В пятой части профессий, наиболее подверженных влиянию генеративного ИИ, наём обладателей степени магистра после ChatGPT снизился примерно на 10% относительно наименее подверженной пятой части — и всё это снижение приходится на кандидатов, у которых уже был опыт работы. У тех, кто выходит на рынок труда впервые, изменений нет вовсе (Cortés, Dellarocas & Wang, SSRN, 2026).
Эта асимметрия и есть главный результат. И именно она должна беспокоить любого, кто управляет воронкой найма: рынок не перестал верить в дипломы последипломного образования. Он перестал обращаться к ним — ровно в тех ролях, которые вы автоматизируете, и ровно для тех кандидатов, которых вы нанимаете чаще всего.
При этом предложение продолжало расти. Университеты США присвоили выпуску 2025 года около 949 000 степеней магистра против 815 000 в 2018-м — рост в каждый отдельный год, включая период появления генеративного ИИ (Dellarocas, The Credential Crisis, 2026). У работодателей не закончились дипломированные кандидаты. Они начали проходить мимо них.
Что на самом деле измерило исследование Boston University
Патрисия Кортес, Хрисантос Деллярокас и Ци Ван проанализировали более 100 миллионов трудовых переходов в США за 2018–2025 годы, опираясь на данные Revelio Labs, которые восстанавливают трудовые биографии по публичным профессиональным профилям. Дизайн здесь принципиален: он фиксирует, кого работодатели действительно наняли, а не то, что их вакансии заявляли как требование (Cortés, Dellarocas & Wang, SSRN, 2026).
Профессии ранжировали по индексу подверженности «GPTs are GPTs» — мере, разработанной исследователями OpenAI и University of Pennsylvania, которая оценивает каждую профессию по доле её задокументированных задач, выполнимых ИИ-ассистентом минимум вдвое быстрее при том же качестве (Eloundou et al., 2023). Ключевая деталь: этот балл зафиксирован на день появления технологии, до того как работодатели успели отреагировать.
Затем команда сравнивала верхний квинтиль подверженности с нижним, год за годом, на стартовых позициях, где магистратура — реальный выбор, а не требование лицензии: бухгалтеры, аналитики маркетинговых исследований, аналитики бизнес-аналитики, помощники юристов, редакторы.
Четыре года до 2022-го обе группы шли синхронно. Затем линии разошлись — сначала медленно, потом быстрее, и разрыв растёт каждый год.
Три детали существенно уточняют картину.
Спад сосредоточен в дипломах вне STEM, особенно в бизнес-магистратуре — программах, удостоверяющих синтез, анализ, прогнозирование и профессиональное письмо. Наём магистров STEM не изменился. Обесценились ровно те навыки, которые языковая модель выполняет компетентно.
Спад сильнее всего в тех компаниях, где данные Census подтверждают реальное внедрение ИИ. Это ближайшее к проверке механизма, что позволяют данные, и указывает оно в верном направлении.
И это не может быть дефицитом предложения: предложение росло в каждый год наблюдаемого окна.
Один диплом, два сигнала — и ИИ разбил связку
Разрыв между опытными и новичками выглядит странно ровно до тех пор, пока вы считаете диплом чем-то одним.
Магистратура несёт две разные информации. Первая — сертификация: этот человек умеет построить прогноз, выстроить анализ, написать отчёт. Вторая — сигнал общей способности: этот человек поступил на требовательную программу, выдержал её и завершил — интеллект, упорство, умение доводить до конца. Экономисты считали их сваренными воедино с тех пор, как Майкл Спенс формализовал теорию сигналов на рынке труда в 1973 году.
Генеративный ИИ — это лом, который их разделяет. Когда модель выдаёт компетентный первый черновик анализа, сертификационная составляющая теряет ценность: навыки по-прежнему реальны, просто больше не редки. Сигнальная составляющая остаётся нетронутой.
Теперь асимметрия объясняется. Оценивая 24-летнего кандидата с пустым резюме, работодателю почти нечего больше читать — и диплом сохраняет полный вес. Оценивая опытного кандидата, он располагает кое-чем получше: трудовой биографией, записью доведённых до результата задач. Как только эта альтернатива существует, диплом ценится главным образом за сертификацию навыков, которую ИИ только что уценил, — и его вес в решении падает (Dellarocas, The Credential Crisis, 2026).
Диплом не умер. Его разобрали на части. И рынок уже начал оценивать эти части по отдельности.
Ваша оценочная матрица почти наверняка всё ещё оценивает их как одно целое.
Почему ваша воронка найма всё ещё переплачивает за дипломы последипломного образования
Здесь это перестаёт быть занятным результатом экономики труда и становится операционной проблемой.
Большинство процессов найма в среднем бизнесе по-прежнему дают дипломам последипломного образования структурное преимущество в трёх местах — и все три невидимы, пока их не начнёшь искать целенаправленно.
Скрининг. «Магистратура — преимущество» в вакансии или эвристика рекрутера, использующая её как решающий довод в верхней части воронки.
Оценочная матрица. Явный балл или диапазон в scorecard, применяемый единообразно независимо от того, есть ли у кандидата десять лет релевантного опыта прямо строкой выше в том же резюме.
Оффер. Матрица «стаж × образование», платящая надбавку за диплом, — надбавку, которую, судя по этим данным, более широкий рынок тихо отзывает как раз в ваших наиболее подверженных ИИ ролях.
Каждое из этих мест — небольшая ставка на сертификационную составляющую. В финансах, аналитике, marketing operations и внутренней отчётности — функциях среднего бизнеса с самыми высокими баллами подверженности — вы платите полную цену за сигнал, информационное содержание которого измеримо снизилось.
Более резкая формулировка: для опытного кандидата в подверженной ИИ роли диплом сегодня в значительной мере дублирует информацию, которой вы уже располагаете. У вас есть его трудовая биография. Единственный оставшийся уникальный вклад диплома — сигнал общей способности, и за него вы платите надбавку за навыки.
Убрать фильтр — не то же самое, что заменить его
Очевидный ход — вычеркнуть требование диплома. Данные говорят, что само по себе это почти ничего не даёт.
Burning Glass Institute и Harvard Business School изучили 11 300 ролей в крупных компаниях до и после отмены требований к диплому. Почти 40% компаний их сняли. Результат: около 97 000 дополнительных наймов по навыкам примерно на 77 миллионов найма в год — меньше 1 из 700. Практически всё реальное изменение обеспечили лишь 37% компаний, сделавших изменение на бумаге (Burning Glass Institute & Harvard Business School, 2024).
Снятие фильтра не создаёт правила принятия решения. Оно создаёт вакуум, а вакуум заполняется той же эвристикой, работающей уже неформально.
То, что придёт на смену, должно быть измеримым. Наиболее надёжные метааналитические данные оценивают структурированные интервью в r = 0,42 по прогнозу рабочей результативности против r = 0,19 у неструктурированных — крупнейший разрыв в валидности, доступный команде найма, и он не стоит ничего, кроме дисциплины (Sackett, Zhang, Berry & Lievens, Journal of Applied Psychology, 2022).
Именно такую замену подсказывает результат Boston University: не наём, слепой к дипломам, а наём, где диплом приведён к правильному весу, а нагрузку, которую раньше нёс диплом, берёт на себя валидированная мера способностей.
Где этот аргумент может быть неверен
Я бы не действовала исходя из десятой доли. Я бы действовала исходя из направления. Различие стоит формулировать точно.
Это рабочий документ на SSRN, ещё не прошедший рецензирование. Предшествующий тренд чистый, дизайн аккуратный, но величина эффекта может измениться при рецензировании.
Кроме того, подверженность — не замещение. Высокий балл означает, что задокументированные задачи роли пересекаются с тем, что умеет модель, а не что модель их выполнила. Это мера технической осуществимости, зафиксированная на один момент времени.
И данные, построенные на профилях, несут отбор. Revelio восстанавливает биографии по публичным профессиональным профилям, а кто их ведёт и насколько полно — не случайно. Это может коррелировать и с дипломами, и с профессией так, как дизайн не в состоянии полностью учесть.
Теперь то, что держится в любом случае. Премия за диплом, ровно шедшая четыре года, разошлась ровно в момент появления универсальной текстовой модели, в профессиях, с которыми эта модель хорошо справляется, и именно для кандидатов, о которых у работодателей уже есть более качественные свидетельства. Уменьшите эффект вдвое — операционный вывод не изменится.
Что меняется в компании на 50–500 сотрудников
Это изменение процесса, а не расходы. Оно умещается в квартал и не требует согласований, кроме вашего собственного.
Проверьте, где диплом всё ещё имеет вес. Поднимите открытые вакансии и scorecard по ролям с высокой подверженностью ИИ — финансы, аналитика, marketing ops, внутренняя отчётность, техническое письмо. Найдите каждое место, где диплом последипломного образования даёт преимущество на скрининге, балл в матрице или зарплатный диапазон. Большинство операционных руководителей никогда не сводили это в один список и удивляются итоговому количеству.
Разделите правило по стадии кандидата. Исследование поддерживает сохранение веса диплома для тех, кто выходит на первую работу, где читать больше почти нечего, и его резкое снижение при найме опытных специалистов, где у вас уже есть более сильный сигнал. Единое правило для обеих стадий сегодня доказуемо ошибочно в одну или другую сторону.
Поставьте измеримый инструмент в разрыв, прежде чем его открывать. Структурированное интервью с фиксированным набором вопросов и якорной шкалой оценки либо оцениваемое рабочее задание, построенное на реальной работе. Снять фильтр без этого — и получится исход «1 из 700» (Burning Glass Institute & Harvard Business School, 2024).
Замечание о внутренней версии этой проблемы
Та же логика работает внутрь. Если ваши критерии повышения или программа кадрового резерва начисляют баллы за диплом последипломного образования, вы применяете распадающийся сигнал к людям, чью трудовую биографию вы и так знаете целиком, — к группе, где его информационная ценность самая низкая из всех. