Чи забиратимуть роботи роботу в робітничих професій? Що насправді говорить дослідження Anthropic 2026 року (Anthropic, Tesla, Nvidia, Jobbit)

Десять років публічна розмова про автоматизацію трималася на одному числі. У 2013 році Карл Бенедикт Фрей і Майкл Осборн (Carl Benedikt Frey і Michael Osborne) з Оксфорда оцінили, що 47% зайнятості у Сполучених Штатах припадає на професії з високим ризиком комп'ютеризації протягом двох десятиліть, і відтоді цю цифру повторюють у кожній промові про майбутнє праці. Минуло тринадцять років: роботи, які мали спорожнити склади й будівельні майданчики, з'явилися в демонстраціях, на кількох тисячах заводів і в невеликій кількості таксі, а люди, яких мали замінити, досі працюють, і багато хто з них у дефіцитних професіях, які роботодавці не можуть заповнити. У стандартній розповіді щось було хибним, і донедавна ніхто не міряв, що саме.

30 вересня 2026 року економічна команда Anthropic опублікувала "What work can robots do?" (Russell Legate-Yang і Maxim Massenkoff). Наскільки може встановити цей огляд, це перша спроба оцінити кожне фізичне завдання в американській економіці щодо роботів, які реально існують, а потім поставити питання, яке 47% ніколи не ставили: за яку ціну. Відповідь змінює дебати. Роботи вже можуть виконувати приблизно три чверті фізичних робочих завдань у Сполучених Штатах, але вони дешевші за людину лише для трьох із тисячі. Щоб за темпу здешевлення роботів із 1990-х років скоротити цей розрив до десятої частини роботи, знадобиться близько сорока років, а навіть агресивний сценарій відсуває половину фізичної роботи за межі 2050 року. Це кейс-стаді уважно читає працю, зіставляє її з даними про те, що ШІ вже робить з офісною роботою, розглядає заперечення і виводить, що ця закономірність означає для британського майстра, власника малого бізнесу та компанії на кшталт Jobbit, яку збудовано на засновку, що її праця тепер кількісно оцінює: передача роботи між машинами та людьми є центральним питанням проєктування на наступні двадцять років.

Підсумок висновків

По-перше, спроможність більше не є вирішальним обмеженням для більшості фізичної роботи. Дослідження Anthropic показує, що роботи можуть виконувати 74% фізичних завдань у Сполучених Штатах, що становить 34% усіх робочих годин, причому йдеться про роботів, які продавалися, впроваджувалися або демонструвалися, а не про уявних.

По-друге, обмеженням є вартість. Роботи конкурентоспроможні за вартістю порівняно з працівником для 0.3% робочих завдань сьогодні. Для найвразливішої великої професії, пакувальників, оцінена річна економія становить близько $2,500 на працівника за витрат на працю близько $49,000; для водіїв таксі робот досі коштує приблизно на $7,000 більше за людину.

По-третє, розрив скорочується повільно. Ціни на роботів падали приблизно на 3% на рік із 1990-х. За такого темпу потрібно 40 років, щоб роботи стали конкурентоспроможними за вартістю для 10% роботи в США. У швидкому сценарії праці, коли витрати падають вчетверо швидше, а можливості зростають удвічі швидше, роботи стають дешевшими за людей для половини фізичної роботи приблизно у 2050 році проти 2085 за історичним трендом, а автоматизація 90% її все одно триває 53 роки.

По-четверте, цифрова робота постає в протилежному світлі. Близько 50% роботи в США вразливі лише до великих мовних моделей і 81% до мовних моделей або роботів разом, а ранні дані ринку праці з платіжних відомостей показують, що зайнятість серед 22-25-річних у найбільш вразливих до ШІ професіях приблизно на 19% нижча, ніж у їхніх менш вразливих ровесників, тоді як для досвідчених працівників і економіки загалом подібного руху поки немає.

По-п'яте, люди, найвразливіші до роботів, мають найменшу подушку безпеки. Порівняно з невразливими працівниками вони на 55 відсоткових пунктів рідше мають диплом, заробляють приблизно на $30 на годину менше й мають рівень безробіття більш ніж удвічі вищий.

