60 000 оценок и 33 парламента: автоматизация ИИ идёт приливом, а институты отстают

60 000 оценок. 6 000 рабочих задач. 1 514 950 парламентских речей. 33 парламента.

И одна дата, до которой не дожили европейские регуляторы: 2 декабря 2027 года — момент, когда в силу вступят правила Евросоюза для ИИ в найме.

Четыре группы, четыре метода, четыре науки. Инженеры измеряли, как языковые модели вытесняют человеческий труд. Экономисты пересчитывали долю труда в экономике. Политологи перебирали выступления депутатов. Юристы двигали сроки. Пересечение у них одно.

Ограничение лежит в институтах.

Чтобы увидеть цепочку, нужно начать с измерения.

Прилив измеряют плоской кривой

MIT FutureTech собран из двух программ MIT — лаборатории искусственного интеллекта CSAIL и Программы цифровой экономики. Рулит им Нил Томпсон, первый автор — Матиас Мертенс.

Летом 2026 года девять их коллег опубликовали крупнейшую на тот момент проверку автоматизации рабочих задач. 6 000 текстовых задач из федеральной базы O*NET, оценённых опытными работниками, всего более 60 000 раз. По ходу работы они тестировали 41 языковую модель.

Главный результат — не в скорости, а в форме. Авторы строили зависимость вероятности успеха от того, сколько времени человеку нужно на задачу. Получилась «удивительно пологая» кривая: успех падает с длиной задачи медленно, гораздо медленнее, чем показывают детерминированные бенчмарки.

Можно представить это как пляж. В сценарии цунами несколько человек внезапно сбиты с ног. А мы видим, как вода поднимается вокруг всех — шаг за шагом.— Матиас Мертенс, ведущий автор исследования, MIT FutureTech

Скорость, кстати, высокая. В 2024 году модели решали примерно на 60% задач, которые человеку занимают около полутора часов. К третьему кварталу 2025 года — уже выше 70%. Если этот темп сохранится, к 2030 году передовые модели будут выполнять большинство текстовых задач на минимально достаточном качестве с вероятностью 88–97%.

Именно форма кривой породила главный спор. В работе прямо сказано, что результаты противоречат недавним исследованиям METR — лаборатории, чьи собственные измерения давали противоположный ответ: резкий обрыв успеха на длинных задачах, то есть картину обрушивающейся волны.

Цифры расходятся на порядок. Работу, на которую MIT FutureTech ссылается как на противоположный результат, авторы характеризуют так: у Kwa и коллег в 2025 году 50% успеха на задачах по разработке ПО длиной 8–15 минут. У самих авторов — 50% примерно на трёхчасовых. Это разные популяции задач, и переносить одно на другое напрямую нельзя. Но сам разрыв величин — лучший аргумент против того, чтобы закрывать дискуссию.

Оба подхода измеряют разные популяции задач, поэтому расхождение не сводится к ошибке метода. Авторы работы прямо заявляют о противоречии с недавними результатами METR. · arXiv:2604.01363, MIT FutureTech, июль 2026

Масштаб самой работы менялся на глазах. Первая версия, опубликованная 1 апреля 2026 года, опиралась на 3 000+ задач и 17 000+ оценок — тогда успех в 50% случаев достигался на задачах, которые человек делает около трёх часов. За три с половиной месяца доказательная база выросла примерно вчетверо, и вместе с ней сместилась точка отсчёта: уже 60% успеха на полуторачасовых задачах. Методика не упрощалась, объём работы рос.

Это важная деталь для тех, кто читал апрельскую версию. Вывод про «пологую кривую» устоялся, а вот точка 50% успеха уехала втрое дальше по длительности задачи. Цифры менялись в пользу моделей быстрее, чем успевали публиковать обзоры.

