Искусственный интеллект уже заметно влияет на рынок труда Европы и Центральной Азии, но в самих компаниях применяется гораздо реже, чем можно предположить по числу пилотных проектов и публичных заявлений. По оценке Всемирного банка, около каждого пятого занятого в регионе работает по профессии, на которую способен существенно повлиять генеративный искусственный интеллект. При этом технологию использует менее одной компании из десяти — примерно вдвое меньшая доля, чем в Европейском союзе.
Этот разрыв важен для экономического роста. Воздействие технологии на профессию еще не означает ни ее внедрения работодателем, ни сокращения рабочего места. Оно показывает, какие задачи в принципе можно автоматизировать или выполнять быстрее. Чтобы такая возможность превратилась в прирост выпуска, компании должны изменить процессы, подготовить данные, обучить сотрудников и встроить новые инструменты в повседневные решения.
Пилотный проект еще не дает роста производительности
В регионе ИИ чаще всего используют для подготовки документов, поиска по внутренней базе знаний и ответов клиентам. Это позволяет экономить время на отдельных операциях, однако нередко оставляет неизменными распределение ответственности, контроль качества и порядок принятия решений. Всемирный банк называет такое внедрение широким, но поверхностным: инструменты уже доступны многим сотрудникам, а измеримого эффекта на уровне всей компании пока почти нет.
Разница возникает потому, что производительность зависит не только от качества модели. Если сотрудник быстрее составляет отчет, но затем переносит данные между несовместимыми системами, ждет согласования или исправляет ошибки вручную, выигрыш исчезает. Максимальный эффект появляется там, где компания перестраивает весь процесс: определяет, какие решения можно делегировать алгоритму, кто проверяет результат и как новая скорость работы меняет загрузку смежных подразделений.
Международные данные подтверждают неравномерность внедрения. По данным Организации экономического сотрудничества и развития, в 2025 году ИИ использовали 20,2% компаний в странах организации. Среди крупных предприятий доля достигала 52%, среди малых — 17,4%. Разрыв отражает не только бюджет: крупным компаниям проще собрать данные, нанять специалистов, провести аудит безопасности и распределить стоимость проекта на больший объем операций.
Главное ограничение находится внутри компании
Для большинства предприятий узким местом остается качество данных. Информация может храниться в разных системах, не иметь единого формата или содержать противоречия. Модель в такой среде быстро готовит ответ, но не гарантирует его надежность. Отсюда опасения бизнеса по поводу утечки сведений, фактических ошибок и неясной отдачи от инвестиций.
Не менее важны управленческие навыки. Внедрение требует выбрать процесс с понятным экономическим результатом, установить исходный показатель и сравнить его с итогом. Без такого измерения компания не понимает, уменьшилась ли себестоимость, выросли ли продажи или сотрудники лишь стали выполнять прежнюю работу другим способом.
Спрос на работников, связанных с ИИ, в регионе почти учетверился, однако одного набора технических специалистов недостаточно. Нужны руководители, способные изменить процесс, отраслевые эксперты для проверки результата и сотрудники, которые умеют формулировать задачу и замечать ошибку. Поэтому обучение должно охватывать не только программистов.
Недостаток вычислительных мощностей усиливает разрыв
Инфраструктура также распределена неравномерно. Всемирный банк оценивает мощность центров обработки данных в регионе примерно в 2,1 мегаватта на миллион жителей. В странах с высоким доходом за пределами региона показатель достигает 31,6 мегаватта — примерно в пятнадцать раз больше.
Не каждой компании нужен собственный центр обработки данных: многие задачи можно выполнять в облаке. Но слабая инфраструктура повышает стоимость доступа, усиливает зависимость от зарубежных поставщиков и усложняет работу с чувствительными данными. Для небольших экономик совместимые государственные облака, региональные вычислительные площадки и понятные правила трансграничной передачи данных могут быть эффективнее, чем попытка каждой страны строить полный набор мощностей самостоятельно.
Рынок труда меняется медленнее, чем набор задач
Обзор Международной организации труда показывает, что генеративный ИИ уже способен повышать производительность в отдельных профессиях, но массового вытеснения работников пока не произошло. Экономия времени нередко составляет лишь несколько процентов и не всегда превращается в рост выпуска, заработка или занятости.
Риск распределен неравномерно. Сильнее затронуты офисные профессии, а среди работников с высокой долей задач, доступных автоматизации, больше молодых людей, женщин и обладателей высшего образования. В ближайшей перспективе компании, скорее всего, будут менять состав задач и требования к найму быстрее, чем численность персонала. Это создает отдельную проблему для начинающих специалистов: часть рутинной работы, на которой раньше приобретался опыт, может исчезнуть первой.
Что превращает эксперимент в инвестиционный проект
Рабочая стратегия начинается с конкретного процесса, где можно измерить время, стоимость, качество и риск ошибки. После пилота компания должна решить, какие изменения нужны в данных, программных системах и распределении полномочий. Только затем имеет смысл расширять проект.
Государство может снизить общие издержки: улучшить цифровую инфраструктуру, сделать машиночитаемыми административные данные, поддержать обучение и установить понятные правила ответственности. Уже есть практические примеры. Турция применяет ИИ для ежемесячной оценки рисков мошенничества с налогом на добавленную стоимость, а Украина встраивает такие инструменты в национальные цифровые услуги.
