Экономические сценарии Anthropic до 2030: цена опыта и чего модель не видит

Даррио Амодеи предупреждает о массовой безработице и говорит о разрушительном воздействии ИИ на рынок труда. Но собственная экономическая модель его компании рисует куда более сдержанную картину: расчёты Anthropic до 2030 года дают три сценария, и самый мрачный из них по определению модели наименее вероятный. Разбор в статье Пименова показывает, где публичная риторика расходится с собственными цифрами лаборатории и что эта модель в принципе не в состоянии учесть.

Три сценария и один пессимист

Anthropic выложила интерактивную версию расчётов на своём сайте, в разделе economic scenarios, вместе с PDF полного отчёта. Модель строит три траектории экономики США до 2030 года: базовую, сценарий существенного воздействия ИИ и экстремальный сценарий на другом краю шкалы.

В экстремальном сценарии рост ВВП оказывается на 32,4% выше базового варианта. Зарплаты работников умственного труда при этом более чем на 10% ниже. Экономика в целом растёт тем сильнее, чем сильнее падает цена конкретного труда конкретного человека.

Публичные заявления Амодеи о разрушительном воздействии ИИ на занятость по интонации ближе к этому экстремальному сценарию, чем к среднему варианту модели. А экстремальный сценарий сама модель определяет как наименее вероятный из трёх. Получается разрыв: глава компании транслирует худший из возможных исходов как ожидаемый, хотя расчёты его же лаборатории описывают этот исход как крайность.

Что модель считает неизменным

У расчётов есть встроенное ограничение, которое не видно из заголовков про проценты ВВП. Во всех трёх сценариях структура рынка труда считается фиксированной: перераспределение работы возможно только внутри существующих ролей. Одни задачи перетекают от одних специалистов к другим, но новых массовых профессий модель не предусматривает.

Прошлые технологические сдвиги работали иначе. Индустриализация, автоматизация конвейеров, распространение компьютеров каждый раз убирали одни массовые роли и создавали другие, которых раньше просто не существовало. Модель Anthropic это не отрицает, но и не встраивает: параметры для гипотетических новых профессий взять неоткуда, их пришлось бы задавать произвольно, а любая произвольность разрушает стройность расчёта. Поэтому авторы модели держат структуру занятости неизменной, хотя вся история технологических революций говорит об обратном.

Отсюда практический вывод для чтения таких прогнозов: три сценария Anthropic стоит воспринимать не как предсказание будущего рынка труда, а как упражнение в сценарном мышлении при заданных допущениях. Убери допущение о неизменной структуре ролей, и весь расчёт нужно перестраивать заново.

Кому достаётся выигрыш от скорости

Пока модель считает проценты ВВП на макроуровне, на уровне конкретной профессии происходит нечто более приземлённое. Выигрыш от роста производительности не обязательно достаётся тому, кто стал работать быстрее. Он может уйти заказчику, собственнику бизнеса или поставщику вычислительных мощностей, а не исполнителю, который эту производительность обеспечил.

Наглядный пример из разбора: обновление видеоредактора DaVinci Resolve до версии 21.1. Интеграция ИИ-ассистентов, включая Codex, Claude и протокол MCP (требуется Resolve Studio), позволяет одному монтажёру делать работу заметно быстрее. Но быстрее не значит дороже. Ускорившийся монтажёр начинает снижать цену своих услуг, чтобы получить заказ, и это давление ложится на конкурентов, которые вообще не потеряли в квалификации. Их проблема не в том, что они стали хуже работать, а в том, что рынок больше не готов платить за прежнюю скорость как за преимущество.

Это и есть механизм, о котором говорит Роман Федосеев в цитируемом в статье наблюдении: технологический восторг не обязателен для тех, чья экономия на одной стороне рынка оборачивается потерей дохода на другой. Победитель первого раунда автоматизации рискует довольно быстро потерять преимущество. Когда ускоряются все, прежняя высокая скорость перестаёт быть исключением и становится новой нормой, а бывший выигрыш превращается в обычную нагрузку без доплаты.

Что видно на живом рынке труда

Абстракция про стагнацию зарплат в сценарии Anthropic подтверждается цифрами российского рынка. По августовскому обзору hh.ru за 2026 год, число активных вакансий снизилось на 13% год к году, а число активных резюме при этом выросло на 22%. Официальная безработица по Росстату за июнь держится на уровне 2,2%.

Эти три показателя относятся к разным периодам и не складываются в единую линейную картину, но направление они задают одно: люди в основном остаются занятыми, однако всё активнее ищут новую работу, а вакансий, на которые можно откликнуться, становится меньше. Причины шире одного лишь распространения ИИ, здесь играют роль общая экономическая конъюнктура и решения компаний о найме. Но описанный в модели Anthropic эффект, рост объёма выполняемой работы без пропорционального роста дохода, узнаётся и здесь.

На практике это часто выглядит буднично: человека просят взять на себя объём задач, который раньше распределялся между несколькими сотрудниками, и обосновывают это тем, что теперь есть ИИ-инструменты. Формально рабочее место сохранено, зарплата не изменилась. Но нагрузка выросла, а значит, реальная цена часа работы этого человека упала, просто без прямого сокращения оклада.

Проверка на реальном заказе

Разбор Пименова не останавливается на диагнозе и предлагает конкретный способ проверить, что происходит с ценой собственного опыта. Нужно взять реальный заказ, который уже приходилось выполнять раньше, и повторить его с ИИ-агентом. Дальше посчитать фактическое время целиком, включая проверку результата, а не только время самого выполнения задачи: агент ускоряет черновую работу, но не отменяет контроль качества.

Полученную разницу во времени и в итоговой цене стоит не держать в уме, а обсуждать как условие труда. Если объём задач на одну и ту же зарплату вырос, это повод для разговора об оплате, а не повод молча делать больше. Автор настаивает: перестройку нельзя откладывать до момента, когда решение о нагрузке примут без участия самого специалиста.

Опыт больше не гарантирует прежнюю цену труда сам по себе, свою ценность приходится доказывать конкретным результатом. ИИ увеличивает объём работы, который способен вытянуть один человек, но не увеличивает автоматически его доход. Меняется именно цена опыта, а ценность на рынке смещается от количества выполненных задач к способности отвечать за итог этой работы.