Институт статистических исследований и экономики знаний НИУ ВШЭ на основе данных Росстата анализирует структурный разрыв между спросом и предложением навыков работы с искусственным интеллектом на российском рынке труда.
Справочно: Настоящий материал продолжает тему анализа ИИ-навыков на российском рынке труда и содержит результаты расчетов, произведенных на основе данных Обследования рабочей силы (ОРС) Росстата, в программу которого в 2025 г. впервые включен блок вопросов об имеющихся и востребованных навыках работы с технологиями искусственного интеллекта. На вопросы отвечали сами работники. Информационная база исследования опирается на опрос 314 тысяч респондентов, результаты которого репрезентативны для 46,7 млн занятых в российской экономике.
Технология искусственного интеллекта (ИИ) становится важным фактором структурной трансформации экономики и уже на ранней стадии развития меняет содержание труда, требования к работникам и структуру спроса на навыки. На этом фоне все чаще звучат предупреждения о катастрофической нехватке специалистов с ИИ-компетенциями. Однако действительно ли российскому рынку труда не хватает таких навыков, а если да, каких именно.
Избыток базовых навыков при дефиците компетенций профессионального уровня
Массового дефицита ИИ-компетенций, согласно данным ОРС, российский рынок труда не испытывает: навыками работы с ИИ уже владеют 37,5% занятых, при этом лишь 4,9% считают их необходимыми для своей текущей работы. Из них 1,8% требуется базовый уровень ИИ-компетенций, 2% — средний и 1,1% — продвинутый.
При интерпретации данных важно учитывать, что самооценки работников неизбежно искажают картину спроса и предложения ИИ-навыков.
С одной стороны, реальный спрос, вероятно, выше декларируемого: работники ориентируются прежде всего на текущие требования, тогда как работодатели учитывают перспективные потребности бизнеса. На нынешнем этапе ИИ автоматизирует главным образом вспомогательные, а не основные бизнес-функции, из-за чего соответствующие компетенции работники могут воспринимать как желательные, но не обязательные. Кроме того, в российских условиях применение ИИ нередко происходит в «серой зоне» (через личные устройства) и не формализовано в должностных инструкциях.
С другой стороны, работники с низким уровнем подготовки часто склонны переоценивать свои компетенции, что известно в поведенческой экономике как закономерность (эффект Даннинга—Крюгера); возможное при такой самооценке искусственное завышение имеющихся ИИ-навыков будет маскировать истинные дефициты.
Тем не менее даже с учетом перечисленных методологических ограничений данные ОРС достоверно фиксируют структурные перекосы на рынке ИИ-компетенций, хотя их количественные масштабы еще требуют дальнейшего уточнения.
В таблицах 1 и 2 (рис. 1 и 2) показано соотношение между имеющимся и необходимым уровнем ИИ-навыков. Первый вывод из приведенных расчетов состоит в том, что рынок труда демонстрирует высокую степень соответствия между имеющимися навыками и требованиями работодателей. Если работа предусматривает владение ИИ-компетенциями, в 73% случаев работник обладает именно тем уровнем подготовки, который нужен. Схожая картина наблюдается на всех уровнях компетенций: соответствующими ИИ-навыками обладают 76% работников с требованиями базового уровня, 69% — среднего и 76% — продвинутого.
В то же время данные показывают, что «избыток» ИИ-компетенций встречается значительно чаще, чем их дефицит. У трети всех занятых фактический уровень владения ИИ превышает требования работодателя, а среди тех, кому по должности необходимы ИИ-навыки, таких 11%.
Избыточность формируется работниками, которые освоили ИИ, хотя такие навыки формально не требуются для их трудовой деятельности. В этой группе 22% владеют ИИ на базовом уровне, 10% — на среднем и 2% — на продвинутом. Вместе с тем избыток ИИ-компетенций наблюдается и среди работников, для которых такие навыки по должности необходимы. Так, при требованиях среднего уровня 11% работников обладают продвинутыми ИИ-компетенциями. При требованиях базового уровня 15% демонстрируют средний уровень подготовки, а 3% — даже продвинутый.
