ПОСЛЕ CHATGPT ДИПЛОМ ОКУПАЕТСЯ ЧУТЬ МЕНЬШЕ

Знания работника бывают двух видов. Часть из них можно записать, преподать и сохранить: формулы, правила, процедуры. Другая часть приобретается на практике и остаётся привязанной к человеку: в примерах из статьи социальный работник узнаёт, каким клиентам нужно более пристальное сопровождение, хирург — когда натяжение тканей неправильное, переговорщик — как улавливать настроение собравшихся. Генеративный ИИ делает знания первого вида дешёвыми и доступными в изобилии в тот самый момент, когда они нужны. Как это сказывается на зарплате?

Две цены в расчётном листке

Эдуардо Леви Йеяти (Eduardo Levy Yeyati), Дарио Худзик (Darío Judzik) и Хуан Игнасио Барбьеро (Juan Ignacio Barbiero) из Университета Торкуато Ди Телья в Буэнос-Айресе рассматривают два привычных показателя: насколько больше зарабатывает работник за ещё один год обучения и за ещё один год опыта. Образование служит — несовершенным — заменителем знаний, которые можно записать; годы после окончания учёбы — заменителем знаний, полученных на практике.

Их модель даёт два предсказания. Если машины поставляют записанные знания, надбавка за образование должна сократиться. Если эти знания и практическое суждение лучше всего работают вместе, практика должна стать ценнее — особенно в начале карьеры, когда люди учатся быстрее всего. Но часть опыта привязана к старому способу выполнять работу и может обесцениться, так что позже эффект может стать отрицательным.

Уязвимые профессии и защищённые

Для проверки используется американское Текущее обследование населения (Current Population Survey) с января 2018 по июнь 2026 года: около 656 000 записей о зарплатах. Профессии ранжированы по индексу подверженности ИИ, построенному ещё до появления ChatGPT. Самая подверженная четверть — разработчики ПО, административные ассистенты, бухгалтеры, финансовые менеджеры, преподаватели университетов — сравнивается с наименее подверженной четвертью: водителями грузовиков, складскими рабочими, уборщиками, помощниками по уходу, официантами. Отсчёт начинается в ноябре 2022 года, с публичного выпуска ChatGPT.

До этой даты год обучения повышал зарплату примерно на 7,5% в уязвимых профессиях против 1,7% в защищённых. Анализ сравнивает работников внутри одной и той же профессии до и после, поэтому он измеряет изменения этих «цен» образования и опыта, а не средних зарплат.

Год учёбы по новой цене

В уязвимых профессиях надбавка к зарплате за один год обучения снизилась на 0,55 пункта относительно защищённых — примерно с 7,5% до 6,9%, то есть примерно на 7% от прежнего значения. В защищённых профессиях она осталась на уровне 1,7%. До выпуска никакого дрейфа не было, а перелом проявляется уже в первые двенадцать месяцев.

Карьера с наклоном

Опыт не сдвинулся целиком вверх или вниз; кривая повернулась. Ещё один год опыта приносит на 0,26 пункта больше тому, у кого за плечами три года, примерно столько же — при пятнадцати годах и на 0,12 пункта меньше — при двадцати пяти. В основной модели авторов эффект меняет знак примерно на 18 годах; при более гибких кривых наклон сохраняется, но точное положение этой точки менее определённо. Сильнее всего наклон выражен у работников с высшим образованием.

В сумме работник с шестнадцатью годами обучения и пятнадцатью годами опыта в уязвимой профессии зарабатывает примерно на 3,2% меньше, чем предсказывал бы тренд защищённых профессий.

Проверки на случайные совпадения

Перенос даты начала на январь 2020 года, начало пандемии, не даёт никакого эффекта.
Применение единого правила к самым высоким зарплатам, которые американская статистика с апреля 2023 года ограничивает сверху и записывает иначе, почти не меняет результатов.
Если исключить компьютерные и математические профессии, по которым в то же время ударили увольнения в технологической отрасли, снижение надбавки за образование всё равно составляет 0,49 пункта.

Спад в конце карьеры — самая слабая часть доказательств: ещё до выпуска этот конец кривой уже немного колебался.

Не прогноз

Авторы не утверждают, что дипломы утратили ценность или что выпускники стали менее продуктивными. Их результат — краткосрочная переоценка внутри уязвимых профессий. Выбор образования, обучение и позиции начального уровня будут подстраиваться. Один вопрос, пишут они, может оказаться самым важным в долгосрочной перспективе: смогут ли работники по-прежнему приобретать практическое умение, которое становится ценнее, если ИИ автоматизирует часть самого процесса обучения.