> **Коротко.** В июне 2026 экономисты Ramp и Revelio Labs опубликовали первое исследование, где внедрение ИИ измерено не опросами и не «оценками уязвимости профессий», а реальными платежами компаний ИИ-вендорам — по 21 559 фирмам США. Результат ломает привычный нарратив: компании, которые внедрили ИИ всерьёз, за два года **выросли по числу сотрудников примерно на 10%**, а найм джуниоров у них вырос на 12%. Компании, которые ограничились «купили подписку и забыли», не получили ничего — ни роста, ни сокращений. Разбираем, что именно посчитали, где границы выводов и что из этого следует бизнесу, который решает — внедрять или подождать.

## Что случилось: цифры вместо страшилок

Публичный нарратив последних лет звучит так: ИИ заберёт работу, начиная с джуниоров. CEO крупных компаний регулярно объясняют увольнения «внедрением ИИ», а сами разработчики моделей колеблются между обещаниями невиданного богатства и предупреждениями о массовой безработице.

Исследование [«A New Look at AI's Impact on Jobs» (Kharazian, Simon, Stevens, июнь 2026)](https://ramp.com/data/ai-jobs-impact) впервые проверило этот нарратив на данных о том, что компании реально **делают**, а не говорят. Главные результаты:

- **Общий штат: +10,2% за 24 месяца** после внедрения — у компаний с высокой интенсивностью использования ИИ. У «лёгких» пользователей — статистически значимых изменений нет.
- **Джуниоры: +12%.** Начальные позиции у активных пользователей ИИ выросли даже быстрее общего штата — вопреки прогнозам, что ИИ первым делом вытеснит именно их.
- **Рост широкий, а не только в IT-отделе:** инженеры, продажи, административные роли, клиентская поддержка, финансы — прибавили почти все функции.
- **Эффект нарастает постепенно:** первые признаки роста — через 6–12 месяцев после внедрения, дальше кривая идёт вверх. Похоже на кривую обучения: компании сначала ищут сценарии использования, выстраивают процессы — и только потом получают отдачу.

## Почему этим данным можно верить больше, чем опросам

До сих пор почти все работы про «ИИ и занятость» опирались либо на опросы («используете ли вы ИИ?»), либо на теоретические индексы уязвимости профессий — какие задачи ИИ *мог бы* выполнять. Обе методики регулярно противоречат друг другу.

Здесь измерение другое. Ramp — платформа корпоративных карт и оплаты счетов: авторы видят каждый реальный платёж компании ИИ-вендорам — за модели, API, кодинг-агентов, GPU-облака. Revelio Labs собирает помесячную историю занятости по тем же компаниям. Связав эти данные, авторы получили панель из 21 559 фирм США с января 2021 по февраль 2026.

«Внедрением» считается не разовый эксперимент, а устойчивая оплата: минимум $100 в месяц ИИ-вендорам три месяца подряд. Интенсивность — расходы на ИИ на одного сотрудника: «лёгкие» пользователи тратят в среднем $2,78 на человека в месяц, «тяжёлые» — $33,67. И весь эффект сидит именно во второй группе.

## Честные оговорки: что исследование не доказывает

Хороший повод не превращать результат в лозунг «ИИ создаёт рабочие места, расходимся»:

1. **Внедряют не случайные компании.** Те, кто внедряет ИИ, ещё *до* внедрения крупнее, техничнее, быстрее растут и чаще имеют венчурное финансирование. Авторы это честно проговаривают и поэтому сравнивают ранних внедривших не с «отказниками», а с такими же компаниями, которые внедрят ИИ позже, но ещё не успели.
2. **Отраслевой разрез неровный.** Статистически значимый рост пока только в секторе Information — софт, интернет, медиа (+13,4%). В остальных отраслях эффект либо мал, либо его пока не видно: там ИИ-инструменты ещё не дозрели до продуктовой зрелости.
3. **Это про компании, а не про экономику в целом.** Исследование говорит: внедрившие фирмы растут. Оно не отменяет других данных — например, о падении найма молодых специалистов в наиболее «уязвимых» для ИИ профессиях по экономике в целом. Рост у внедривших может частично происходить за счёт конкурентов, которые не внедрили.

## Главный практический вывод: порог интенсивности

Самая недооценённая часть исследования — не «+10%», а разрыв между группами. Компании, которые купили пару чат-подписок ($2–3 на сотрудника в месяц), не получили **никакого** измеримого эффекта. Весь рост — у тех, кто вложился всерьёз: кодинг-агенты, API, несколько моделей и вендоров, перестройка рабочих процессов.

| | «Лёгкое» внедрение | Интенсивное внедрение |
|---|---|---|
| Расходы на ИИ, на сотрудника в месяц | $2,78 | $33,67 |
| Общий штат за 24 месяца | без значимых изменений | **+10,2%** |
| Джуниорские позиции | без значимых изменений | **+12,0%** |
| Типичный набор | чат-подписка | агенты, API, несколько вендоров |

Иными словами: подписка на чат-бот — это ещё не внедрение ИИ. Эффект появляется, когда ИИ реально встроен в ежедневную работу и берёт на себя задачи целиком, а сэкономленный ресурс компания направляет в рост — новые продукты, продажи, поддержку клиентов.

