Кожні кілька тижнів з'являється новий прогноз, який стверджує, що ШІ знищить мільйони робочих місць. Проблема в тому, що більшість цих прогнозів вимірюють те, що ШІ може зробити, а не те, що він робить. Дослідження Anthropic 2026 року змінило це, вимірявши реальне використання, і якщо порівняти його висновки з даними про заробітну плату Стенфорда та власним економічним індексом Anthropic, вимальовується чіткіша та обґрунтованіша картина.
У цій статті зібрано найважливіше Статистика ШІ та робочих місць з цих первинних джерел. Кожна цифра пов'язана з опублікованим дослідженням, тому ви отримуєте фактичні цифри, а не паніку, що спричинила заголовки. Ось що показують дані про те, які професії зазнають впливу, як люди насправді використовують ШІ на роботі та чи проявляється він уже у сфері зайнятості.
Ключова статистика з першого погляду
Штучний інтелект теоретично може впоратися з 94% комп'ютерних та математичних завдань, але реальне використання охоплює лише 33% з них.
On трафік корпоративного API77% використання припадає на автоматизацію, тоді як доповнювальні технології складають лише 12%, тоді як споживче використання розподіляється майже однаково.
Найбільш вразливою професією є комп'ютерний програміст, з охопленням 75% завдань; фахівці з введення даних займають 67%.
За даними Стенфорда, серед працівників віком від 22 до 25 років, які працюють найбільше зазнаючи впливу штучного інтелекту, відносне падіння зайнятості склало 13%.
30% працівників США не демонструють жодного спостережуваного покриття ШІ у даних про використання.
Завдання з кодування складають близько 35% усіх споживчих Розмови з Клодом і майже половина трафіку бізнес-API.
На 20 країн з найбільшим використанням на душу населення припадає 48% світового використання Claude, що показує, наскільки нерівномірним залишається його впровадження.
Звідки беруться цифри
Ця статистика базується на трьох пов'язаних корпусах досліджень, усі з яких використовують реальні дані, а не опитування чи здогадки.
Перший – це звіт Anthropic за березень 2026 року «Вплив штучного інтелекту на ринок праці», який вводить метрику під назвою спостережуваний вплив. Вона поєднує теоретичні оцінки можливостей з фактичним використанням за шкалою Клода, щоб виміряти, яку частину кожного завдання насправді виконує штучний інтелект. Другий – це Anthropic Economic Index, постійна серія, яка відстежує моделі використання для різних завдань, професій та країн. Третій – це дослідження Стенфорда «Канарки у вугільній шахті», проведене Еріком Бріньйольфссоном та його колегами, яке проаналізувало записи про нарахування заробітної плати від ADP, найбільшого постачальника послуг з нарахування заробітної плати в США.
Разом вони дають два погляди на одне й те саме питання. Антропний аналіз показує, для чого використовується ШІ, а Стенфордський аналіз показує, чи впливає це використання на показники зайнятості. Той факт, що вони загалом погоджуються, робить картину правдоподібною.
Розрив між теоретичним та реальним світом
Головним висновком усієї цієї роботи є те, що реальний вплив штучного інтелекту набагато менший за його потенціал. Anthropic повідомляє, що в комп'ютерних та математичних професіях ШІ теоретично може виконувати 94% завдань, проте спостережуване використання охоплює лише 33%. Офісна та адміністративна робота демонструє схожу картину: теоретичні можливості становлять близько 90%, але реальне впровадження значно відстає.
Цей розрив зберігається навіть там, де ШІ є найбільш популярним. Кодування є найпоширенішим використанням Клода з великим відривом, але на рівні професій воно все ще займає приблизно третину охоплених завдань. Впровадження відстає від можливостей через обмеження моделі, правові правила, потреби в програмному забезпеченні та людські перевірки, які уповільнюють впровадження в реальному світі. Висновок полягає в тому, що можливості та розгортання – це дві дуже різні речі, і відстань між ними – це вирішальна історія.
Як люди насправді використовують ШІ: доповнення проти автоматизації
Один з найбагатших наборів даних тут стосується того, як люди розподіляють роботу за допомогою штучного інтелекту. Anthropic поділяє використання на доповнення, де штучний інтелект допомагає людині виконати завдання, та автоматизацію, де штучний інтелект виконує завдання з мінімальною участю людини.
З боку споживачів баланс майже рівний і коливається туди-сюди, з дещо випереджувальним показником доповненої інформації, близько 52% проти 45% у нещодавніх звітах. Використання в бізнесі виглядає зовсім інакше. У трафіку власного API автоматизація домінує з 77% проти лише 12% доповненої інформації, і 97% завдань демонструють моделі, спрямовані на автоматизацію, в API порівняно з 47% у споживчому додатку.