По-шосте, бар'єри, що залишаються, конкретні й вимірні. Близько 70% фізичних завдань стримує спроможність, приблизно половину з них маніпуляції та вправність рук; 14% заблоковано чинним регулюванням і 25% людськими уподобаннями. Це завдання, де людина знадобиться ще десятиліттями і де даних для навчання машин поки не існує.

Кейс: чому це дослідження є правильною лабораторією

Прогнози автоматизації зазвичай провалювалися одним із двох способів. Дослідження на рівні професій, як-от Фрея й Осборна, розглядали цілі професії як автоматизовні одиниці, що дало цифру 47%; коли Мелані Арнц, Террі Грегорі та Ульріх Ціран в ОЕСР (Melanie Arntz, Terry Gregory і Ulrich Zierahn) повторили вправу у 2016 році на рівні завдань, ураховуючи суміш робіт усередині кожної професії у 21 країні, частка автоматизовних робочих місць упала до 9%. Експертні опитування своєю чергою питали фахівців, що зможуть робити машини, а це ставка на технології, які можуть так і не вийти на ринок.

Праця Anthropic уникає обох пасток за задумом. Вона виходить із приблизно 19,000 формулювань завдань для близько 900 професій у O*NET, професійній базі даних Department of Labor США, а також зі статистики зайнятості й заробітної плати Bureau of Labor Statistics. Вона використовує модель Claude, щоб оцінити кожне завдання за фізичним, когнітивним та міжособистісним складниками, залишає лише фізичні завдання, які не могло б автоматизувати звичайне програмне забезпечення, а потім шукає в мережі конкретних роботів, які доведено виконували кожне завдання, вимагаючи як доказу комерційного впровадження, продажів або значної демонстрації. Кожне завдання розміщено на чотирирівневій шкалі контролю середовища: E0, жоден робот не може його виконати; E1, робот може виконати його в спеціально побудованому середовищі, наприклад на заводській лінії; E2, у структурованому людському закладі, наприклад на складі; E3, у неструктурованому середовищі, наприклад на міській дорозі. Більшість розгорнутих роботів живуть у спроєктованих просторах, тому автори вважають цей рівень добрим показником ризику найближчого часу.

Вартість моделюється, а не припускається. Для кожного вразливого завдання модель оцінює річну вартість названого робота, зокрема купівлю та встановлення, обслуговування, програмне забезпечення, енергію, нагляд, страхування та виведення з експлуатації, з фіксованими витратами, розподіленими на роки за оцінною вартістю капіталу, і порівнює її з повною винагородою працівника, масштабованою за часткою його часу на це завдання. Завдання вважається конкурентоспроможним за вартістю лише тоді, коли річна вартість робота нижча за працю, яку він замінює. Потім автори перевіряють весь апарат у зворотному напрямку: оцінюючи завдання щодо роботів, які існували у 1977 році та пізніших десятиліттях, вони показують, що професії, вразливіші до тогочасних роботів, згодом втратили більше заробітків і зайнятості, а саме це має робити міра вразливості, щоб чогось вартувати.

Дослідження американське. Це та вада, яку читач має пам'ятати. Британські зарплати, ціни на енергію, регулювання та склад професій відрізняються, і ніхто ще не застосував цей метод до даних Великої Британії. Але ставки тут, якщо на те пішло, вищі. Червневий прогноз Construction Industry Training Board 2026 року стверджує, що галузі потрібно в середньому 41,200 додаткових працівників на рік у 2026-2030 роках, понад 206,000 загалом, щоб встигати за попитом, при цьому 40% наявної робочої сили старші за 45 років, а понад 200,000 працівників із ЄС втрачено після Brexit. Звіт Department for Education Occupations in Demand за грудень 2025 року налічує 10.9 мільйона людей, 32.9% робочої сили, у 125 професіях із підвищеним попитом і називає електриків та електромонтажників (201,000 робочих місць) і техніків та механіків транспортних засобів (183,000) серед найбільших кваліфікованих робітничих професій у цьому переліку. Якби роботи збиралися замінити робітничі професії, дефіцит був би тимчасовою проблемою. Наведені нижче дані свідчать, що це не так.