## Что это значит для селлера и малого бизнеса

Исследование сделано на американских данных, но логика переносится напрямую:

- **Вопрос «заменит ли ИИ моих сотрудников» поставлен неправильно.** Данные показывают другую развилку: компании, которые интенсивно используют ИИ, растут быстрее тех, кто ждёт. Риск не в том, что ИИ заберёт работу у вашей команды, — а в том, что её заберёт конкурент, который внедрил ИИ раньше.
- **Пилот ≠ результат.** Три месяца экспериментов с чатом ничего не меняют — это буквально видно в данных. Отдача приходит, когда рутина (отчёты, отзывы, ставки, поставки, документы) стабильно делается ИИ, а люди заняты тем, что растит бизнес.
- **Эффект требует времени.** 6–12 месяцев до первых измеримых результатов — нормальный горизонт, а не признак того, что «не работает».

Мы в [Сам Решу](/) строим ровно ту модель использования, которая в исследовании даёт эффект: не «ещё один чат», а агент, который берёт задачи селлера целиком — по официальным API маркетплейсов, по правилам, заданным обычным языком. Это и есть переход из левой колонки таблицы в правую — без найма отдельного ИИ-отдела.

«Взять задачу целиком» на практике означает конкретный скилл под конкретную рутину: [«Юнит-экономика по SKU»](/skills/unit_economics_ru) вместо ежемесячной сборки отчёта в Excel, [«Отзывы и вопросы на маркетплейсах»](/skills/marketplace_reviews_ru) вместо ручных ответов покупателям, [«Аналитика рекламы на маркетплейсах»](/skills/marketplace_ads_analytics) вместо еженедельного пересчёта ставок, [«Прогноз закупок (маркетплейсы)»](/skills/stock_forecast_ru) вместо таблицы «когда кончится». Разница с «чат-подпиской» из левой колонки ровно та, что описана в исследовании: задача не подсказывается человеку, а закрывается и ставится на расписание.

> «Каждый понедельник считай юнит-экономику по всем SKU за прошлую неделю, сравнивай с позапрошлой и присылай только то, что изменилось больше чем на 3%: что выросло, что просело и из-за какой статьи затрат.»

Как выглядит внедрение по шагам и с какой задачи начинать — разобрано в статьях [про внедрение ИИ в бизнес](/resources/vnedrenie-ii-v-biznes) и [что селлеру автоматизировать первым](/resources/kak-selleru-avtomatizirovat-biznes-s-pomoshyu-ii).

## Частые вопросы

**Значит, ИИ вообще не сокращает рабочие места?**
Нет, такой вывод из исследования не следует. Оно показывает, что на уровне отдельных компаний внедрение ИИ ассоциировано с ростом штата, а не с сокращениями. Процессы на уровне всей экономики — включая перераспределение найма между профессиями и компаниями — это отдельный вопрос, и данные там противоречивее.

**Почему растут именно джуниоры? Все говорили, что их заменят первыми.**
Авторы видят в данных обратное: у интенсивных пользователей ИИ джуниорский штат вырос на 12% — быстрее общего. Одно из объяснений: ИИ снижает стоимость обучения новичка и повышает его полезность с первого дня, поэтому нанимать джуниоров становится выгоднее, а не бесполезнее.

**Мой бизнес не в IT — мне это вообще релевантно?**
Пока измеримый рост сконцентрирован в секторе Information — там ИИ-инструменты созрели раньше всего. Но авторы прямо пишут: это ранняя точка кривой внедрения, а не потолок. Для остальных отраслей вопрос не «работает ли ИИ», а «появился ли уже инструмент под мою рутину». Для торговли на маркетплейсах — уже появился.

**Что такое «интенсивное внедрение» в переводе на практику?**
Не количество подписок, а доля реальной работы, которую делает ИИ. В исследовании интенсивность мерили в долларах на сотрудника, но за деньгами стоит поведение: агенты и API вместо разового чата, несколько инструментов, встроенность в ежедневные процессы.

---

*Источник: Kharazian, A., Simon, L., & Stevens, R. (2026). A New Look at AI's Impact on Jobs: Firm-Level AI Spending and Workforce Adjustment. Ramp Economics Lab. [ramp.com/data/ai-jobs-impact](https://ramp.com/data/ai-jobs-impact)*