Однако за этой картиной «избытка» ИИ-навыков скрываются и зоны ощутимого кадрового дефицита. Если наличие компетенций сверх текущих требований может отражать опережающее освоение работниками новых технологий (служить для них своего рода страховкой от будущих технологических сдвигов), то дефицит навыков указывает на несоответствие между имеющимися компетенциями и запросами рабочих мест и выступает ограничением для внедрения ИИ в рабочие процессы. При этом наличие таких дефицитов не обязательно свидетельствует об уязвимости рынка труда. Напротив, их появление может быть индикатором его технологического обновления, отражая формирование спроса на новые компетенции по мере распространения ИИ-технологий. В этом контексте особый интерес представляет структура дефицита ИИ-навыков.
В отечественной экономике дефициты ИИ-компетенций пока остаются относительно небольшими и сконцентрированы в отдельных сегментах рынка труда. Среди работников, которым ИИ необходим для выполнения текущей работы, дефицит соответствующих навыков испытывает каждый шестой (15%). Однако в масштабах всей экономики эта группа составляет менее 1% занятых из-за невысокой распространенности требований к ИИ-компетенциям.
Меньше всего дефицит ИИ-навыков выражен среди работников, от которых ожидается базовое владение ИИ (6%). Это позволяет предположить, что потребность в базовых компетенциях в значительной степени уже удовлетворена. По мере роста требований к уровню подготовки доля работников, заявляющих о дефиците ИИ-навыков, заметно увеличивается: при требованиях среднего уровня о нем сообщает каждый пятый работник (20%), а при требованиях продвинутого уровня — почти каждый четвертый (24%).
Самая значительная зона дефицита навыков связана с ситуацией, когда работа требует среднего уровня владения ИИ, а работник освоил только базовый уровень. Такая структура дефицита может указывать на сложности перехода от бытового использования массовых ИИ-сервисов к их профессиональному применению. Базовый уровень не требует специальной подготовки и доступен через готовые интерфейсы, тогда как средний предполагает понимание логики алгоритмов, работу со специализированными инструментами и корпоративными данными.
Вторая по значимости зона дефицита связана с нехваткой продвинутых ИИ-компетенций у ИТ-специалистов. В этой группе нередка ситуация, когда работник уверенно владеет ИИ-инструментами на уровне профессионального пользователя, однако для разработки, внедрения и сопровождения ИИ-решений ему не хватает фундаментальной подготовки и практического опыта.
Основной запрос на ИИ-компетенции формируют педагоги и офисные работники
Анализ структуры дефицита ИИ-компетенций в разрезе профессий требует учета двух показателей: интенсивности дефицита (доля работников, нуждающихся в дообучении внутри профессии) и распределения общего объема дефицита между профессиями.
По интенсивности дефицита лидируют профессии «цифрового ядра»: специалисты по ИКТ и ИКТ-техники (рис. 3). О нехватке ИИ-компетенций сообщают 4,7% и 3,8% представителей этих профессиональных групп соответственно. Высокая интенсивность дефицита в данном случае закономерна: именно эти специалисты первыми сталкиваются с новыми требованиями в области ИИ, а спрос на соответствующие компетенции растет быстрее, чем происходит их накопление на рынке труда. Хотя дефицит в этих профессиях в значительной степени компенсируется притоком молодых выпускников профильных образовательных программ, этого пока недостаточно для его полного устранения.
Значимый дефицит фиксируется также среди менеджеров высшего звена (1,7%) и руководителей производственных подразделений (1,6%), что может быть связано с тем, что ключевые решения в организациях все чаще требуют понимания принципов и возможностей применения ИИ. Однако абсолютная численность этих профессиональных групп невелика.
