ШІ не забрав професії. Він забирає перший поверх кар’єри

Компанії рідко замінюють цілу професію однією моделлю. Вони діють тихіше: не відкривають вакансії, не замінюють тих, хто пішов, виводять підрядників і вимагають від новачків навичок, яких раніше чекали від людей із досвідом.

У старій економіці просте завдання було вхідним квитком у професію. Написати SEO-текст. Перекласти типовий опис. Зібрати таблицю. Підготувати чернетку договору. Перевірити факти. Відповісти клієнту за скриптом. Зробити базовий код. Для компанії це була рутина. Для новачка перший поверх кар’єри.

У новій економіці саме цей поверх першим опинився під тиском.

Штучний інтелект поки що не знищив ринок праці. Дані не підтверджують простої версії, що мільйони офісних працівників вже були масово замінені чат-ботами. Але розслідування публічних кейсів, досліджень ринку праці та корпоративних заяв показує більш тонку та небезпечну картину: ШІ вирізує не професії цілком, а ті завдання, на яких люди раніше вчилися ставати фахівцями.

Як ми це перевіряли

Для цієї статті було розділено чотири різні явища, які у публічній дискусії часто змішують в одне.

Перше – exposure, тобто потенційна заторкнутість професії ШІ. Це не звільнення, а оцінка того, яку частину завдань можна прискорити або частково автоматизувати. Дослідження OpenAI та University of Pennsylvania оцінювало, що близько 80% робочої сили США може мати хоча б 10% завдань, зачеплених LLM, а близько 19% працівників – не менше 50% завдань; автори прямо не називали це прогнозом зникнення робочих місць. МВФ схожим чином оцінював, що близько 40% світової зайнятості та близько 60% зайнятості в розвинених економіках під впливом ШІ, але вказував, що частина працівників може виграти від зростання продуктивності, а частина зіткнутися зі зниженням попиту, зарплат або найму.

Друге – “пряме скорочення”. Це коли компанія звільняє співробітників та прямо пов’язує рішення з ШІ. Таких кейсів стає більше, але навіть тут важливо відрізняти “ШІ названо причиною” від доказу, що кожну конкретну посаду було технічно замінено моделлю. Challenger, Gray & Christmas у звіті за травень 2026 року показав, що AI був названий причиною 38 579 оголошених скорочень у США за місяць, або 40% усіх cuts у травні, але це саме база оголошених причин, а не судова експертиза кожної вакансії.

Третє — замороження найму і незаміщення. Це найтихіший механізм. Людина йде, але компанія не відкриває позицію наново. Штат зменшується не через драматичне звільнення, а через природний відтік, автоматизацію та заборону на новий headcount.

Четверте – перерозподіл бюджету. Компанія скорочує одні ролі та одночасно наймає інші: інженерів, AI product managers, data specialists, security, compliance, sales або customer success. У статистиці це може виглядати як “ринок не звалився”, але для конкретного junior-фахівця вхід до професії стає вже іншим.

Карта перевірки: що реально підтверджується

Klarna

Публічний наратив: “ШІ замінив 700 співробітників підтримки”.

Що підтверджується: Klarna заявила, що AI-асистент обробив 2,3 млн розмов за перший місяць, взяв дві третини чатів підтримки та виконував обсяг роботи, еквівалентний 700 full-time agents. Reuters пізніше писав, що штат скоротився з приблизно 5 000 до 3 800, в основному через attrition, а не layoffs.

Що не варто стверджувати: не можна писати, що “Klarna звільнила 700 людей через бота”. Підтверджено “еквівалент навантаження”, а не пряме звільнення 700 конкретних працівників.

Intuit

Публічний наратив: “1 800 осіб звільнено через ШІ”.

Що підтверджується: Intuit оголосила, що близько 1800 співробітників, або 10% штату, покинуть компанію; Водночас компанія заявила, що планує найняти приблизно 1 800 нових людей у напрямах, зокрема engineering, product, sales, customer success and marketing.

Що не варто стверджувати: це не чистий кейс “ШІ знищив 1800 робочих місць”. Це перерозподіл кадрів та бюджету.

Duolingo

Публічний наратив: “ШІ замінив перекладачів”.

Що підтверджується: Bloomberg Law повідомляв, що Duolingo offboarded близько 10% contractors, оскільки компанія розширювала використання generative AI для створення контенту.

Що не варто стверджувати: не можна стверджувати, що професія перекладача зникла або що компанія масово звільнила штатних перекладачів. Підтверджено удар по підрядникам та рутинному контентному шару.

IBM

Публічний наратив: “ШІ замінить back-office”.

Що підтверджується: Reuters передавав слова CEO IBM Арвінда Крішни про паузу або уповільнення найму в back-office functions та потенційну заміну близько 7 800 позицій ШІ та автоматизацією за кілька років.

Що не варто стверджувати: це не одномоментне звільнення 7800 осіб. Це приклад того, як ШІ діє через замороження найму та незаміщення.

Amazon

Публічний наратив: “AI скоротить корпоративний штат”.

Що підтверджується: Andy Jassy у червні 2025 року написав співробітникам, що з впровадженням generative AI та агентів компанії знадобиться менше людей для деяких поточних завдань та більше людей для інших типів роботи; У наступні роки Amazon очікує скорочення total corporate workforce за рахунок efficiency gains.

Що не варто стверджувати: це не означає, що весь корпоративний штат замінюється на ШІ. Це заява про структурну розбудову роботи.

Shopify

Публічний наратив: “Спочатку ШІ, потім новий headcount”.

Що підтверджується: TechCrunch повідомив про memo CEO Shopify Tobi Lütke: команди повинні показати, чому завдання не можна виконати за допомогою ШІ, перш ніж просити більше headcount або ресурсів.

Що не варто стверджувати: це не layoff-кейс. Це найважливіший управлінський сигнал: ШІ стає фільтром сам факт найму.

Microsoft

Публічний наратив: “Скорочення заради ШІ”.

Що підтверджується: AP повідомляв, що Microsoft почала скорочувати близько 6 000 працівників, майже 3% штату, на тлі великих витрат на AI; у Вашингтоні під скорочення потрапило багато software engineering і product management roles.

Що не варто стверджувати: не можна автоматично вважати ці скорочення прямою заміною інженерів ШІ. Це швидше суміш оптимізації, спрощення management layers та перерозподілу капіталу в AI-інфраструктуру.

Головний висновок з таблиці: сильні кейси є, але вони майже ніколи не виглядають як проста сцена “бот прийшов – людина пішла”. Реальний механізм складніший: автоматизація рутини, замороження найму, скорочення підрядників, зменшення vendor spend, перерозподіл бюджету та тиск на менеджерів, які тепер мають доводити необхідність нової позиції.

Klarna: міф про “700 звільнених” та реальність незаміщення

Кларна стала ідеальним символом епохи. У лютому 2024 року компанія заявила, що її AI-асистент за перший місяць обробив 2,3 млн клієнтських розмов, взяв на себе дві третини чатів підтримки, скоротив середній час рішення звернення з 11 хвилин до менш ніж двох і виконував обсяг роботи, еквівалентний 700 full-time agents. Для інвесторів це звучало як нова формула маржі: менше людей, швидше за сервіс, нижче за cost-to-serve.

Але саме цей кейс показує, як легко реальна цифра перетворюється на поганий висновок. “Еквівалент роботи 700 агентів” – це не “700 людей звільнені через ШІ”. Reuters пізніше писав, що Klarna скоротила активні позиції з приблизно 5 000 до 3 800, причому CEO Себастьян Семятковскі пояснював, що майже все скорочення було досягнуто через attrition, а не layoffs: компанія просто не наймала нових людей замість тих, хто пішов. 2025 року історія отримала ще один поворот. Reuters повідомив, що CEO Klarna визнав: компанія могла “over index” на використанні ШІ для скорочення витрат і тепер зміщує фокус на покращення продуктів та зростання; Klarna також знов мала відкриті позиції на порталі jobs. Це не скасовує ефекту ШІ, але робить висновок дорослішим: автоматизація підтримки може різко знизити потребу в людях на стандартних зверненнях, але не замінює весь контур довіри, винятків та складного клієнтського досвіду.

Intuit, Duolingo, IBM: три різні способи прибрати перший поверх

Intuit важлива як антиприклад до спрощеної статті. У липні 2024 року компанія оголосила про вихід приблизно 1800 співробітників, близько 10% штату. Але в тому ж документі компанія заявила, що не робить layoffs заради скорочення витрат і планує найняти приблизно стільки нових людей в інших напрямках. Це не історія “ШІ забрав 1800 робочих місць”; це історія “старі ролі стали менш пріоритетними, нові ролі стали дорожчими і важливішими”.

Duolingo показує пряміший удар по рутинному шару. Тут не йдеться про масове зникнення перекладачів, а про скорочення підрядників: Bloomberg Law писав, що близько 10% contractors були offboarded, тому що компанії більше не потрібно стільки людей для деяких завдань, частина чого може бути пов’язана з ШІ. Це типовий перший удар: не за захищеними senior-експертами, а за зовнішніми виконавцями та повторюваною роботою. IBM показує тихий механізм: не звільнення, а відсутність нової вакансії. Reuters в 2023 році передавав заяву CEO IBM про заморожування або уповільнення найму в back-office functions, де близько 30% non-customer-facing roles могли бути замінені ШІ та автоматизацією за п’ять років. Для ринку праці це може бути навіть важливішим за гучні звільнення: позиція не зникає в новинах, вона просто не з’являється.

Макроринок поки не звалився

Якщо дивитися на весь ринок праці, доказів AI-безробіття, що вже відбулося, поки немає. Federal Reserve у березні 2026 року, використовуючи дані Lightcast та Census Bureau, писав, що дослідження поточного стану AI adoption та впливу на зайнятість знаходяться на ранній стадії, а довгострокові висновки робити складно; в їхньому аналізі не було простої картини, де фірми з великим AI adoption різко скорочують job postings.

New York Fed у травні 2026 року також попереджав: AI exposure професії не означає автоматичного падіння найму чи зростання звільнень. У Second District, за даними New York Fed, більше фірм повідомляли про retraining працівників в AI-exposed трудящих, ніж про скорочення найму. Навіть офіційні прогнози BLS щодо технологічних ролей не схожі на кінець професій. У 2024–2034 роках BLS прогнозує зростання зайнятості data scientists на 34%, а software developers, quality assurance analysts and testers — на 15%, що вище за середню економіку. Але це не означає, що все спокійно. Indeed Hiring Lab в січні 2026 року писав, що загальний найм залишається слабким, вакансії у багатьох професіях стагнують або знижуються, але postings з AI-термінами зростають: AI Tracker досяг 4,2% всіх вакансій у грудні 2025 року, а майже 45% – вже 45%. Тобто ринок не зникає, він перекроюється на користь людей, які вже вміють працювати в новій зв’язці “домен + дані ШІ”.

Проблема не в професіях. Проблема у вході у професії

Найтривожніша частина видно не в total employment, а у віковій та кар’єрній структурі. Stanford Digital Economy Lab у дослідженні “Canaries in the Coal Mine?” використовував high-frequency administrative payroll data від найбільшого payroll-провайдера США і вивчав occupations exposed to generative AI. У версії дослідження від листопада 2025 року автори фіксували, що працівники 22–25 років у найбільш AI-exposed occupations мали спад зайнятості з кінця 2022 року, тоді як старші групи у тих самих професіях показували зростання.

Свіжий PwC 2026 Global AI Jobs Barometer, опублікований 15 червня 2026, посилює цю лінію. PwC проаналізувала понад 1 млрд job ads across six continents і окремо 2,4 млн entry-level jobs у США. Висновок: AI-exposed entry-level roles тепер сім разів частіше вимагають traditionally senior-level human-intensive skills — judgement, leadership, creativity or face-to-face interactions; при цьому “seniorised” entry-level roles зросли на 35% з 2019 року, а інші entry-level roles скоротилися на 10%.

Це є ключ до статті. ШІ не обов’язково знищує професію згори. Він може вирізати її знизу.

Раніше молодший аналітик навчався на збиранні таблиць. Молодший юрист – на чернетках договорів. Молодший журналіст — на фактчекінгу та переказі документів. Junior developer – на простих завданнях, тестах та підтримці. Наразі саме ці завдання стають першими кандидатами на автоматизацію. Senior з ШІ стає швидше. Junior без досвіду стає менш очевидною інвестицією.

Парадокс продуктивності: ШІ допомагає новачкам, і саме тому їх можуть наймати менше

Один із найнеприємніших ефектів генеративного ШІ в тому, що він одночасно підвищує продуктивність слабких працівників та знижує потребу у великій кількості слабких працівників. Дослідження NBER “Generative AI at Work” по 5 179 customer support agents показало, що доступ до AI-інструменту збільшував продуктивність, measured by issues resolved per hour, на 14% в середньому і на 34% для novice and low-skilled workers, при мінімальному.

На рівні окремого співробітника це хороша новина: новачок швидше виходить на прийнятну якість. На рівні компанії це двозначно: якщо один junior з AI робить роботу, для якої раніше були потрібні двоє, бізнес може не звільняти нікого сьогодні, але завтра не відкрити другу вакансію.

Фріланс показує цей ефект швидше, тому що там менше корпоративних буферів. Дослідження по онлайн-платформі після запуску ChatGPT виявило, що фрілансери в найбільш помітних заробітках зіткнулися зі зниженням both employment and earnings. Це логічно: якщо завдання стандартизовано та купується як commodity, замовник швидше переносить її на модель.

AI layoffs: реальність, але ще й мова для інвесторів

Не можна вдавати, що “AI layoffs” – це тільки медійна паніка. Challenger, Gray & Christmas у звіті за травень 2026 прямо пише, що AI став leading reason companies give for cutting jobs, а technology sector оголосив 38 242 скорочення за травень – максимум для сектора з серпня 2024 року. У травні AI був зазначений як причина 38579 cuts, 40% всіх оголошених скорочень за місяць; з початку 2026 року AI cited in 87714 cuts, вже більше, ніж 54836 за весь 2025 рік.

Але й тут потрібна обережність. Challenger вимірює оголошені скорочення та зазначені причини. Це важливий сигнал корпоративної поведінки, але не доказ, що кожна з цих позицій була замінена технічно конкретною моделлю. Іноді AI – реальна автоматизація. Іноді пояснення для скорочення витрат. Іноді спосіб показати інвесторам, що компанія “рухається у бік ефективності”. Іноді все відразу.

Microsoft добре показує цю сіру зону. AP писав, що компанія скорочувала близько 6 000 працівників, майже 3% штату, на тлі високих витрат на AI; під скорочення потрапили і software engineering, і product management roles. Але прямий висновок “ШІ замінив цих інженерів” був надто сильним. Більш точна формула: компанія інвестує в AI, спрощує management layers, перерозподіляє витрати та змінює структуру команд.

Нові ролі: не “prompt engineer”, а шар відповідальності

Найслабша помилка у прогнозах — намагатися вгадати гарні назви майбутніх професій. “Prompt engineer” звучав як символ нової епохи, але на практиці prompt стає не професією, а базовою грамотністю. Як пошук у Google, Excel або вміння працювати з таблицями.

Зростає інший шар: AI governance, model risk, AI compliance, data quality, security, evaluation, workflow automation, human-in-the-loop operations, domain validation, AI product management. Indeed фіксував зростання вакансій з AI-термінами на тлі слабкого загального найму, а WEF у Future of Jobs Report 2025 назвав AI and big data найшвидшою групою skills, за якою слідують networks and cybersecurity і technology literacy.

Регулювання закріплює цей прошарок відповідальності. EU AI Act відносить AI systems для employment, workers management and access to self-employment до high-risk use cases, включаючи recruitment, selection, filtering applications, evaluation of candidates, promotion, termination, task allocation and monitoring. Для high-risk AI systems Article 14 вимагає human oversight, тобто систему потрібно проектувати так, щоб люди могли запобігати або мінімізувати ризики для здоров’я, безпеки та фундаментальних прав. У праві схожа логіка вже сформульована професійною етикою. ABA Formal Opinion 512 вказує, що юристи, які використовують generative AI, повинні враховувати обов’язки компетентності, захисту інформації клієнта, комунікації з клієнтом та розумного виставлення рахунків. Іншими словами, юрист може використати ШІ, але не може перекласти на нього професійну відповідальність. У креативній сфері схожий бар’єр проходить через авторство. U.S. Copyright Office в 2025 році вказав, що outputs of generative AI можуть бути захищені copyright тільки там, де human author determined sufficient expressive elements; mere provision of prompts недостатній. Це не захищає всіх дизайнерів та копірайтерів від автоматизації, але підвищує цінність людини як автора, редактора, арт-директора та власника фінального рішення.