Хронологія доказів, 2013-2026

Висновок 1: роботи можуть виконати більшість фізичної роботи, і майже жодна з неї не окупається

Перше число в праці саме те, яке цитуватимуть, і його варто сформулювати точно. З усього робочого часу в США 54% становить когнітивна або міжособистісна робота і 46% фізична. У межах фізичної частки 12 відсоткових пунктів не може виконати жоден робот, якого знайшли автори (E0), 23 можна виконати у спеціально побудованих середовищах (E1), 10 у структурованих людських закладах, як-от склади (E2), і 1 у неструктурованих середовищах (E3). Загалом роботи можуть виконувати 74% фізичних завдань, тобто 34% усіх робочих годин. Приклади конкретні: автономні таксі на міських дорогах, автономні мобільні роботи, що переміщують запаси на складах, керовані ШІ зварювальні комірки в цехах, траншеєкопачі, що риють прямі лінії без водія.

Друге число є тим, що має значення. Коли модель оцінює вартість названого робота для кожного завдання й порівнює її з працею, яку він замінив би, роботи виявляються дешевшими лише для 0.3% робочих завдань. Приблизно 300,000 американських працівників мають професії, де роботи могли б виконувати 95% роботи; найбільша група, близько 560,000 пакувальників, є найчіткішим випадком паритету вартості: робот, за оцінкою, приблизно на $2,500 на рік дешевший за людину, чия праця коштує близько $49,000. На іншому краю робо-таксі, технічно найвразливіша професія в даних із індексом вразливості 2.2 із 3, за оцінкою коштує приблизно на $7,000 на рік більше за водія, якого воно замінило б, ще до врахування регулювання. Дев'ять із десяти найвразливіших професій це оператори транспортних засобів.

Інтерпретація, яку пропонують автори і яку цей огляд вважає найобґрунтованішою, полягає в тому, що фізичний рубіж зрушив значно далі за економічний. Протягом останніх 50 років роботи щороку ставали здатними виконувати близько 2% фізичної роботи, яку раніше не могли: у 1977 році вони не могли виконувати 62% фізичних завдань, сьогодні не можуть виконувати 24% тих самих завдань. Спроможність накопичувалася складними відсотками. Вартість за нею не пішла, бо робот, який може нести коробку, і далі лишається капітальним активом із обслуговуванням, енергією, наглядом і страхуванням, що конкурує з працівником, якому платять лише за відпрацьовані години.

Висновок 2: часова шкала вимірюється десятиліттями, навіть в оптимістичному випадку

Найвагоміший внесок праці це аналіз сценаріїв, бо він перетворює «роботи дорогі» на дати. Ціни на роботів, за рядами Bank of Japan та іншими джерелами, знижувалися приблизно на 3% на рік із 1990-х. Якщо зберегти цей темп, знадобиться близько 40 років, поки роботи стануть конкурентоспроможними за вартістю для 10% роботи в США. Падіння витрат на 20%, приблизно сім років за історичного темпу, зробило б роботів конкурентоспроможними для фізичних завдань близько 2.8 мільйона працівників; щоб дійти до 10% усієї роботи, потрібне падіння на 70%.

Швидкий сценарій щедрий за задумом. Скориговані на якість витрати падають до чотирьох разів швидше, ніж в історії, а роботи опановують нові завдання вдвічі швидше. Навіть тоді роботи стають конкурентоспроможними за вартістю для 50% фізичної роботи лише близько 2050 року, проти 2085 за історичним трендом, а автоматизація 90% фізичної роботи триває 53 роки. Речення, яким скористалися автори, варто процитувати, бо воно незвично пряме для економічної праці: "Robots would need to sustain record rates of price declines and quality improvements over the coming decades to enable rapid physical automation." (Роботам довелося б підтримувати рекордні темпи падіння цін і зростання якості протягом наступних десятиліть, щоб уможливити швидку фізичну автоматизацію.)

