Почему этот отчёт важен сейчас
7 июля OECD выпустила Employment Outlook 2026, ежегодный обзор рынка труда. В новостных агрегаторах повод разошёлся 8 июля, но первоисточник датирует публикацию днём раньше. Для точности это существенно: отчёт вышел в момент, когда разговор о будущем работы снова легко сводится к двум крайностям. Одни ждут резкого вытеснения людей искусственным интеллектом, другие обещают почти автоматический скачок производительности.
Employment Outlook 2026 задаёт более трезвую рамку. Это не рейтинг исчезающих профессий и не отдельный доклад об ИИ. OECD рассматривает занятость, зарплаты, региональные различия, навыки, обучение, ограничения мобильности работников и регулирование. Технологии, включая AI, то есть искусственный интеллект, встроены в эту картину как один из структурных шоков, а не как единственная причина перемен.
Главный вывод для профессий такой: будущее работы разворачивается не на уровне названий должностей, а на уровне задач, переходов между ролями и локальных рынков труда. Один и тот же инструмент может дать опытному специалисту больше пропускной способности в задачах, но усложнить вход новичку. Он может поднять производительность в фирме с описанными процессами и почти ничего не изменить там, где нет данных, ответственности и понятной экономики внедрения.
Рынок труда силён, но запас прочности не бесконечен
OECD начинает обзор не с искусственного интеллекта, а с базовой диагностики. По данным организации, средний уровень занятости в странах OECD в первом квартале 2026 года достиг 72,1%, безработица в мае составила 4,9%, а занятость в странах OECD достигла 670 млн человек. Это факты текущего состояния рынка, а не доказательство того, что технологии уже создали или уничтожили конкретные профессии.
Прогноз OECD осторожнее многих разговоров о «рынке будущего»: занятость в странах OECD, по оценке организации, вырастет на 0,3% в 2026 году и на 0,6% в 2027 году. Одновременно обзор фиксирует признаки ослабления. В части стран безработица растёт, темпы прироста занятости замедляются, напряжённость на рынке труда снижается. Это не обвал, но и не ситуация, в которой новая технология автоматически создаёт рабочие места для тех же людей.
С зарплатами картина менее комфортная. OECD пишет, что восстановление реальных зарплат замедлялось ещё до нового скачка цен на энергию, а примерно в одной трети стран OECD реальные зарплаты оставались ниже уровней начала 2021 года. Для разговора о профессиях это принципиально: работник оценивает не только наличие вакансии, но и покупательную способность дохода, устойчивость роли, карьерный маршрут и цену переобучения.
Если занятость высока, но реальные зарплаты отстают, рынок труда может выглядеть крепким в статистике и тревожным для работников. В таких условиях AI и роботизация становятся частью борьбы компаний за экономику операций: как выпускать больше, быстрее или качественнее при тех же ограничениях по людям, капиталу и времени.
Цитата в переводе«Рынки труда OECD были сильными и устойчивыми: занятость находится на рекордных максимумах, а уровни безработицы близки к историческим минимумам.»
Цитата в переводе«Рынки труда OECD остаются сильными, но реальные зарплаты отстают.»
Почему отчёт OECD полезнее списка профессий под угрозой
Популярные материалы о будущем труда часто строятся вокруг профессий: бухгалтер, юрист, переводчик, оператор кол-центра, программист. Такой подход удобен, но груб. Внутри одной профессии есть десятки операций: поиск информации, подготовка черновика, проверка фактов, расчёт, коммуникация с клиентом, оформление решения, ответственность перед регулятором или заказчиком. AI может удешевить одну часть цепочки и одновременно поднять требования к другой.
Employment Outlook 2026 фактически возвращает разговор к разложению работы на задачи. Технологический шок редко действует как рубильник, который выключает профессию целиком. Он меняет относительную цену отдельных операций. Если генеративная модель быстро готовит текстовый черновик, ценность смещается к постановке задачи, проверке результата, доменной экспертизе и участию человека в контроле.
Особенно заметно это в профессиях с когнитивной рутиной, то есть повторяемыми интеллектуальными операциями. Помощник юриста может быстрее собрать первичную справку, маркетолог подготовить варианты сообщений, аналитик суммировать документы. Но скорость черновика не равна качеству решения. Ошибка в медицинском заключении, кредитном решении, юридическом документе или инженерном расчёте остаётся социальной и финансовой ответственностью организации и конкретных специалистов.