Хто виглядає стійкішим

Стійкіші не ті професії, де “немає ШІ”. Таких буде менше. Стійка роль, де є фізичний світ, відповідальність, довіра, переговори, складний контекст і наслідки помилки.

Це медицина, догляд, освіта з сильною людською компонентою, інженерія на об’єктах, будівництво, енергетика, безпека, право, фінанси, compliance, investigative journalism, product ownership, enterprise sales, operations, procurement, системна архітектура, data governance та управління складними ланцюжками рішень.

Але “стійкіше” значить “без змін”. Лікар працюватиме з AI-тріажем та підказками. Юрист – з AI-драфтами та перевіркою джерел. Розробник – з coding agents, тестами, архітектурою та security review. Редактор — із потоком машинного тексту, який потрібно перевіряти, відбирати та перетворювати на відповідальний продукт. Продавець – з AI-аналітикою клієнта та автоматизованою підготовкою матеріалів.

Головна лінія не “людина проти ШІ”. Головна лінія – людина, яка відповідає за результат, проти людини, яка просто виконує повторювану операцію.

Що тепер стає новим входом у професію

Блок “що вчити” у такій статті не повинен перетворюватися на кар’єрний гайд, але без нього висновок буде неповним. Якщо перший поверх старих кар’єрних сходів зникає, треба розуміти, що стає новим першим поверхом.

Перше – домен. Поверхнева робота дешевшає. Людина, яка розуміє право, фінанси, медицину, логістику, моду, промисловість, ринок, продукт чи клієнта, стає ціннішою, тому що саме вона здатна відрізнити правдоподібну машинну відповідь від придатного рішення.

Друге – перевірка. Source verification, робота з первинними документами, filings, судовими рішеннями, регуляторними текстами, логами, таблицями, API та статистикою стають не “журналістською навичкою”, а базовим професійним захистом.

Третє – автоматизація. SQL, Python на прикладному рівні, API, no-code/low-code, таблиці, парсинг, векторний пошук, агентні workflow та розуміння обмежень моделей стають новим офісним мінімумом для аналітиків, маркетологів, редакторів, продактів, операційних менеджерів та консультантів.

Четверте – відповідальність. У світі, де генерація майже безкоштовна, дефіцитом стає людина, яка може сказати: “Я перевірив, що це можна використовувати”.

П’яте – портфель. Новачку все важче приходити з фразою “я готовий вчитися”. Компанії хочуть бачити доказ: проект, дослідження, код, автоматизацію, розбір, демо, громадську роботу, кейс. Це несправедливо до початківців, але це стає новою реальністю ринку.

Головний ризик: не безробіття, а просідання професійної піраміди

Найнебезпечніша помилка – сперечатися у старих категоріях: “ШІ знищить професії” або “нічого не станеться”. Обидві формули надто грубі.

ШІ може не знищити професію юриста, але прибрати частину завдань молодшого юриста. Може не знищити журналістику, але зробити дешевшим переказ прес-релізів. Може не знищити розробку, але скоротити кількість простих завдань, у яких junior вчився думати як інженер. Може не знищити customer support, але залишити людям лише складні, конфліктні та емоційно тяжкі звернення.

У короткостроковій перспективі це вигідно компаніям. Менше рутини. Менше headcount. Швидші процеси. Вище revenue per employee. У довгостроковій перспективі постає питання, на яке бізнес поки що не дав відповіді: хто вирощуватиме майбутніх senior-фахівців, якщо початкові завдання економічно дешевше віддати моделі?

Якщо Junior Analyst не збирає дані, він не вчиться бачити помилки в даних. Якщо junior lawyer не пише чернетки, він не вчиться будувати аргументацію. Якщо junior developer не робить прості завдання, він не вчиться архітектурного мислення. Якщо журналіст-початківець не робить фактчок, він не стає розслідувачем.

ШІ не забрав ринок праці цілком. Він почав із першого поверху. А якщо перший поверх зникає, вся будівля професій одного разу починає просідати.