Тут докази слід відокремити від інтерпретації. Дати не є прогнозами; це наслідки припущень, однаково застосованих до кожного завдання, які, як самі автори кажуть, можуть не відображати того, як робототехнічні компанії насправді розставляють пріоритети. Фірма, яка вкладає всі сили в одне цінне завдання, скажімо, комплектування замовлень на складі, може знизити вартість цього завдання набагато швидше за 3% на рік, поки решта економіки стоїть на місці. Сценарії встановлюють форму проблеми, а не її точний календар: фізична автоматизація є довгим нерівномірним процесом, який визначає економіка апаратного забезпечення, на відміну від програмного, де гранична вартість ще одного завдання близька до нуля.

Порівняння з минулою технологією підтримує таке прочитання. Дослідження Аджемоґлу і Рестрепо 2020 року (Daron Acemoglu і Pascual Restrepo) про промислових роботів, попереднє покоління цієї технології, виявило, що кожен додатковий робот на 1,000 працівників між 1990 і 2007 роками знижував співвідношення зайнятості до населення в уражених американських зонах поїздок на роботу на 0.2 відсоткового пункта, а зарплати на 0.42%. Реальні, вимірні й повільні: ефекти накопичувалися сімнадцять років у секторах, де роботи вже були найдешевшими, і ніде більше.

Висновок 3: цифрова робота це протилежна історія

Та сама дослідницька група вимірює інший рубіж, і цей контраст є серцем кейс-стаді. Раніша робота Anthropic щодо вразливості та власне порівняння в праці ставлять близько 50% роботи в США в межі досяжності лише великих мовних моделей і 81% у межі досяжності мовних моделей або роботів разом. Розподіл за професіями показовий. Транспорт і переміщення матеріалів вразливі до мовних моделей менш ніж на 15%, але приблизно на 90% з урахуванням роботів; офісна й адміністративна підтримка вже сильно вразлива до мовних моделей і сягає майже 100% з роботами; особистий догляд і сфера послуг перебуває на рівні приблизно 40% в обох випадках, бо вона міжособистісна так, як жодна з технологій не охоплює.

Оцінки для мовних моделей мають довшу історію. У 2023 році Тіна Елуду, Сем Меннінг, Памела Мішкін і Деніел Рок (Tyna Eloundou, Sam Manning, Pamela Mishkin і Daniel Rock) з OpenAI та University of Pennsylvania виявили, що 80% американських працівників мають професії, де щонайменше 10% завдань вразливі до мовних моделей, а 19% мають професії, де вразливі понад половина завдань, причому найвразливішими є письмо, програмування та аналіз даних, а найменш вразливою фізична та робота просто неба. Anthropic Economic Index, що зіставляє знеособлені розмови з Claude із завданнями O*NET, показує, що люди насправді роблять за допомогою цих інструментів: у звітах 2026 року доповнення трохи випереджало автоматизацію, 52% проти 45%, а використання урізноманітнилося, і десять найпоширеніших завдань зменшилися з 24% розмов до 19% між листопадом 2025 і лютим 2026 року. Індекс також повідомляє, що зростання ВВП на душу населення на 1% пов'язане із зростанням використання на людину на 0.7%, що нагадує: впровадження йде за багатством.

На питання, чи перетворилася вразливість на витіснення, обережно відповідають дані платіжних відомостей. Ерік Бринйолфссон, Бхарат Чандар і Руйю Чен (Erik Brynjolfsson, Bharat Chandar і Ruyu Chen) зі Stanford Digital Economy Lab, використавши записи ADP про понад 25 мільйонів працівників США, у 2025 році повідомили, що працівники на початку кар'єри в найвразливіших до ШІ професіях зазнали відносного падіння зайнятості, тоді як досвідчені працівники на тих самих посадах ні; їхня серпнева редакція 2026 року з даними до середини року оцінює зайнятість серед 22-25-річних у цих професіях приблизно на 19% нижчою, ніж була б, якби вона йшла вслід за менш вразливими ровесниками, причому коригування відбувається через найм, а не оплату, і зосереджене там, де ШІ автоматизує, а не доповнює. Водночас економісти самої Anthropic Maxim Massenkoff і Peter McCrory, як повідомив Yahoo Finance 1 жовтня, не знаходять систематичного зростання безробіття серед високовразливих працівників із кінця 2022 року, а застереження генерального директора Anthropic Dario Amodei, що ШІ може прибрати половину початкових офісних робочих місць, за наявними даними поки що лишається застереженням, а не спостереженням.

