Программисты старше 55 лет сегодня уходят с рынка труда с прогнозируемой частотой более чем на 25% выше, чем до ChatGPT. Маляры — нижняя строка того же индекса подверженности — сдвинулись примерно на 2% (Sanzenbacher, CRR Issue Brief 26-13, 2026).
Это и есть утечка опыта, и она идёт в направлении, противоположном всем историям про автоматизацию, которые вам рассказывали. Чем выше оплата и квалификация, тем быстрее выход.
Большинство операционных команд среднего бизнеса восемнадцать месяцев тревожились о входе для джуниоров: съедает ли ИИ позицию младшего аналитика, остался ли карьерный путь у 22-летнего новичка. Эта тревога хорошо подтверждена данными. Но это лишь один конец воронки, которая теперь протекает с обоих концов.
Что на самом деле измерило исследование Boston College
Аналитическая записка Center for Retirement Research при Boston College за июнь 2026 года, подготовленная экономистом Geoffrey T. Sanzenbacher, сопоставила лонгитюдные данные Current Population Survey с индексом подверженности ИИ от Tufts Digital Planet и сравнила поведение выхода с работы у сотрудников 55 лет и старше до и после массового распространения генеративного ИИ в ноябре 2022 года (Center for Retirement Research at Boston College, 2026).
Два решения в дизайне исследования заслуживают внимания.
Во-первых, оно использует наблюдаемые переходы из занятости, а не заявленные намерения выйти на пенсию. Опросы о возрастных работниках и ИИ фиксируют тревогу. Здесь фиксируется сам уход.
Во-вторых, профессии ранжированы по измеренной подверженности, а не по интуиции о том, какие работы «выглядят» автоматизируемыми (Digital Planet, Tufts University, 2026). Программисты, бухгалтеры и аналитики — наверху. Маляры — внизу. Сам этот градиент и есть результат.
Для наиболее подверженных офисных профессий прогнозируемая вероятность выхода из занятости выросла примерно с 8,7% до 11,1% — относительный прирост более 25%. На малоподверженном конце тот же расчёт даёт около 2%. Эффект сильнее всего в высокооплачиваемых профессиях, что переворачивает схему, которой автоматизация следовала четыре десятилетия.
Преимущество долгой карьеры, которое только что перевернулось
Вот цифра, которая должна переосмыслить ваш план по персоналу.
За весь исследованный период высокоподверженные возрастные работники исторически имели более низкие показатели ухода, чем их малоподверженные ровесники: 11,7% против 14,1% (Sanzenbacher, CRR Issue Brief 26-13, 2026). Именно квалифицированная кабинетная работа позволяла людям работать дольше. Бухгалтер оставался; у кровельщика сдавало тело.
Это преимущество размывается, и записка отмечает, что значительная часть изменений связана с безработицей, а не с добровольным выходом на пенсию. Это не волна благополучных людей, решивших уйти пораньше. Это группа, чья карьера была самой устойчивой, теряющая устойчивость.
Читайте это вместе с картиной освоения технологии: лишь около 18% работников 50–64 лет сообщают, что используют генеративный ИИ. Подверженность приходится на сегмент, который меньше всего склонен пользоваться инструментом, эту подверженность и создающим.
Для операционного руководителя такое сочетание — высокая подверженность, низкое освоение, растущие вынужденные уходы — конкретное и управляемое состояние. Не демографическая неизбежность.
Стоит также уточнить, что здесь означает «уход». Переход из занятости в 58 лет — не то же событие, что в 28. Возрастной сотрудник редко возвращается на прежний уровень; формулировка CRR состоит в том, что это карьеры, оборванные раньше срока, а не поставленные на паузу (Sanzenbacher, CRR, 2026). С вашей стороны стола это значит, что человек не вернётся на рынок, чтобы вы наняли его снова через два квартала, когда ИИ-пилот окажется слабее обещанного. Знание уходит из отрасли, а не только из платёжной ведомости.
Утечка опыта бьёт по ролям, которые вы закрываете дольше всего
Поставьте вывод Boston College рядом с лучшими данными по другому концу возрастного распределения.
Digital Economy Lab Стэнфорда, работая с высокочастотными зарплатными данными по миллионам американских работников, обнаружила относительное снижение занятости примерно на 13% среди работников 22–25 лет в наиболее подверженных ИИ профессиях после внедрения генеративного ИИ, тогда как занятость более возрастных работников в тех же профессиях удерживалась или росла (Stanford Digital Economy Lab, 2025).
При поверхностном чтении два результата противоречат друг другу. Это не так. Стэнфорд измеряет численность в профессии; Boston College измеряет индивидуальные переходы из занятости для когорты 55+. Одно — сигнал найма, другое — сигнал ухода, и оба могут быть верны одновременно. Профессия может удерживать совокупную численность, пока конкретные люди на её старшем конце уходят быстрее.
Важно операционное следствие, и оно неудобно: меньше джуниоров на входе в воронку, более быстрые уходы сеньоров и самый тонкий средний слой между ними. Компания на 20 000 человек это поглотит. У неё есть скамейка, программа ротации и три человека, способных правдоподобно закрыть любую роль.