З часом тенденція схиляється до більшої невтручання користувачів. Частка директивних розмов, коли користувачі передають Клоду завдання та дозволяють йому виконуватися, зросла з 27% наприкінці 2024 року до 39% у пізнішій вибірці. Оскільки бізнес автоматизує набагато більше, ніж споживачі, економісти найбільше стежать за інтенсивним використанням API щодо майбутнього впливу на робочу силу.
Режим користування | Споживач (Claude.ai) | Бізнес (API) |
Завдання, що стосуються автоматизації | 47% | 97% |
Загальна частка автоматизації | Про 45% | 77% |
Загальна частка збільшення | Про 52% | 12% |
Де зосереджено використання ШІ: завдання та географія
Використання штучного інтелекту розподілене далеко не рівномірно. З понад 3,000 унікальних робочих завдань, що спостерігаються на Claude, десять найпоширеніших становили близько 24% усіх розмов, хоча на початку 2026 року цей показник знизився до 19%, оскільки основна робота з кодування перемістилася на API та Claude Code. Тільки комп'ютерні та математичні завдання складають приблизно 35% розмов споживачів і майже половину бізнес-трафіку.
Географія така ж неоднозначна. США, Індія, Японія, Велика Британія та Південна Корея лідирують за загальним використанням Claude, а 20 країн, що найкраще використовують Claude з урахуванням населення, представляють близько 48% усієї активності, порівняно з 45%. У світі впровадження тісно пов'язане з доходом на душу населення. Цікаво, що люди в країнах з низьким рівнем використання частіше покладаються на штучний інтелект для автоматизації роботи, ніж люди в країнах з високим рівнем використання.
Також існує показник того, наскільки широко поширився штучний інтелект у різних професіях. Anthropic виявила, що у 49% усіх професій щонайменше чверть завдань виконувалася за допомогою методу Клода, і цей показник залишається досить стабільним за останніми даними.
Найбільш і найменш відкриті професії
Якщо розглядати конкретні професії, то три з них знаходяться на самому верху списку за кількістю завдань, що піддаються впливу. Програмісти лідирують, 75% завдань охоплюються реальним використанням штучного інтелекту. Представники служби підтримки клієнтів йдуть далі, оскільки їхня основна робота все частіше проходить через трафік бізнес-API. Спеціалісти з введення даних йдуть далі з 67%, оскільки читання документів та введення даних значною мірою автоматизовано.
За широкими категоріями теоретичний вплив найвищий у сферах комп'ютерних наук та математики, а також бізнесу та фінансів – понад 94%, далі йдуть «Менеджмент» – 91% та «Офісна та адміністративна діяльність» – 90%. З іншого боку, фізична робота та догляд майже не порушуються. Догляд за територією є найменш схильною до впливу в усьому дослідженні – лише 3.9% теоретичного охоплення, транспорт – 12.1%, а сільське господарство – 15.7%.
Найбезпечнішими категоріями загалом є практичні професії, такі як монтаж та ремонт, будівництво, сільське господарство, транспорт, виробництво, охоронні служби, харчування та обслуговування, обслуговування території, особистий догляд та допоміжні медичні професії. А 30% працівників у США не мають жодного досвіду роботи зі штучним інтелектом, включаючи кухарів, барменів, рятувальників, посудомийників та механіків мотоциклів.
Ранні ознаки в даних про зайнятість
Тут два дослідницькі табори пропонують корисну суперечність. Anthropic не виявила систематичного зростання безробіття серед працівників, які зазнали високого ризику, з кінця 2022 року. Розрив між найбільш і найменш опроміненими групами був невеликим і статистично не відрізнявся від нуля.
Дослідження Стенфордського університету щодо заробітної плати виявило щось більш помітне на початковому рівні. Працівники віком від 22 до 25 років, що працюють на початку кар'єри у професіях, найбільш схильних до впливу штучного інтелекту, таких як молодші розробники програмного забезпечення та співробітники служби підтримки клієнтів, зазнали відносного зниження зайнятості на 13%, навіть після врахування потрясінь на рівні фірми. Важливо, що це зниження зосередилося на посадах, де штучний інтелект автоматизує роботу, а не доповнює її, а пізніше оновлення показало, що найчіткіша частина зниження припадає на 2024 рік.