В массовых профессиях дефицит менее глубок, чем среди специалистов по ИКТ и менеджеров высшего звена, но охватывает сотни тысяч работников, нуждающихся в освоении ИИ-компетенций базового и среднего уровня. На рис. 4 показано, что наибольший вклад в нехватку ИИ-навыков вносят вовсе не представители профессий «цифрового ядра», а специалисты в области образования: учителя, преподаватели вузов и т. п. Они составляют 15,5% от общей численности работников с дефицитом. По мере того, как ИИ-инструменты проникают в образовательный процесс, педагоги сталкиваются с массовым использованием ИИ со стороны школьников и студентов, что усиливает спрос на новые компетенции.
На втором месте по вкладу в общий дефицит ИИ-навыков (12,2%) идут специалисты в сфере бизнеса и администрирования. В этой группе сосредоточены финансисты, бухгалтеры, госслужащие, HR-менеджеры, маркетологи, т. е. работники, которым нужно обрабатывать документы, анализировать данные, готовить отчеты и т. п. Именно для таких задач генеративный ИИ открывает наиболее широкие возможности повышения производительности труда.
И лишь третье место занимают специалисты по ИКТ (10,4%). Несмотря на лидерство по интенсивности дефицита, их вклад в его общий объем ограничен сравнительно небольшой численностью занятых в профессиях «цифрового ядра». При этом именно в этой группе наиболее выражена нехватка продвинутых ИИ-компетенций.
На четвертом месте по вкладу в суммарный дефицит (10,3%) находятся специалисты в области науки и техники — инженеры, а также математики, физики, химики, биологи. Далее следуют юристы и другие гуманитарии (9%). Существенную часть общего дефицита формируют также врачи (4,4%), продавцы (4%) и средний медицинский персонал (3,6%). Их вклад определяется прежде всего высокой численностью занятых в этих профессиях, а не острой нехваткой ИИ-компетенций внутри них.
Отраслевой срез: спрос на ИИ-навыки выходит за пределы ИКТ-сектора
Схожая закономерность наблюдается и при анализе отраслевой структуры дефицита ИИ-компетенций (рис. 5). Наиболее высокая интенсивность дефицита характерна для отраслей, где ИИ уже становится важным элементом бизнес-моделей и производственных процессов: сферы информации и связи, профессиональных услуг и финансового сектора. В традиционных секторах внедрение ИИ пока менее масштабно, поэтому и интенсивность дефицита здесь ниже.
И опять-таки картина существенно меняется при анализе дефицита с учетом масштабов занятости в отраслях (рис. 6). По численности работников, испытывающих дефицит ИИ-навыков, на первом месте вновь оказывается сфера образования: на нее приходится 17,1% всех занятых с дефицитом ИИ-компетенций. За ней следуют обрабатывающие производства (9,6%), которые вообще не вошли в рейтинг по интенсивности дефицита ИИ-навыков (на рис. 5). Далее расположились информация и связь (9,4%), профессиональная и научная деятельность (9,3%) и здравоохранение (9,2%).
Такое распределение во многом отражает структуру занятости в российской экономике. Крупные отрасли формируют значительную часть суммарного дефицита ИИ-компетенций даже в тех случаях, когда доля работников, нуждающихся в их освоении, внутри отрасли сравнительно невелика.
Резюме
Судя по самооценкам работников, российский рынок труда не испытывает массового дефицита ИИ-навыков: имеющиеся компетенции в большинстве случаев соответствуют требованиям рабочих мест, а нередко и превосходят их. Формирующиеся дефициты следует рассматривать не как уязвимость, а как индикатор технологического обновления экономики. При этом структура дефицитов показывает, что ИИ постепенно становится технологией общего назначения и выходит за пределы ИКТ-сектора, распространяясь на массовые профессии и традиционные отрасли экономики. Ключевой вызов связан не с нехваткой базовых пользовательских навыков работы с ИИ, а с переходом от использования массовых ИИ-сервисов к профессиональной интеграции ИИ в рабочие процессы.
Источники: расчеты ИСИЭЗ НИУ ВШЭ по данным Обследования рабочей силы, исследование осуществлено в рамках Программы фундаментальных исследований НИУ ВШЭ (HSE-BR-2025-018).
Источник: Анна Лукьянова, Дарья Талакаускас. ИСИЭЗ НИУ ВШЭ