Метафора пляжа изменила и прогноз. Цунами можно переждать — она приходит и уходит, а пострадавшие уходят с рынка навсегда. Прилив застаёт постепенно, и у человека есть время подстроиться. Именно на этом строят свой аргумент авторы: у правительств остаётся окно в несколько лет, чтобы построить институты, способные ответить на изменения рынка труда.

Отсюда же, из этой работы, звучит и главный политический вывод. Правительства, считают авторы, всё ещё располагают окном, в котором можно построить институты, способные ответить на автоматизационные сдвиги рынка труда. Окно ограничено, но измеряется оно годами.

Есть в этой работе и неприятная оборотная сторона, которую авторы формулируют прямо: прилив оставляет «меньше областей работы, полностью защищённых от давления автоматизации». От отдельных профессисей, которые рухнут за квартал, спасает берег. От постепенного уменьшения задач у каждой профессии — нет.

Парадокс, который наконец посчитали

Дэвид Отор — экономист из MIT, известный работами о рынке труда — в январе 2026 года вместе с Б.Н. Каушиком закрыл вопрос, который десятилетие держался в воздухе: снижает ли автоматизация долю труда в доходах и вместе с ней зарплаты.

Ответ вышел неожиданным. В экономике с постоянной отдачей от масштаба уровень доли труда, максимизирующий зарплату, зависит только от отношения капитала к труду — значит, связь между долей труда и зарплатой нелинейная. Пока доля труда выше этого уровня, дальнейшая автоматизация поднимает зарплаты, даже когда она снижает долю труда в выпуске.

Механика простая. Доля труда — это доля заработной платы в выпуске, и при убывающей отдаче от масштаба уровень, максимизирующий зарплату, зависит только от отношения капитала к труду. Связь между долей труда и зарплатой нелинейна. Пока доля труда выше этого уровня, автоматизация поднимает зарплаты — даже когда она снижает долю труда в выпуске.

По данным США и ещё одиннадцати промышленных стран, доля труда оказалась слишком высокой во всех двенадцати. Вывод авторов прямой: дальнейшая автоматизация должна повышать зарплаты. Отдельно они оценивают, что падение доли труда объяснило 16% реального роста заработков в США за 1954–2019 годы.

Оговорка в их же тексте: автоматизация сдвигает структуру доли труда и тем самым создаёт серьёзные социальные и политические вызовы — отдельно от вопроса о зарплатах. Это ровно тот разрыв, который и объясняет расхождение между спокойной экономикой и тревожной политикой.

Модель опирается на допущение постоянной эластичности замещения в масштабе всей экономики. Авторы подчёркивают, что на уровне отдельных отраслей, где автоматизация идёт быстро, картина может отличаться. Средние цифры по странам — не приговор ни одному отдельному рынку труда.

Данные здесь старые: расчёты по 1954–2019 годам, опубликованные в январе 2026-го. Это теория со ссылкой на историю, а не свежий замер 2026 года.

1 514 950 речей и политика, которой не было в моделях

В начале сентября Джулиана Чуэри из Университета Свободы Амстердама и Петтер Тёрнберг из Университета города Амстердама опубликовали карту того, как национальные парламенты заговорили об ИИ и труде за 2023–2026 годы. Корпус — 1 514 950 выступлений из 33 парламентов.

Их вывод методологически честный: сравнительная политология до сих пор эту политику не картировала, и она развивается по логике, которой не предсказывала политэкономика. Материал выстроен вокруг пяти рубрик — регулирование и ограничения, права, гарантии, голос работников и коллективный договор об алгоритмических системах.

Пять линий, по которым они разложили корпус:

• Регулирование и ограничения — где и как вводят правила.
• Права — что именно новые технологии способны урезать у работника.
• Гарантии — какой контроль и какие процедуры закладывают.
• Голос работников — как влиять на саму систему внедрения.
• Коллективный договор об алгоритмических системах — предмет переговоров профсоюзов с работодателями.

Пятая линия — самая неожиданная. Речь не о письменных правилах для вендоров, а о том, чтобы договариваться о конкретных системах внедрения у себя на рабочих местах.

