Як штучний інтелект кардинально змінює розподіл робочих обов’язків
Уявіть ситуацію: співробітник служби підтримки клієнтів користується ChatGPT, щоб виконати фінансовий розрахунок, який раніше доводилося доручати аналітику. А фахівець із HR вирішує технічну проблему не через IT-відділ, а самостійно за допомогою штучного інтелекту. Здається зручним і логічним, чи не так? Але нове дослідження OpenAI, опубліковане 27 липня 2026 року, показує, що це — масштабне перевизначення ролей на робочому місці. За результатами аналізу понад 800 тисяч повідомлень ChatGPT від американських бізнес-користувачів виявлено, що 43,5% запитів на задачі, характерні для певної професії, фактично належать до іншої сфери діяльності.
Це явище OpenAI називає “перехресним виконанням завдань”, і це перша масштабна емпірична заява, що багато спеціалізацій, які домінували з часів Адама Сміта, можуть втратити колишню жорсткість.
Гнучкість професійних кордонів: що каже економіст
“Кордони між професіями вже зараз починають розмиватися через AI,” — так прокоментував дослідження головний економіст OpenAI Ронні Чаттерджі в інтерв’ю Axios. У світі, де технології стають доступнішими, робочі задачі перестають бути монополією окремих ролей.
Звіт під назвою Work at the Frontier: How AI is Expanding What People Do at Work — це перша частина великої серії, покликаної дати політикам і роботодавцям реальні дані замість припущень. OpenAI також створила платформу External Research Exchange, щоб залучити незалежних економістів праці до вивчення цього явища.
Відокремлення суттєвого сигналу від шуму
Дослідники відфільтрували понад 61% “загальних” робочих запитів, що не потрапляють у конкретні професійні обов’язки — наприклад, це складання листів, підсумовування документів чи планування зустрічей. Такі дії лише свідчать про загальне користування AI, але не розкривають зміни у сфері спеціалізації.
Залишилися 38,5% повідомлень, які чітко стосувалися конкретних знань чи навичок у професії. Саме у цій частині й виявлено 43,5% перехресного виконання завдань.
Для ідентифікації ролей було застосовано міжнародну базу O*NET США, яка деталізує робочі активності та вимоги до посад. Попередньо навчена мовна модель аналізувала кожне повідомлення, визначала, які задачі вирішував AI, і порівнювала їх з професійними кодами. Коли типовий набір завдань не збігався з професією користувача — це і вважалося перехресним виконанням.
Як виглядає ця “міграція” між професіями?
Не всі професії однаково активно користуються AI для виконання чужих функцій:
- Обслуговування клієнтів лідирує — 77% їхніх “спеціалізованих” запитів належать до інших професій.
- Дизайнери — 75%, HR-фахівці — 69%, юридичні працівники — 56%, маркетологи — 53%.
- Втім, інженери менш схильні до такої гнучкості — лише 28%, але їхні задачі часто виконують інші (7,4% повідомлень).
Нюанс полягає не лише у кількості міжпрофесійних запитів, а й у “напрямку” їхнього руху. Наприклад, дизайнери багато запозичують, але самі майже не передають свої завдання іншим; інженери навпаки — частіше надають знання іншим, але рідко виходять за межі своєї сфери. Маркетологи демонструють баланс між взяттям і віддачею.
Як розмір компанії впливає на використання AI
Опитування показує, що у невеликих підприємствах (2-5 осіб) частка таких “перехресних” завдань вища, ніж у великих компаніях із понад 100 співробітниками. Чому? У невеликому колективі важко найняти спеціалістів для кожної ролі, тож працівники часто виконують обов’язки поза межами формальної посадової інструкції.
Саме тут AI виступає як універсальний суперфахівець, який допомагає закрити прогалини у знаннях без додаткових витрат. Проте поки що невідомо, чи це призводить до зміни політики найму у малому бізнесі.
Що кажуть дослідники та економісти про побачене
Варто зазначити, що дані не відповідають на всі питання. Вони не дають змоги визначити, чи це нове розширення обов’язків чи просто покращення інструментів для вже існуючих задач. Також не виміряно рівень якості роботи з AI, вплив на продуктивність і довгострокові кадрові зміни.