Чесний синтез такий. Перший вимірний ефект поточної хвилі ШІ на ринок праці це не робот на складі, а відсутній найм випускника в офісі. Фізична робота захищена економікою; робота за столом ні.

Висновок 4: хто вразливий і що досі блокує решту

Демографічний профіль роботи, вразливої до роботів, є висновком, який має формувати політику. Порівняно з працівниками невразливих професій ті, хто працює у високовразливих, на 20 відсоткових пунктів рідше є жінками, на 16 пунктів частіше є латиноамериканцями, на 55 пунктів рідше мають ступінь бакалавра, отримують приблизно на $30 на годину менше й більш ніж удвічі частіше безробітні. Вони також значно частіше носять тягарі, працюють в екстремальну спеку або поблизу небезпечних речовин. Завдання, які роботи вже можуть виконувати, непропорційно важкі, небезпечні й погано оплачувані, що є одночасно найсильнішим аргументом на користь їх автоматизації та причиною, чому буде боляче, якщо перехід залишиться некерованим.

Те, що блокує решту, так само конкретне. Близько 70% фізичних завдань, яких роботи ще не можуть виконувати, обмежені спроможністю, і приблизно половина з них маніпуляцією та вправністю рук: фарбування волосся, ручне копання навколо прихованих труб, зведення риштувань, розплутування дротів. Нестача планування та міркування становить 8%. Регулювання блокує 14% фізичних завдань і людські уподобання 25%, і разом вони охоплюють більшість роботи, де робота терпіли б на заводі, але не в спальні чи класі. Дві професії в праці показують, наскільки строката картина всередині однієї роботи: шпаклювальники гіпсокартону мають 1.6 за індексом вразливості, причому 41% їхнього часу вразливі до автономного робота-розпилювача, а 26% невразливі, бо складна чистова робота йому не під силу; сортувальники відходів мають 1.7, причому понад 75% їхнього часу вразливі до захоплювачів із комп'ютерним зором на конвеєрних стрічках і лише 8% невразливі.

Підсумок авторів це той, який має запам'ятати майстер: невразлива робота є "highly interpersonal or requires physical skills that robots today don't have" (дуже міжособистісною або потребує фізичних навичок, яких сьогоднішні роботи не мають), і "if the past is any guide, taxi drivers and warehouse packers will see changes sooner than nurses and mechanics" (якщо минуле є дороговказом, водії таксі та пакувальники на складах відчують зміни раніше, ніж медсестри й механіки).

Механізми: чому картина виглядає саме так

Чотири механізми пояснюють висновки та передбачають, що буде далі.

Впровадження визначають середовища, а не завдання. Чотирирівнева шкала це тихе прозріння праці. Робот, що бездоганно зварює на заводській лінії (E1), марний на домашній прибудові, де кожна балка розташована на трохи іншій відстані від попередньої. Більша частина фізичної економіки, і майже всі робітничі професії, відбувається в умовах E3: неструктурованих, імпровізованих, поруч із людьми. Роботи підкорили E1 і просуваються в E2; E3 після п'ятдесяти років містить 1% завдань.

Економіка апаратного забезпечення не є економікою програмного. Мовна модель, раз навчена, виконує наступне завдання за вартістю, близькою до нуля, тому вразливість в офісній роботі за кілька років перетворилася на витіснення. Робот є активом, що знецінюється, його треба купити, встановити, застрахувати, обслуговувати, живити енергією та наглядати за ним на кожному об'єкті, де він працює. Щорічне падіння цін на 3% є підписом цієї різниці, а сценарії праці показують, як мало навіть чотириразове прискорення змінює десятиліття, у якому настане паритет.

Спроможність накопичується, але через дані. Роботи здобувають близько 2% фізичної роботи на рік, а половина решти завдань, що потребують вправності рук, саме ті, для яких навчальних даних найменше. Модель навчається писати з письмового інтернету; еквівалентного корпусу рук сантехніка немає. Прогрес щодо решти 24% залежить від фіксації реальної роботи, у реальних місцях, разом із людьми, які її виконують, що за природою повільно й порушує питання згоди та власності, яких програмна хвиля ніколи не знала.