Власні дані Anthropic вказують на той самий напрямок, але менш чітко. Було виявлено, що найм молодих працівників на відкриті професії скоротився приблизно на 14%, результат, який вони назвали ледь значним, без подібного ефекту для працівників старше 25 років. Зв'язок з Бюро статистики праці також слабкий, але присутній: кожні 10-процентні збільшення охоплення супроводжувалися падінням прогнозованого зростання робочих місць на 0.6 процентного пункту до 2034 року. Для додаткового контексту, власний генеральний директор Anthropic публічно попередив, що штучний інтелект може ліквідувати значну частку початкових посад «білих комірців» у найближчі роки, що є набагато агресивнішою точкою зору, ніж підтверджують поточні дані.
Хто найбільше постраждав
Профіль працівника, що зазнав впливу, порушує звичний сценарій автоматизації. Порівнюючи найбільш захищений квартиль з незахищеною групою до запуску ChatGPT, Anthropic виявила, що захищена група заробляла в середньому на 47% більше і на 16 відсоткових пунктів частіше складалася з жінок.
Найбільше виділяється освіта. Люди з вищою освітою становили 4.5% від групи, яка не зазнала впливу, але 17.4% від групи, яка найбільше зазнала впливу, що майже в чотири рази перевищує норму. Ця хвиля спочатку досягає освічених, високооплачуваних працівників інтелектуальної праці, що є протилежністю тому, як раніше автоматизація торкнулася заводів та рутинної ручної роботи.
Висновок
Зіставте всю статистику разом, і ви отримаєте радше збалансований, ніж тривожний висновок. Теоретичний охоплення ШІ у сфері знань є величезним, часто перевищуючи 90% у таких галузях, як обчислювальна техніка, фінанси та адміністрування. Але реальне використання охоплює лише частину цього, близько третини навіть у найбільш постраждалій категорії. Робота, яку ШІ виконує найбільше, — це кодування, обслуговування клієнтів та введення даних. Робота, якої він майже не стосується, є фізичною, ручною та пов’язаною з турботою.
Ситуація із зайнятістю все ще здебільшого спокійна. Немає широкого сплеску безробіття, пов'язаного з впливом штучного інтелекту, але є реальний та повторюваний сигнал серед молодих працівників початкового рівня, де як Стенфорд, так і Anthropic бачать повільний набір на посади, пов'язані з автоматизацією. Тут важливий розрив між доповненнями та автоматизацією, оскільки роботи, де штучний інтелект допомагає людям, збереглися, тоді як роботи, де штучний інтелект замінює завдання, є місцем, де з'являються перші тріщини.
Для працівників практичний урок полягає не в тому, щоб панікувати через показник впливу, а в тому, щоб розуміти, на якому боці цієї межі знаходяться ваші завдання. Для роботодавців і політиків дані пропонують систему раннього попередження, за якою варто стежити в міру її оновлення. Розрив між тим, що може робити ШІ, і тим, що він робить, залишається значним, і те, наскільки швидко цей розрив скорочується, – це число, яке матиме найбільше значення протягом наступних кількох років.
Поширені запитання
Комп'ютерні програмісти лідирують із 75% охоплення завдань, далі йдуть представники служби підтримки клієнтів та фахівці з введення даних із 67%. Ширші категорії, такі як комп'ютери та математика, бізнес та фінанси, а також офісні та адміністративні посади, також демонструють одні з найвищих загальних показників охоплення.
Теоретичний вплив вимірює, з чим може впоратися ШІ, тоді як спостережуваний вплив відстежує його фактичну роботу на основі реальних даних використання. Наприклад, комп'ютерні та математичні професії охоплені теоретично на 94%, але лише на 33% охоплені на практиці, що свідчить про те, що впровадження все ще значно відстає від потенційного.
Не обов'язково — високий бал означає, що ШІ може пришвидшити багато ваших завдань, а не те, що вашу посаду буде скасовано. Більшість поточних застосувань ШІ спрямовані на доповнення, тобто ШІ допомагає працівникам, а не замінює їх повністю.
Дослідження як Стенфордського університету, так і Anthropic показують, що наймання та працевлаштування працівників віком від 22 до 25 років на високо ризикованих посадах помітно сповільнилося, тоді як для старших працівників чіткого впливу не спостерігається. Це, ймовірно, пов'язано з тим, що штучний інтелект може відтворювати рутинні завдання, що потребують навчання на робочому місці, з якими зазвичай справляються молодші співробітники.
Докази неоднозначні та ще на ранній стадії — Anthropic не виявила широкого зростання безробіття серед працівників, які зазнали впливу, загалом, хоча Стенфорд виявив відносне падіння зайнятості на 13% серед молодих працівників початкового рівня на посадах з найбільшим рівнем автоматизації. Найчіткіші наслідки поки що зосереджені серед фахівців на початку кар'єри, а не серед ширшої робочої сили.