Наприклад, маркетолог, який починає самостійно розв’язувати технічні задачі, відкриває нові перспективи. Але чи це рівноцінно роботі спеціаліста, і чи означає це звільнення технічних працівників, поки невідомо.
Однак це дослідження є своєрідним “передвісником” майбутніх змін, які, можливо, підтвердять офіційні статистики через деякий час. Уже зараз інші дослідження підтверджують тенденцію до організаційної перебудови:
- Більше третини опитаних працівників очікують суттєвих змін у своїх обов’язках протягом року.
- Зниження кількості робочих місць пов’язане переважно з рутинними професіями.
- Зарплати у сферах, більш схильних до AI, не падають, а іноді навіть зростають.
Водночас дослідники підкреслюють, що OpenAI має об’єктивний інтерес представити результати позитивно. Залучення сторонніх спеціалістів до аналізу даних — спроба забезпечити більшу прозорість, але нинішнє дослідження ще не пройшло повноцінної експертизи.
Історія та теоретичне підґрунтя
Ще у 2003 році економісти Девід Автор, Френк Леві та Річард Мернін перетворили аналіз автоматизації на дослідження конкретних задач, а не цілих професій. Цей підхід було розширено Дароном Асмоглу та Паскуалем Рестрепо, які виокремили:
- Ефект заміщення — коли машини витісняють людські завдання.
- Ефект відновлення — коли з’являються нові задачі, які люди можуть виконувати краще.
Поява “перехресних завдань” — це практичний приклад того, як люди використовують AI, щоб створювати і розподіляти нові види роботи. Чи це справжнє розширення функцій, чи заміщення — питання, яке поки що лишається відкритим.
Це особливо помітно на тлі ідеї Адама Сміта, що розподіл праці — основа продуктивності. За століття технології лише посилювали спеціалізацію. Якби штучний інтелект зумів її повернути назад — це був би кардинальний переворот у тому, як будуть будувати бізнес і розвиватися кар’єри.
Як це впливає на вас, роботодавців і співробітників
Перш за все, посадові інструкції, які базуються на стабільних переліках обов’язків, вже можуть не відповідати реальному стану речей. Коли майже половина професійних запитів через AI виходить за межі ролі, HR відділам доведеться переосмислити підходи до опису посад, підбору кадрів і формування команд.
Для працівників це шанс розширити свій професійний кругозір. Але чи отримаєте ви за це визнання, підвищення чи збільшення зарплати — це питання ще залишається відкритим і його варто обговорювати з керівництвом.
Для аналітиків та розробників політик це новий тип даних, який дозволяє бачити трансформації робочих процесів у режимі реального часу, а не лише після того, як зміни офіційно фіксуються у статистиці. Якщо ця тенденція триватиме, вона обов’язково відобразиться у майбутніх дослідженнях і звітах про зайнятість, але зараз ми маємо шанс зазирнути у майбутнє.
Часто поставлені питання
Що таке “перехресне виконання завдань” і чому це важливо?
Це процес, коли працівник однієї професії використовує AI для виконання завдань, які традиційно належать іншим спеціалістам. Наприклад, фінансист, який створює маркетингові тексти, або юрист, який проводить фінансові розрахунки. Зі значенням у 43,5% для AI-запитів це показує, що штучний інтелект допомагає людям розширювати набір навичок, що може змінити структуру команд і процес найму.
Які професії найбільше залежать від AI у виконанні чужих завдань?
Обслуговування клієнтів очолює рейтинг з 77%, далі йдуть дизайнери (75%), HR (69%), юристи (56%) і маркетологи (53%). Інженери користуються AI для чужих задач найменше — 28%, але їхні навички часто застосовують інші.
Чи означає це, що спеціалісти втрачають роботу?
Ні, такого висновку дослідження не робить. Воно показує, що робочі задачі змінюються і часто об’єднуються, але поки не доводить, що це призводить до звільнень чи падіння якості. Наприклад, у сферах, де AI розповсюджений, заробітні плати зростають або стабілізуються.
Чи спрямований AI проти спеціалізації і як це змінить роботу?
Саме це найважливіше питання. З появою Адама Сміта спеціалізація була основою зростання продуктивності. Тепер AI створює умови для зворотнього процесу — розширення компетенцій окремого працівника на суміжні сфери. Чи це тимчасове явище або фундаментальна зміна, покаже час.