Уподобання й правила є підлогою, а не відставанням. 25% завдань, обмежених уподобаннями, і 14%, обмежених регулюванням, не чекають кращого робота. Готовність пацієнта, щоб його піднімала машина, правила міської ради щодо автономних транспортних засобів і бажання клієнта поговорити з людиною, яка встановила кухню, змінюються в політичних і культурних часових масштабах, тому автори розглядають їх окремо від спроможності та вартості.

Скептик має тримати поруч із цим три альтернативні пояснення. Оцінки вразливості створює модель, що читає стислі описи завдань, які, як зазначають автори, "omit details that may be easy for humans but hard for robots" (опускають деталі, що можуть бути легкими для людей, але важкими для роботів), тож спроможність може бути завищена на рівні завдання, навіть якщо вона занижена для професії загалом. Оцінки вартості є наближеннями ринку з небагатьма публічними цінами; огляд цін на гуманоїдів у серпні 2026 року виявив, що лише 12 із 58 комерційних гуманоїдів мали бодай якусь перевірену ціну. І сценарії припускають однакове падіння для кожного завдання; прорив у маніпуляції загального призначення, на який роблять ставку Nvidia і Tesla, міг би, за словами авторів, "leapfrog our scale" (перескочити нашу шкалу). Дати міцні за формою й м'які в деталях.

Як відреагувала індустрія

Реакція розділилася за лінією, яку проводить праця. У таборі апаратного забезпечення генеральний директор Nvidia Jensen Huang передбачив "ChatGPT moment" для робототехніки на CES у січні 2026 року, а Elon Musk сказав, що гуманоїд Tesla Optimus надійде в продаж уже у 2027 році з довгостроковою цільовою ціною нижче $20,000 за масштабу, хоча офіційної ціни немає; прогноз Morgan Stanley 2025 року оцінює ринок гуманоїдів понад $5 трильйонів до 2050 року з прискоренням впровадження з кінця 2030-х. Yahoo Finance подав працю Anthropic 2 жовтня як проєкцію, яку ці ставки випробують. Реальність поставок скромніша: Unitree G1 коштує $13,500, а компанія поставила понад 5,500 гуманоїдів у 2025 році, більше за всіх суперників разом; Digit від Agility, найпоширеніший гуманоїд на складах США, коштує понад $250,000 за одиницю або близько $8,500 на місяць як послуга; Figure, оцінена в $39 мільярдів, продає підприємствам без публічної ціни.

Економісти здебільшого прийняли часову шкалу. Головний економіст Apollo Torsten Sløk, якого цитує Yahoo Finance, сказав, що навіть за агресивних проєкцій поширене фізичне витіснення займе десятиліття, посилаючись на вузькі місця у тонкій маніпуляції, регулюванні та уподобаннях. Гостріші дебати на цифровому боці, де стенфордські дані про платіжні відомості та власний аналіз безробіття Anthropic вказують у різні боки щодо того, скільки витіснення вже відбулося, і де OpenAI, Anthropic, Google, Microsoft, Manus та Meta з Muse випускають агентів, які переглядають сайти, заповнюють форми та виконують багатокрокові офісні завдання, тобто категорію, де вразливість найвища, а вартість найнижча.

Позиція Jobbit у цьому ландшафті є проєктним вибором, а не прогнозом, і праця випадково її описує. ШІ-агент компанії виконує цифрову, придатну до перевірки роботу, яка, за даними, дешева для автоматизації: дослідження, документи, сайти, автоматизації, зображення та адміністрування навколо роботи. Коли завдання потребує рук, судження на місці або того, хто відповідає, а за цифрами праці це більшість фізичної роботи на десятиліття, робота переходить до перевіреного професіонала на pro.jobbit.uk, з оплатою, утримуваною в ескроу, і клієнт може спостерігати за агентом і перебрати керування в будь-який момент. Jobbit Labs, дослідницький підрозділ компанії, працює над повільнішою проблемою, яку праця виявляє в прогалині даних: фіксацією даних реальних завдань від людей, що виконують реальну роботу, за згодою, щоб навчати й перевіряти світові моделі для фізичного ШІ. Jobbit не публікував даних випробувань про результати цієї моделі й не стверджує тут, що має їх; твердження вужче: архітектура ШІ-агент плюс мережа людей є тією, яку підтримують дані, поки паритет вартості лишається за десятиліття. Практичний бік цього розподілу викладено в 12 Jobs an AI Agent Can Do for Your Business This Week і Should Your Next Hire Be an AI Agent?, докази щодо фрилансерів у Do AI Agents Replace Freelancers?, а про саму компанію в What Is Jobbit?.