Поэтому главный вопрос не в том, исчезнет ли профессия, а в том, как изменится архитектура должности. Какие операции станут дешевле, какие потребуют проверки, какие перейдут к более квалифицированным сотрудникам, а какие сохранятся из-за риска, регулирования или требований к качеству? Именно на этом уровне AI меняет карьерные маршруты.
Главная переменная 2026 года: география возможностей
Подзаголовок Employment Outlook 2026 звучит так: «Geographic Disparities in Jobs and Incomes». Это не декоративная тема, а центральная оптика отчёта. OECD показывает, что в более чем половине стран организации разрыв в уровне занятости между малыми регионами превышает 20 процентных пунктов. Иными словами, разговор о будущем профессий нельзя вести так, будто все работники находятся на одном большом онлайн-рынке.
Отдельный сильный вывод OECD: жители регионов с низкой занятостью редко переезжают в регионы с высокой занятостью, а среди тех, кто всё же переезжает, чаще оказываются люди с уже более сильными позициями на рынке труда. Миграция не работает как автоматический выравниватель. Если новые роли возникают в столичных агломерациях, университетских городах или вокруг крупных работодателей, это не значит, что высвобожденный работник из слабого локального рынка быстро попадёт именно туда.
Доходная ловушка тоже имеет географию. По оценке OECD, за пятилетний горизонт жители беднейших регионов почти на 40% чаще остаются в группе с самыми низкими доходами, чем жители наиболее обеспеченных регионов. Для AI-повестки это означает: даже если новая технология создаёт более оплачиваемые задачи, доступ к ним зависит от местной структуры фирм, обучения, транспорта, жилья, цифровой инфраструктуры и слабых связей на рынке труда.
В одном регионе специалист по клиентскому сервису станет оператором AI-assisted поддержки: будет проверять ответы модели, разбирать сложные кейсы и отвечать за качество коммуникации. В другом регионе та же должность останется ручной, низкооплачиваемой и уязвимой к аутсорсингу. Разница будет не в названии профессии, а в том, к какой производственной системе она подключена.
Цитата в переводе«Географические различия в рабочих местах и доходах.»
Три сценария для профессий: дополнение, поляризация, территориальное расслоение
Первый сценарий можно назвать сценарием дополнения. В нём AI повышает продуктивность сильных специалистов и расширяет их задачи. Менеджер продукта быстрее анализирует обратную связь, юрист быстрее готовит первичный обзор практики, инженер быстрее сравнивает варианты документации. Профессия не исчезает, но меняется её внутренняя экономика: меньше времени уходит на черновую подготовку, больше на выбор, проверку, коммуникацию и ответственность.
Второй сценарий связан с поляризацией. Если простые входные задачи автоматизируются или передаются более старшим специалистам с AI-инструментами, компания может начать нанимать меньше людей на junior-позиции. Это не обязательно выглядит как немедленное сокращение штата. Чаще это повышение планки входа: от новичка ждут не только базового навыка, но и способности работать с инструментами, проверять вывод, понимать домен и нести часть ответственности за результат.
Третий сценарий вытекает из главной темы OECD: территориальное расслоение. Новые роли создаются неравномерно. Они концентрируются в фирмах, где есть данные, капитал, управленческая зрелость и доступ к обучению. В регионах со слабым рынком труда работники могут столкнуться не с прямым вытеснением, а с отсутствием мостов к новым задачам. Это медленнее, чем драматичный сюжет об увольнениях, но последствия для доходов и социальной мобильности могут быть глубже.
Эти сценарии могут сосуществовать в одной отрасли. В банке часть сотрудников получит AI-ассистентов и вырастет в производительности, часть рутинных операций будет стандартизирована, а региональные офисы столкнутся с другой структурой спроса. В промышленности роботизация может снять отдельные тяжёлые или повторяемые операции, но не решить вопрос технологов, наладчиков и мастеров, отвечающих за стабильность процесса.
Ограничения мобильности: невидимое препятствие для перехода в новые роли
Один из менее громких, но значимых сюжетов Employment Outlook 2026 связан с соглашениями о неконкуренции. OECD оценивает, что около одной трети работников в проанализированных странах связаны такими ограничениями. Обычно эту тему обсуждают как юридическую деталь трудового договора. В контексте будущего профессий это вопрос скорости адаптации рынка.
Если работник не может перейти к конкуренту или открыть близкий по профилю проект, снижается мобильность, ослабляется переговорная позиция, медленнее распространяются знания между фирмами. Для технологических изменений это особенно существенно. Новые практики работы с AI, данными, роботами и процессной автоматизацией часто переносят люди, а не только документы и патенты.
