Cohere: лишь 2,6% ИИ-инструментов закрывают задачи полностью, меняя структуру профессий

Исследователи из Cohere Labs представили результаты масштабного анализа, меняющего представление о том, как искусственный интеллект влияет на рынок труда. Вместо теоретических прогнозов команда собрала реальные данные: Agentic Task Ecosystem (ATE). Это крупнейший открытый датасет, объединяющий 696 000 инструментов из 123 000 публичных серверов протокола MCP. Цель работы — понять, какие задачи разработчики уже упаковали в ИИ-агентов для полного автоматического выполнения, а не только для предоставления информации пользователю.

По данным исследования, лишь 2,6% опубликованных инструментов способны самостоятельно закрыть конкретную рабочую задачу от начала до конца. Остальные либо помогают человеку принять решение, либо выполняют фрагментарные действия. Это означает, что массовая замена целых профессий агентами пока не происходит. Напротив, автоматизация затрагивает узкие участки рабочего процесса, а для почти половины американских профессий (419 из 923) не создано ни одного специализированного ИИ-инструмента.

Где именно внедряется ИИ

Анализ показал, что спрос на автоматизацию формируется не желаниями сотрудников, а технической возможностью реализации. Экспертные оценки того, что ИИ физически способен сделать, коррелируют с наличием инструментов, тогда как пожелания работников почти не влияют на разработку.

Ключевым фактором становится структура профессии. Исследователи разделили задачи на рутинные и специализированные. Выявлены две противоположные тенденции:

• Медицина и ИТ. Здесь инструменты захватывают сложные, экспертные участки работы. Человек остается с более рутинными операциями. Экономисты называют это «автоматизацией, снижающей требуемый уровень экспертизы».
• Юриспруденция, производство и продажи. Агенты берут на себя рутинные края профессии, оставляя ядро сложных решений за людьми. Это «автоматизация, повышающая порог входа», так как базовые навыки перестают быть достаточными для конкуренции.

Такая дифференциация объясняется природой задач: то, что уже выполняется через софт, автоматизируется легче. Физический труд и межличностное общение остаются вне зоны досягаемости текущих агентов.

Сигналы для бизнеса и рынка труда

Наличие инструмента в открытом реестре — это сигнал о готовности технологии к применению, даже если массовое внедрение еще не началось. Для компаний это важный ориентир: развитие ИИ-агентов идет неравномерно. Отрасли, где экспертная работа тесно связана с цифровыми данными (например, управление клиническими данными или биоинформатика), получают максимальное покрытие инструментами.

Для работодателей и HR-специалистов данные указывают на сдвиг в требованиях к персоналу. Если ИИ забирает рутину, ценность сотрудника смещается к управлению агентами и решению нестандартных проблем. Однако возникает риск: если начальные этапы карьеры (рутина) автоматизируются, новичкам становится сложнее набивать руку под руководством опытных коллег. Это может привести к дефициту кадров с практическим опытом в долгосрочной перспективе.

i

Создано специально для ASECTOR

Концептуальное изображение

Датасет ATE позволяет отслеживать эти изменения в реальном времени. Он показывает, что будущее рынка труда определяется не только тем, на что способен ИИ, но и тем, какие именно части профессии разработчики решают передать машинам сегодня.

Асимметрия автоматизации ломает карьерную лестницу

ИИ не заменяет профессии волной, а точечно забирает задачи. Исследование Cohere Labs на базе датасета ATE (696 000 инструментов из 123 000 серверов) показало: лишь 2,6% ИИ-агентов способны полностью закрыть рабочую задачу от начала до конца. Остальные выполняют фрагменты или дают советы. Это опровергает миф о массовой немедленной замене людей машинами, но выявляет скрытую угрозу для рынка труда — исчезновение «ступенек» для новичков.

Разрыв в подготовке кадров

Главный риск кроется в том, какие именно задачи автоматизируются. В медицине и ИТ агенты забирают сложные экспертные участки, снижая порог входа в профессию. Однако в юриспруденции, продажах и производстве ИИ съедает рутину — базовые повторяющиеся операции.

Это меняет экономику карьеры. Новички больше не могут «набить руку» на простых задачах под присмотром опытных коллег. В США этот процесс уже зафиксирован статистически: требования к начинающим специалистам выросли на 35% с 2019 года, а сокращения из-за внедрения ИИ достигли 87 174 человек [!]. Бизнес отказывается от найма «с нуля», ожидая от выпускников навыков среднего звена.

Рынок сталкивается с парадоксом: ИИ освобождает время для сложных задач, но уничтожает механизм обучения, по которому сотрудники когда-то становились экспертами.

Где ИИ уже работает в России

Сценарий автоматизации рутины реализуется и в отечественной практике. «Авито Подработка» внедрила алгоритмы, которые обрабатывают 61% звонков при подборе персонала, сократив время закрытия заявок с недель до часов [!]. Рекрутеры перешли к работе со сложными кейсами, а массовый скрининг забрали машины.

В промышленности барьером становится не невозможность ИИ, а инфраструктура. «Ростелеком» продемонстрировал систему машинного зрения на автозаводе, исключающую ошибки оператора при вклейке стекол, но эксперты отмечают: массовое внедрение сдерживается устаревшей ИТ-базой предприятий [!].

Протокол MCP (Model Context Protocol), ставший стандартом для интеграции ИИ, уже работает в локальных системах. Например, в «1С:MDM» версия 2.5.14 позволяет ИИ самостоятельно создавать карточки товаров и запускать согласования без передачи данных в облако [!]. Это снимает барьеры безопасности для российских компаний.

Смещение ценности к физическому сервису

Пока офисная рутина автоматизируется, ценность смещается туда, где важна физическая адаптация и сложность задач. На российском рынке спрос сместился из логистики в автосервис и бытовые услуги. Зарплаты квалифицированных механиков выросли до 250 000 рублей из-за дефицита кадров и сложности новой техники [!].

Это сигнал: выигрывают те, кто управляет агентами или решает нестандартные физические задачи. Проигрывают те, кто рассчитывает на традиционное обучение через рутину. Компании должны перестроить HR-стратегии: инвестировать в навыки управления ИИ и сложные кейсы, а не ждать, пока новички вырастут сами по себе.