Що бізнесу робити з цими доказами

Докази підтримують правило делегування, яке малий бізнес може застосувати без стратегічного консультанта.

Спершу автоматизуйте цифровий шар навколо фізичної роботи, бо саме там вартість і спроможність уже зустрічаються. Кошториси, рахунки, сайт, запити відгуків, дослідження постачальників і планування сантехніка становлять ті 50% роботи, що вразливі до мовних моделей; за власними цифрами праці, монтаж, діагностика у вологій шафі та розмова з власником будинку нікуди не зникають. Маржа в робітничому бізнесі в наступне десятиліття береться з витрачання заощаджених годин за столом на більше годин на об'єкті, а не з очікування робота.

Ставтеся до фізичної автоматизації як до закупівельного рішення щодо завдання, а не кадрового рішення щодо посади. Модель вартості з праці є шаблоном: порівняйте повну річну вартість робота з працею на цьому одному завданні, у вашому рівні середовища, і очікуйте паритету лише в умовах E1 та E2, у повторюваному пакуванні, переміщенні, зварюванні й сортуванні, ще багато років. Майже для всього, що робиться в домі клієнта, паритету в календарі немає.

Наймайте й навчайте для невразливого ядра. 24% фізичних завдань, яких роботи не можуть виконувати, і 25%, які люди не хочуть, щоб вони виконували, становлять стійку частину професії: вправність рук, судження в неструктурованих просторах і людські стосунки. Нестача 206,000 працівників до 2030 року за CITB говорить, що ринок заплатить за них.

Стежте за передачею, а не за заголовком. Корисне питання для будь-якої роботи: де машина має зупинитися, а людина почати, і ця лінія зсувається завдання за завданням. Бізнес, який записує її, хто перевіряє результат агента, хто підписує роботу на об'єкті, хто відповідає перед клієнтом, отримує вигоди без провалів.

Нарешті, читайте ранні сигнали в правильному місці. Праця пропонує відстежувати вразливі професії, водіїв і пакувальників на складах, щоб побачити перші ознаки фізичних потрясінь, а дані платіжних відомостей кажуть, що цифрове потрясіння вже видно в наймі випускників. Плануйте друге вже зараз, а перше пізніше.

Обмеження та відкриті питання

Дослідження американське, оцінене моделлю та статичне. Оцінки вразливості й вартості походять від того, що Claude читає описи завдань і вебдокази про роботів, перевірені щодо історії, але не щодо польових випробувань; експертна група людей могла б оцінити вправність рук інакше. Оцінки вартості не враховують тертя впровадження, як-от ліміти позик, а сценарії відкладають убік ефекти зворотного зв'язку, зокрема можливість того, що падіння зарплат у вразливих професіях ще більше сповільнить впровадження. Праця не розглядає, як ШІ міг би змінити фізичну роботу без роботів, наприклад через прогнозне обслуговування, і не моделює Велику Британію, де витрати на енергію, регулювання та структура робітничих професій відрізняються.

Цифрові дані мають власні межі. Дані платіжних відомостей показують відносну зайнятість молодих працівників у вразливих професіях, а не причинність, і автори зі Stanford описують свої висновки як сумісні з "no widespread displacement so far" (жодного поширеного витіснення поки що); аналіз безробіття Anthropic і стенфордський аналіз найму можуть обидва бути правими щодо різних меж. Дані використання одного асистента не є економікою. А ринок гуманоїдів рухається достатньо швидко, щоб будь-яка тут названа ціна була знімком початку жовтня 2026 року.

