Anthropic выпустил комплексный мета-анализ, показывающий, что программы переобучения работников приносят статистически значимые, но скромные экономические результаты — выводы, которые появляются в то время, когда политики по всему миру пытаются найти решения для потенциального вытеснения рабочей силы вследствие развития ИИ, а прогнозы таких организаций, как Goldman Sachs и Всемирный экономический форум, оценивают, что генеративный ИИ может подвергнуть сотни миллионов рабочих мест значительным изменениям в течение ближайшего десятилетия.

Отчет, написанный в соавторстве независимым исследователем Дэвидом Рудманом и Максимом Массенковым из Anthropic, использует ускоренную ИИ-методологию, в которой модель Claude от Anthropic извлекла большую часть базовых данных и сгенерировала весь аналитический код. Исследование опирается на 56 рандомизированных контролируемых испытаний, проведенных в Соединенных Штатах с 1970-х годов, дополненных экспериментальными данными из Европы, что представляет собой одну из самых систематических оценок на сегодняшний день государственных и некоммерческих обучающих инициатив. Полный отчет доступен в формате PDF.

Измеримые, но ограниченные результаты

В среднем рассмотренные программы дали положительные, но ограниченные эффекты. Для каждого человека, получившего место в обучающей программе, занятость выросла примерно на два-три процентных пункта, а годовой заработок увеличился приблизительно на $1,000. Эти показатели достигнуты при средних затратах на участника около $13,000. С фискальной точки зрения правительства компенсировали более половины этих расходов за счет дополнительных налоговых поступлений и сокращения выплат социальных пособий, что означает, что вмешательства в целом примерно окупились. Исторически Соединенные Штаты тратили на программы активного рынка труда меньшую долю ВВП, чем большинство сопоставимых стран ОЭСР — разрыв, который помещает скромные результаты, зафиксированные в данном исследовании, в более широкий контекст сравнительно недостаточно финансируемой инфраструктуры подготовки кадров, финансируемой в основном через закон Workforce Innovation and Opportunity Act.

Результаты являются частью более широкой исследовательской программы Anthropic в области экономики, которая отслеживает внедрение ИИ в различных профессиях и отраслях. Хотя переобучение неизменно занимает первое место как наиболее популярная политическая мера реагирования на технологическую безработицу как в общественных, так и в экспертных опросах, авторы предупреждают, что исторические показатели свидетельствуют: текущие модели программ, вероятно, окажутся недостаточными, если передовая автоматизация вытеснит работников в значительных масштабах.

Секторные программы и проблема воспроизведения

Заметным исключением из скромных средних показателей является небольшая группа «секторных программ» — инициатив, которые тесно сотрудничают с работодателями в отраслях с высоким спросом для отбора кандидатов, разработки специализированных учебных программ и трудоустройства выпускников непосредственно на рабочие места. Такие программы, как Year Up и Per Scholas, увеличили заработки участников в несколько раз по сравнению со средним показателем, эффективно функционируя как посредники на рынке труда, связывающие незамеченные таланты с работодателями, готовыми к долгосрочному найму. Результаты Year Up были независимо подтверждены в ходе многолетнего рандомизированного контролируемого испытания, проведенного исследовательской фирмой MDRC — одной из крупнейших оценок такого рода в сфере развития трудовых ресурсов.

Однако в отчете подчеркивается, что воспроизведение этих успехов оказалось исключительно сложным. Высокоточные копии ведущих моделей нередко терпели неудачу на новых площадках, что указывает на то, что их эффективность опирается на тонкие, специфичные для контекста условия: глубокие местные связи, крайне избирательные процессы приема, отсеивающие более 80 процентов кандидатов, и организационный потенциал, наработанный за годы работы.

Несоответствие сценариям вытеснения вследствие ИИ

Поскольку большинство изученных программ были ориентированы на лиц с низкими доходами или частично занятых, а не на «белых воротничков» в середине карьеры, которым может потребоваться длительное переобучение, авторы приходят к выводу, что существующая инфраструктура переобучения плохо соответствует сценарию масштабного вытеснения, вызванного ИИ. Это несоответствие особенно заметно, учитывая, что большие языковые модели все чаще демонстрируют способности в выполнении таких задач, как написание текстов, программирование, юридический анализ и поддержка клиентов — профессии, для которых традиционные программы подготовки кадров никогда не были рассчитаны.

Их главная рекомендация — уже сейчас инвестировать в демонстрацию, оценку и масштабирование наиболее перспективных моделей программ до того, как разразится масштабный кризис. В частности, они предлагают оперативно расширить ведущую секторную программу для четко определенной группы работников при строгом отслеживании результатов в сфере занятости и заработков. Исследовательский фонд экономического будущего Anthropic (Economic Futures Research Fund) готов поддержать такие исследования, что отражает формирующийся консенсус о том, что понимание ограничений текущих подходов к переобучению имеет важное значение для подготовки к эпохе стремительной автоматизации.