В компании на 200 человек тот, кто знает, почему в логике сверки есть то самое исключение, — один человек.
Что уходит вместе с ними
Стоимость ухода сеньора — это не строка зарплаты, которую вы перестаёте платить. Это две вещи, которых никогда не было ни в одной строке.
Первая — неявное процессное знание: недокументированные причины, по которым система настроена именно так. Любая компания среднего размера держится на этом слое, и он невидим ровно до момента ухода того, кто его несёт. Это исключение в логике признания выручки, существующее из-за договора 2019 года; поставщик, которому нужно звонить, а не писать; запрос, который выглядит избыточным и таковым не является. Ничего из этого нет в регламенте. Большей части нет и во второй голове.
Есть и версия второго порядка, которую ИИ обостряет, а не смягчает. Ассистенты по документации и коду хорошо описывают, что делает система. Они плохо восстанавливают, почему она так построена, потому что это рассуждение никогда не было записано. Инструмент, повышающий вашу подверженность, не закрывает разрыв, который сам открывает.
Вторая измерима, и именно её игнорирует большинство операционных планов. Работа рядом с более квалифицированными коллегами даёт реальный прирост человеческого капитала для менее опытных — эффекты достаточно велики, чтобы проявиться в последующих зарплатах, и согласуются между независимыми исследовательскими группами (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Ваши сеньоры не просто производят результат. Они — обучающий вход для всех, кто работает рядом.
Потеряйте этот вход, одновременно нанимая меньше джуниоров, и накопление пойдёт в обратную сторону. Вам не хватает не одной штатной единицы. Вы снизили скорость, с которой становится сильнее вся оставшаяся команда.
Где концентрируется подверженность
Программисты, бухгалтеры, финансовые аналитики и технические писатели — наиболее затронутый профиль. В компании на 50–500 человек это означает финансы, инженерию и небольшую функцию внутренних систем, удерживающую стек связным. Не случайно это ещё и роли с самым долгим временем выхода замены на продуктивность.
Где этот аргумент может быть неверен
Три оговорки, прямо — потому что их называет сам автор.
Это ранний анализ недавнего перелома. Окно после ChatGPT короткое, а оценки на коротких окнах хрупки.
Смешивающие факторы существуют и названы в записке: сокращения государственных расходов на НИОКР и необычная динамика найма в ИИ-стартапах могут смещать оценки именно для изучаемых высокоподверженных профессий (Center for Retirement Research at Boston College, 2026). Часть измеренных уходов может относиться к этим силам, а не к вытеснению ИИ.
И подверженность — не замещение. Высокий балл в индексе подверженности означает, что задачи роли пересекаются с возможностями модели. Он не доказывает, что работу выполнила модель.
Что переживает все три оговорки: несущее утверждение — это направление, а не десятая доля. Преимущество долгой карьеры для высококвалифицированных возрастных работников, державшееся десятилетиями, сужается — и быстрее всего там, где подверженность выше. Даже существенно ослабленная версия этого вывода направляет ваш риск на тот же сегмент.
Что меняется в компании на 50–500 человек
Три шага. Ни один не требует утверждения бюджета.
Один раз постройте перекрёстную таблицу «подверженность × стаж». Возьмите штатное расписание, отметьте каждую роль как высоко- или малоподверженную ИИ по профессиональным категориям из записки и пересеките с возрастом или стажем. Вам нужна одна цифра: какая доля самой подверженной работы находится у людей в последнем десятилетии карьеры. Большинство операционных руководителей никогда этого не считали и удивляются результату.
Превратите близость в документацию до того, как это станет срочным. Эффект обучения у коллег реален, но требует присутствия (Herkenhoff, Lise, Menzio & Phillips, Econometrica, 2024). Там, где таблица показывает концентрацию, финансируйте извлечение знаний сейчас — документированный runbook, записанный разбор процесса, назначенный второй человек. Это дёшево, пока человек ещё работает, и невозможно после.
Закройте разрыв в освоении именно в этой когорте. При примерно 18% использования генеративного ИИ среди 50–64-летних группа с наибольшей подверженностью хуже всех владеет инструментом, который эту подверженность создаёт. Целевое обучение для ваших опытных технических специалистов — редкое вмешательство, которое одновременно снижает риск вытеснения и повышает выработку, и оно заметно дешевле замены этих людей.
Одно решение на этот квартал
Посмотрите на оргструктуру и найдите роли, которые одновременно высокоподвержены и заняты людьми, которым до пенсии меньше пяти лет. Затем честно ответьте на один вопрос: если этот человек подаст заявление в пятницу, сколько времени пройдёт, прежде чем кто-то другой сможет делать эту работу — не задачи, а работу?
Если ответ измеряется кварталами, у вас есть неоценённое обязательство, и данные Boston College говорят, что связанная с ним вероятность только что выросла.
Каждый ИИ-план по персоналу, написанный в этом году в среднем бизнесе, защищает вход. Почти ни один не защищает выход. Утечка опыта — не пенсионная проблема, которой HR займётся в 2030 году. Это операционная проблема, и началась она в 2023-м.
Заложите в бюджет тот уход, которого вы не ждёте, — уход человека, которого вы не сможете заменить.