Стоит держать в голове масштаб выборки. Это не пилотные опросы и не заявления политиков. Это всё, что было сказано с парламентских трибун за четыре года, разложенное по странам и партийным системам. Политика ИИ и труда перестала быть набором разрозненных законопроектов и стала узнаваемым объектом с собственной логикой — примерно за год до того, как исследователи смогли её описать.

Как мы писали в сентябре, разбирая автоматизацию дебиторской задолженности, конкретный офисный процесс уже переходил на ИИ не «внезапно», а нарастающими долями. То измерение оказалось частным случаем того, что MIT FutureTech теперь показал на 6 000 задач сразу.

Институты отстают ровно настолько, насколько позволяют стандарты

Европейский AI Act — первый в мире всеобъемлющий правовой режим для искусственного интеллекта — вступил в силу 1 августа 2024 года и стал применяться 2 августа 2026 года. С этого дня за его исполнением следят Агентство по ИИ и национальные органы: они могут требовать техническую документацию, оценивать модели, требовать исправительных мер и выписывать штрафы.

В этот же набор попали и системы ИИ для найма — сортировка резюме, размещение вакансий, анализ заявок, управление работниками. По общему правилу они относятся к категории высокорисковых: прослеживаемость, человеческий надзор, испытания на смещения.

По общему правилу — потому что сроки сдвинули. Поправка, известная как AI Omnibus, вступила в силу 27 июля 2026 года и перенесла именно эти обязательства с 2 августа 2026 года на 2 декабря 2027-го. Для систем, встроенных в регулируемые товары, срок отдельный — 2 августа 2028 года.

До AI Omnibus поправка прошла обычный путь: предложение приняли 19 ноября 2025 года, политическое соглашение достигли 7 мая 2026-го, сила поправке вступила 27 июля. Сдвиг не сокращали, а оформляли отдельным актом — и причина в нём названа не предположительно, а прямым текстом.

Это ключевая деталь, которую регулярно путают с обратной стороной. Тезис «ИИ в найме стал высокорисковым с августа 2026 года» неверен: акт применим, но обязательства по Приложению III начнут действовать 2 декабря 2027 года.

Про штрафы тоже нужна точность. Верхняя планка — до 35 млн евро или 7% мирового годового оборота нарушителя — относится к запрещённым практикам, а не к нарушению требований для высокорисковых систем в найме. Смешение двух уровней — самая частая ошибка в пересказах этого регулирования.

Два других изменения в тот же пакет вошли отдельным пунктом. С 2 декабря 2026 года вступает в силу девятый запрет акта: ИИ-системы, порождающие сексуально откровенные изображения и интимный контент без согласия человека, а также материалы сексуального насилия над детьми. Тем же числом истекает переходный срок для маркировки синтетического контента — он сокращён с шести месяцев до трёх. С 2 августа 2026 года за исполнением акта следят Агентство по ИИ и национальные органы, а надзор за системами на базе универсальных моделей закреплён за Агентством.

Регуляторы получили и новую обязанность. Каждое государство — член ЕС должно обеспечить работу хотя бы одной регуляторной песочницы для ИИ, иначе переход к применению перенесённых правил теряет опору. Собственный срок у этой обязанности менялся вместе с остальными переносами AI Omnibus, поэтому точную дату стоит сверять с последней редакцией официального таймлайна.

Границы категории при этом не сузились ни на миллиметр: сортировка резюме, управление работниками, доступ к самозанятости — всё это по-прежнему высокорисковые случаи. Просто требования к ним начнут применяться позже.

Отдельные обязанности уже работают. С 2 февраля 2025 года компании в ЕС обязаны принимать меры по развитию ИИ-грамотности — то есть обучению сотрудников работе с системами ИИ. С 2 августа 2026 года действуют требования прозрачности: человек должен понимать, что говорит с машиной, а синтетический контент — машиночитаемо помечаться.