Відкриті питання ті, що визначать наступне десятиліття: чи покращиться маніпуляція загального призначення швидше за 2% на рік, коли роботи вчитимуться на реальній роботі, а не на спроєктованих демонстраціях; чи зрушаться підлоги регулювання та уподобань; і, як висловлюються автори, як зміниться сама робота, "perhaps becoming more social and interpersonal as robots and AI advance" (можливо, стаючи більш соціальною й міжособистісною в міру розвитку роботів і ШІ).

Висновок

Чи забиратимуть роботи роботу в робітничих професій? Не так, як натякали 47%, і не за жодним розкладом, довкола якого має планувати працюючий майстер. Дослідження Anthropic показує, що роботи вже можуть виконувати більшість фізичних завдань і можуть дозволити собі майже жодне; що економіка зводиться на кілька відсотків на рік; і що навіть світ рекордного прогресу роботів лишає половину фізичної роботи в людських руках після 2050 року. Потрясіння, вимірне сьогодні, відбувається в цифровій роботі, де вразливість найвища, вартість найнижча, а перші випускники вже відсутні у відомостях. Для британського робітничого бізнесу чи малого підприємства докази вказують на одну стратегію: автоматизувати стіл, захистити руки й свідомо визначити, де одне передає іншому. Саме в цій передачі працює Jobbit, а праця є найчіткішим на сьогодні поясненням, чому прогалина, в якій його збудовано, існуватиме ще довго.

Поширені запитання

Чи замінять роботи робітників фізичної праці?

Не протягом десятиліть, за вересневим дослідженням Anthropic 2026 року. Роботи вже можуть виконувати близько 74% фізичних завдань у Сполучених Штатах, але дешевші за працівника лише для 0.3% із них, і за історичного падіння цін на роботів на 3% на рік знадобилося б близько 40 років, щоб досягти паритету вартості для 10% роботи. Навіть агресивний сценарій відсуває половину фізичної роботи за межі 2050 року.

Які професії найвразливіші до роботів?

Оператори транспортних засобів і пакувальники на складах. Водії таксі очолюють індекс вразливості з 2.2 із 3, дев'ять із десяти найвразливіших професій це водії, а пакувальники є найчіткішим випадком, коли робот уже трохи дешевший за людину. Медсестри, механіки та більшість кваліфікованих робітничих професій перебувають на іншому краю, бо їхня робота потребує вправності рук, судження в неструктурованих просторах або людського контакту.

Чи забирає ШІ офісні робочі місця швидше, ніж роботи фізичні?

Ранні дані кажуть, що так, на початковому рівні. Стенфордський аналіз платіжних записів понад 25 мільйонів працівників виявляє, що зайнятість 22-25-річних у найвразливіших до ШІ професіях приблизно на 19% нижча, ніж у менш вразливих ровесників, без подібної зміни для досвідчених працівників, тоді як економісти Anthropic не знаходять систематичного зростання безробіття серед вразливих працівників загалом. Цифрові завдання майже нічого не коштують для автоматизації, коли модель уже існує; фізичні завдання потребують обладнання, яке досі дороге.

Що майстру робити з автоматизацією?

Автоматизуйте офісний бік бізнесу, де ШІ вже дешевий і здатний, і вкладайте в навички, з якими роботи не зрівняються: вправність рук, діагностику в неструктурованих просторах і стосунки з клієнтами. Лише британській будівельній галузі потрібно понад 206,000 додаткових працівників до 2030 року за CITB, тож людська частина професії в дефіциті, а не в надлишку.

Для якої прогалини створено Jobbit?

Для передачі між автоматизованою цифровою роботою і людською фізичною. ШІ-агент Jobbit виконує дослідження, документи, сайти та адміністрування, які, за даними, дешеві для автоматизації, і передає роботу, що потребує рук, виїзду на об'єкт або відповідальності, перевіреному професіоналу на pro.jobbit.uk, з оплатою, утримуваною в ескроу. Jobbit Labs працює над даними реальних завдань, які дослідження визначає як відсутній інгредієнт для фізичного ШІ.