Здесь нужно разделить интересы. Компания может защищать клиентскую базу, коммерческую тайну и инвестиции в обучение. Но факт, который подчёркивает OECD, состоит в том, что слишком широкие ограничения мобильности способны давить на зарплаты и замедлять перераспределение работников туда, где их навыки используются продуктивнее. При быстрой перестройке задач рынок труда нуждается не только в курсах, но и в институтах перехода.
Для работника будущая профессия зависит не только от того, чему он научился, но и от того, может ли он продать новый навык другому работодателю. Для государства и регуляторов вопрос шире: как защитить бизнес от недобросовестного перетока коммерческой информации, не превращая трудовой договор в замок на карьерной двери.
Производительность: почему AI не даёт автоматического выигрыша
Отдельная ловушка дискуссии о будущем труда состоит в том, что технологию часто приравнивают к росту производительности. Между ними есть длинная управленческая цепочка. Компания должна выбрать процесс, описать данные, настроить контроль качества, изменить роли, обучить людей, встроить систему в метрики и понять, где экономический эффект превышает стоимость внедрения.
OECD Compendium of Productivity Indicators 2026 полезен как напоминание: производительность измеряется не количеством модных инструментов, а выпуском на единицу затрат труда и капитала. Если AI ускоряет подготовку отчётов, но порождает больше проверок, ошибок, согласований и юридических рисков, чистый эффект может быть скромнее презентации поставщика. Если роботизированная линия простаивает из-за нехватки наладчиков, результат участка не растёт пропорционально числу установленных машин.
Российский контекст в разрешённом досье можно использовать осторожно. «Ведомости» 6 июля сообщили, что эксперты «Сбера» оценивали влияние ИИ и роботизации на производительность труда. Уже сама постановка вопроса показательна: для российского рынка с постоянным разговором о дефиците кадров автоматизация часто продаётся не как сокращение людей, а как способ выпускать больше при ограниченном числе работников. Но без открытых сопоставимых данных по всем отраслям нельзя делать вывод, что эффект уже стал массовым.
Практический критерий для работодателя: считать не то, сколько людей можно убрать, а какие операции меняются, какова стоимость ошибки, сколько времени освобождается у квалифицированных сотрудников и куда оно переходит. Если освободившееся время не превращается в продажи, качество, скорость разработки, безопасность или обслуживание, экономический выигрыш останется на уровне пилота.
Что это значит для конкретных ролей
В офисных профессиях главный сдвиг затрагивает подготовительные и промежуточные операции. Черновики писем, резюме встреч, первичные исследования, классификация обращений, сравнение документов, подготовка таблиц и презентаций будут всё чаще выполняться с AI-помощником. Но финальное решение, проверка источников, разговор с клиентом, этическая оценка и ответственность остаются зонами, где человек не исчезает из процесса.
В инженерных, производственных и логистических ролях автоматизация чаще начинается с узких операций: мониторинг, контроль качества, перемещение, сортировка, диагностика, повторяемая сборка. Даже когда робот берёт на себя физическую задачу, вокруг него появляются новые задачи людей: описание процесса, настройка, обслуживание, анализ сбоев, безопасность, интеграция с IT-системами. Поэтому корректнее говорить об изменении состава смены и квалификационной структуры, а не о прямой замене профессии.
В управленческих ролях растёт значение координации. Руководителю нужно понимать, где AI помогает, где создаёт риск, какие данные можно использовать, кто утверждает результат, как меняется нагрузка команды. Чем больше автоматизированных помощников в процессе, тем важнее ясные правила передачи задачи между человеком, системой и другим человеком.
В entry-level ролях главный риск не в том, что все стартовые позиции исчезнут. Риск в потере учебных ступеней. Если раньше новичок осваивал профессию через простые операции, а теперь эти операции делает инструмент или старший сотрудник с инструментом, компания должна сознательно проектировать новые траектории обучения. Иначе через несколько лет она столкнётся с нехваткой специалистов среднего уровня, которых сама не вырастила.
Почему с большими прогнозами стоит быть осторожнее
Для проверки масштаба полезно смотреть не только на OECD, но и на ILOSTAT. Международная организация труда собирает и моделирует глобальные показатели занятости, безработицы и участия в рабочей силе. Это даёт широкую рамку, но нужно помнить методологию: глобальные агрегаты строятся из национальных данных и модельных оценок, а не из единой всемирной переписи рабочих мест.
Разные источники отвечают на разные вопросы. OECD показывает сравнительную структуру рынков труда стран организации и региональные разрывы. ILO даёт глобальную статистическую рамку. Корпоративные исследования обычно показывают практики клиентов, пользователей или работодателей. Опросы ожиданий работодателей измеряют ожидания, а не наступивший факт.
Поэтому прогнозы о миллионах новых и исчезающих ролей стоит читать как сценарии, а не как расписание. Сильнее всего доказаны не точные даты исчезновения профессий, а направление изменений: часть задач дешевеет, требования к проверке и ответственности растут, мобильность становится критическим фактором, а региональные различия ограничивают скорость перехода людей в новые роли.
Именно поэтому Employment Outlook 2026 хорош как главный повод. Он не подталкивает к простому выводу «технологии против работников». Он показывает более сложный механизм: технологии входят в рынок, где уже есть территориальные, институциональные и зарплатные разрывы. От того, как они наложатся друг на друга, зависит реальное будущее профессий.
Что это означает на практике
Для работника, работодателя и HR-команды главный практический вывод один: нельзя обсуждать влияние ИИ на труд только через названия профессий. Нужно смотреть на задачи, переходы, ответственность, локальный рынок и возможность применить новый навык там, где он действительно оплачивается.
- Работнику стоит описывать свою профессию через задачи: что можно ускорить AI, что требует проверки, где нужна доменная экспертиза, за что человек несёт ответственность.
- Одного навыка пользоваться нейросетью мало. Рыночная ценность появляется, когда инструмент встроен в конкретный процесс: продажи, анализ, разработку, поддержку, производство, контроль качества.
- Работодателю нужно считать не абстрактное сокращение штата, а экономику операций: стоимость внедрения, риск ошибки, время проверки, влияние на качество и клиентский опыт.
- HR и руководителям стоит заранее проектировать новые entry-level траектории. Если простые учебные задачи автоматизируются, новичкам нужны другие способы набрать практику.
- Региональная стратегия важна не меньше технологической. Если новые роли концентрируются в отдельных городах и фирмах, обучение без каналов трудоустройства не закрывает разрыв.
- Ограничения мобильности, включая non-compete clauses, нужно оценивать как фактор будущего рынка труда: они могут защищать бизнес, но также мешать распространению навыков и росту зарплат.
Вывод
Employment Outlook 2026 полезен тем, что возвращает разговор о будущем работы на землю. Рынок труда OECD пока силён по занятости и безработице, но реальные зарплаты восстановились не везде, региональные разрывы велики, а переход людей в новые роли не происходит автоматически. На этом фоне AI и роботизация не выглядят ни катастрофой, ни бесплатным ускорителем роста.
Самый вероятный сценарий ближе к пересборке профессий. Одни задачи будут дешеветь и ускоряться. Другие, связанные с проверкой, ответственностью, координацией и работой с неопределённостью, станут важнее. В одних фирмах это даст рост производительности и новые карьерные маршруты. В других усилит разрыв между теми, кто включён в новые процессы, и теми, кто остался на слабом локальном рынке труда.
Поэтому главный вопрос для 2026 года звучит не как «какие профессии исчезнут». Более точная формулировка: у кого будет доступ к новым задачам, обучению, мобильности и организациям, способным превратить технологию в продуктивную работу. Именно там решается будущее рынка труда.
Источники
- OECD Employment Outlook 2026: Geographic Disparities in Jobs and Incomes
- OECD Employment Outlook 2026: полный отчёт
- OECD job markets remain strong, but real wages are lagging
- OECD Employment Outlook 2026: глава с данными PIAAC
- OECD Compendium of Productivity Indicators 2026
- The Regulation of Non-Compete Clauses Across OECD Countries
- Эксперты «Сбера» оценили влияние ИИ и роботизации на производительность труда
- International Labour Organization / ILOSTAT
Частые вопросы
Employment Outlook 2026 говорит, что ИИ массово уничтожит профессии?
Нет. В статье отчёт используется как более осторожная рамка: OECD показывает изменение задач, зарплат, навыков, регионов и мобильности, а не простой список профессий, которые исчезнут из-за ИИ.
Почему важнее смотреть на задачи, а не на названия профессий?
Внутри одной профессии есть разные операции: поиск информации, подготовка черновика, расчёт, проверка, коммуникация и ответственность. ИИ может ускорить одни операции и одновременно повысить требования к контролю, экспертизе и качеству решения.
Как регион влияет на будущее работы с ИИ?
OECD подчёркивает географические различия в рабочих местах и доходах. Новые роли концентрируются неравномерно, а переезд из регионов с низкой занятостью в регионы с высокой занятостью не работает как автоматический механизм выравнивания.
Достаточно ли работнику просто научиться пользоваться нейросетью?
Нет. Рыночная ценность появляется, когда AI-навык встроен в конкретный рабочий процесс: продажи, анализ, разработку, поддержку, производство или контроль качества. Важно понимать задачу, проверку результата, ответственность и метрики.
Почему ИИ не всегда сразу повышает производительность компании?
Между инструментом и ростом производительности есть управленческая цепочка: выбор процесса, данные, контроль качества, обучение людей, изменение ролей и расчёт экономического эффекта. Если это не выстроено, эффект может остаться на уровне пилота.
Что меняется для junior-специалистов?
Главный риск не в исчезновении всех стартовых позиций, а в потере учебных ступеней. Если простые операции автоматизируются, компаниям нужно проектировать новые способы обучения новичков на практике.
Практический чек-лист
Чек-лист: как оценить, что ИИ меняет в вашей работе
Этот чек-лист можно сохранить или распечатать для работника, руководителя или HR-команды. Он помогает разложить роль на задачи и понять, где AI даёт реальный эффект, а где создаёт новые требования к проверке, обучению и ответственности.
Разложите роль на задачи
- Опишите повторяемые операции, которые занимают заметную часть рабочего времени.
- Отделите подготовительные действия от решений, где есть риск для клиента, бизнеса или безопасности.
- Отметьте задачи, где результат можно быстро проверить по источникам, правилам или метрикам.
- Выделите задачи, где нужна доменная экспертиза, переговоры, этическая оценка или ответственность.
Проверьте экономику внедрения AI
- Сравните экономию времени с затратами на обучение, проверку и интеграцию инструмента.
- Оцените стоимость ошибки: юридическую, финансовую, репутационную или операционную.
- Проверьте, во что превращается освобождённое время: продажи, качество, скорость разработки, обслуживание или безопасность.
- Не считайте пилот успешным, если ускорение черновиков не меняет итоговый результат процесса.
Оцените навыки и обучение
- Определите, какие навыки нужны не для запуска модели, а для проверки и применения её результата.
- Свяжите обучение AI с конкретным процессом: анализом, поддержкой, производством, разработкой или контролем качества.
- Добавьте навыки координации: постановку задачи, критерии качества, передачу работы между человеком и системой.
- Проверьте, есть ли у новичков учебные задачи, если прежняя простая рутина автоматизируется.
Проверьте мобильность и региональные ограничения
- Оцените, доступны ли новые роли в вашем регионе или они концентрируются в отдельных городах и компаниях.
- Проверьте, есть ли каналы перехода: внутренние вакансии, обучение, наставничество, партнёрства с работодателями.
- Посмотрите, не ограничивают ли карьерный переход условия договора, включая соглашения о неконкуренции.
- Не рассматривайте обучение отдельно от трудоустройства: навык должен иметь место применения.
Вопросы и ответы
Employment Outlook 2026 говорит, что ИИ массово уничтожит профессии?
Нет. В статье отчёт используется как более осторожная рамка: OECD показывает изменение задач, зарплат, навыков, регионов и мобильности, а не простой список профессий, которые исчезнут из-за ИИ.
Почему важнее смотреть на задачи, а не на названия профессий?
Внутри одной профессии есть разные операции: поиск информации, подготовка черновика, расчёт, проверка, коммуникация и ответственность. ИИ может ускорить одни операции и одновременно повысить требования к контролю, экспертизе и качеству решения.
Как регион влияет на будущее работы с ИИ?
OECD подчёркивает географические различия в рабочих местах и доходах. Новые роли концентрируются неравномерно, а переезд из регионов с низкой занятостью в регионы с высокой занятостью не работает как автоматический механизм выравнивания.
Достаточно ли работнику просто научиться пользоваться нейросетью?
Нет. Рыночная ценность появляется, когда AI-навык встроен в конкретный рабочий процесс: продажи, анализ, разработку, поддержку, производство или контроль качества. Важно понимать задачу, проверку результата, ответственность и метрики.
Почему ИИ не всегда сразу повышает производительность компании?
Между инструментом и ростом производительности есть управленческая цепочка: выбор процесса, данные, контроль качества, обучение людей, изменение ролей и расчёт экономического эффекта. Если это не выстроено, эффект может остаться на уровне пилота.
Что меняется для junior-специалистов?
Главный риск не в исчезновении всех стартовых позиций, а в потере учебных ступеней. Если простые операции автоматизируются, компаниям нужно проектировать новые способы обучения новичков на практике.
