выросли через практику.

Для государства и институтов рынка труда задача не в том, чтобы угадать одну цифру будущих увольнений. Нужна система наблюдения: какие задачи автоматизируются, какие группы работников теряют карьерные входы, где растет интенсивность труда, где появляются новые роли, как меняются зарплаты и доступ к обучению. ILO показывает, что exposure indicators полезны как раннее предупреждение, но сами по себе они не заменяют политику занятости.

• Работникам: учиться проверять результат модели, а не только быстро генерировать текст.
• Компаниям: начинать с карты задач и рисков, а не с лозунга об экономии персонала.
• HR: защищать карьерные лестницы новичков, если простые тренировочные задачи уходят в ИИ.
• Государству: собирать данные о задачах, зарплатах, переходах и качестве работы, а не только о вакансиях с упоминанием ИИ.

Что это означает на практике

Материал ILO/ILOSTAT стоит читать как карту экспозиции задач, а не как прогноз массовых увольнений. Он полезен именно тем, что отделяет потенциальное воздействие технологии от уже случившихся сокращений и предлагает смотреть на работу точнее: через операции, процессы и навыки проверки.

Самая уязвимая зона в ASEAN: clerical support, административные, офисные и back-office операции с большим объемом структурированного текста и данных. Но даже здесь результат не предрешен: одна компания может усилить обучение и контроль качества, другая просто поднять норму и сократить входные задачи.

Высокая экспозиция может привести к разным исходам: росту производительности, сокращению входных ролей, усилению норм труда или управляемому переходу через обучение. Неравная готовность стран и компаний может оказаться важнее самой модели ИИ: без инфраструктуры и переобучения технологический выигрыш распределится узко.

Для России корректнее брать из кейса ASEAN метод анализа задач, а не региональные цифры. Нужны собственные данные по профессиям, задачам и внедрению ИИ. Без них любые точные оценки эффекта GenAI на занятость будут выглядеть убедительно, но останутся неподтвержденными.

Вывод

Сюжет ILO важен тем, что возвращает разговор о рынке труда к проверяемым вещам. Генеративный ИИ действительно широко касается рабочих задач. Почти 80 млн работников ASEAN могут оказаться в зоне воздействия. В отдельных офисных профессиях экспозиция почти тотальна. Но между «модель умеет делать часть задачи» и «работник потерял работу» лежит длинная цепочка решений: внедрение, контроль качества, экономика процесса, обучение, регулирование и переговоры внутри компании.

Поэтому ближайшее будущее труда в ASEAN, а по аналогии и во многих других регионах, вероятно, будет выглядеть не как один резкий обвал, а как серия малых перестроек. Исчезают отдельные операции, ускоряются документы, меняются нормы, растут требования к проверке, усложняется старт карьеры. Это менее драматично, чем образ «роботов вместо людей», но для работников может быть чувствительно.

Главный практический вопрос теперь звучит так: кто успеет превратить GenAI в инструмент повышения качества работы, а кто получит только давление на задачи, темп и карьерные входы. Ответ зависит не от одной модели, а от того, как рынки труда научатся видеть работу на уровне задач и защищать людей в момент, когда эти задачи меняются.

Источники

• ILO: New ILO data confirm women face higher workplace risks from generative AI than men
• Association for Advancing Automation: How Physical AI Could Make Industrial Robots Easier to Deploy
• ILO / ILOSTAT: AI may affect nearly 80 million workers in the ASEAN region, but large-scale job disruption not yet seen
• ILO: Generative AI and labour markets in ASEAN: Significant exposure, limited disruption, uneven preparedness
• ILO: Navigating generative AI’s transformations in ASEAN labour markets
• ILO: New ILO brief explains what AI exposure indicators reveal about jobs
• ILO: Disruption without dividend: How digital divide and task differences split the gains from generative AI
• ILO: ILO adopts first-ever conclusions on AI in manufacturing work

Частые вопросы

Означает ли оценка ILO, что почти 80 млн работников ASEAN потеряют работу?

Нет. В материалах ILO речь идет о потенциальной экспозиции рабочих задач к GenAI, а не о статистике увольнений. Экспозиция показывает, где технология может изменить операции, но не доказывает массового вытеснения работников.

Какие роли в ASEAN сильнее всего затронуты GenAI?

В анализе ILO особенно выделяется clerical support: офисные, административные и back-office роли с большим количеством текстовых, формализованных и повторяемых задач.

Почему высокая экспозиция не равна автоматическому сокращению штата?

Между возможностью автоматизировать задачу и сокращением рабочих мест есть управленческие решения, экономика внедрения, контроль качества, регулирование, обучение и переговорная сила работников.

Что меняется для junior-специалистов?

Если простые поручения вроде сбора информации, черновиков и заполнения таблиц уходят в ИИ, у новичков может стать меньше тренировочных задач. Компаниям придется специально проектировать новые учебные траектории.

Можно ли переносить цифры ASEAN на Россию?

Нет. В материале нет сопоставимой российской статистики по GenAI exposure. Для России полезен не перенос цифр, а метод: анализировать не профессии целиком, а задачи внутри процессов.

Практический чек-лист

Чек-лист: как оценить влияние GenAI на рабочие задачи

PDF-чек-лист для работников, HR и руководителей. Его можно использовать перед внедрением ИИ в отделе или при личной оценке устойчивости роли.

Разобрать работу на задачи

• Записать повторяемые операции: письма, формы, отчеты, заявки, резюме встреч, поиск данных.
• Отделить черновики и подготовку материалов от решений с юридическим, финансовым или кадровым эффектом.
• Отметить задачи, где много ошибок, ручного копирования или однотипной переписки.
• Проверить, какие задачи дают новичкам практический опыт и могут исчезнуть первыми.

Оценить режим применения ИИ

• Выбрать для каждой задачи режим: автоматизация, помощь человеку, запрет или обязательная проверка человеком.
• Определить, какие данные нельзя загружать в модель из-за конфиденциальности или персональных данных.
• Назначить ответственного за проверку результата модели и исправление ошибок.
• Не считать экономию времени единственным показателем успеха.

Защитить навыки и карьерные входы

• Обучать сотрудников проверке AI-output: сверке с источниками, поиску ошибок и пониманию ограничений модели.
• Сохранить учебные задачи для junior-специалистов, если простые поручения уходят в ИИ.
• Обновить должностные инструкции так, чтобы контроль качества был реальной частью роли, а не формальным нажатием кнопки.
• Отслеживать, не растет ли интенсивность труда после внедрения ИИ.

Проверить готовность компании

• Оценить цифровую инфраструктуру, качество данных и доступ к обучению.
• Согласовать правила использования ИИ с работниками и руководителями процессов.
• Следить за жалобами клиентов, качеством решений, выгоранием и ошибками, а не только за сокращением FTE.
• Собирать данные о том, какие задачи изменились и какие роли стали сложнее.