Какие навыки устаревают первыми: почему ИИ забрал чтение и письмо раньше ручного труда
Двадцать лет нас успокаивала одна и та же картинка автоматизации: машина забирает физический и рутинный труд, а человек поднимается вверх — в умственную, интеллектуальную работу. На этой логике строились карьерные советы целого поколения. В 2025 году картинка сломалась.
Сюрприз 2025 года: первой уходит базовая умственная работа
В отчёте Всемирного экономического форума Future of Jobs 2025 впервые за всю историю наблюдений зафиксирован чистый спад спроса на базовые когнитивные навыки — чтение, письмо и математику. Ручная ловкость тоже снижается (около 24% работодателей ждут падения спроса), но это никого не удивляет. Удивляет именно то, что когнитивная рутина поехала раньше и быстрее ручной.
Чтобы понять, почему так вышло, нужно вспомнить два правила, которые двадцать лет объясняли, что машине поддаётся, а что нет.
Два парадокса, которые нас успокаивали
Парадокс Полани. Философ Майкл Полани в 1966 году сформулировал: «мы знаем больше, чем можем рассказать». Огромная часть нашего мастерства — неявная, тацитная: мы умеем узнавать лицо, держать равновесие, чувствовать тон разговора, но не можем описать это правилами. Экономист Дэвид Аутор в 2014-м назвал это парадоксом Полани применительно к труду: автоматизировать можно только то, что удаётся явно расписать по шагам. Всё невыразимое — за бортом автоматизации.
Парадокс Моравека. Робототехник Ханс Моравек в книге «Mind Children» (1988) заметил странное: машине сравнительно легко дать уровень взрослого в шахматах и логических тестах — и почти невозможно дать ловкость и восприятие годовалого ребёнка. Абстрактное рассуждение, которым мы так гордимся, оказалось тончайшей плёнкой поверх миллиарда лет сенсомоторной эволюции. То, что эволюция отлаживала дольше всего, машине даётся тяжелее всего.
Из этих двух правил следовал утешительный вывод: безопасная зона человека — внизу, в восприятии и моторике, и сбоку, в невыразимом. А рутинный когнитив — чтение, письмо, счёт — казался как раз самым человеческим и защищённым.
Что переписало правила
Машинное обучение перевернуло логику. Старые правила исходили из того, что компьютер делает то, что ему явно запрограммировали. Но современный ИИ не программируют инструкциями — он учится на примерах.
Никто так и не смог объяснить словами, как узнавать лица или водить машину. Но модель и не нуждается в объяснении: она выучивает это прямо из данных — из миллионов размеченных примеров (на это указывали исследователи экономики ИИ ещё в 2017 году). А значит, ИИ способен присвоить даже невыразимое, тацитное знание — при одном условии: если это знание оставило след в данных.
Вопрос не в том, можете ли вы описать свой навык словами, — а в том, попал ли он в данные.
Вот ключевой сдвиг. Раньше вопрос звучал так: можете ли вы описать свой навык словами. Теперь он звучит иначе: попал ли ваш навык в данные. Чтение, письмо и базовая математика попали в данные первыми и в гигантских объёмах — поэтому именно они снялись раньше ручного труда, который живёт в физическом, плохо оцифрованном мире.
Где тогда проходит безопасная зона
Если базовый когнитив больше не защищён, то защищённая зона — не ниже ИИ и не проще него. Она в другом месте: в неявном суждении, в воплощённой работе в живой среде и в том, что требует личной ответственности. Это не мягкие навыки из списка — у каждой из этих зон есть конкретный механизм, почему ИИ туда не дотягивается.
- Неявное суждение в нестандартном контексте — там, где нет правильного ответа в данных, ИИ не может ничему научиться с надёжным сигналом.
- Воплощённая работа в физической и живой среде — тело и реальный мир плохо оцифрованы, данных мало, учиться ИИ сложнее.
- Личная ответственность и доверие — то, что нельзя делегировать машине, потому что за исход отвечает человек, а не инструмент.
Подробно эти три зоны разобраны в отдельной статье кластера.
Пиллар кластера
Навыки, которые не заменит ИИ →
Обзорный разбор: где проходит граница между человеком и машиной и куда двигаться — с данными WEF, OECD и российской статистики.
Для команд: практический вывод
Переучивать людей с исчезающей рутины на устойчивые задачи нужно раньше, чем спрос просядет окончательно. Это не долгосрочное планирование — это вопрос ближайших двух-трёх лет. И именно здесь решение принимает не сотрудник, а руководитель и HR: какие задачи оставлять людям, где сохранять борьбу с задачей (иначе не будет роста), как выстраивать путь от джуниора в мире, где ИИ делает за него учебные задачи.
Коротко
Картинка «ИИ заменяет ручной труд, человек уходит в умственный» сломалась: первыми поехали чтение, письмо и базовая математика — потому что именно они попали в обучающие данные первыми и в наибольших объёмах.
- Парадокс Полани и наблюдение Моравека (1988) объясняли, где безопасно — но машинное обучение на примерах переписало их логику.
- Новый вопрос: попал ли ваш навык в данные — а не можете ли вы описать его словами.
- Защищённая зона — суждение, ответственность, воплощённая работа — не потому что они «мягкие», а потому что у ИИ там нет надёжного обучающего сигнала.
Источники: WEF Future of Jobs Report 2025; Polanyi (1966), «The Tacit Dimension»; Autor (2014), «Polanyi's Paradox and the Shape of Employment Growth» (NBER w20485); Moravec (1988), «Mind Children»; критика парадокса Моравека — A. Narayanan. Адаптация и комментарии — FutureHub, июнь 2026.
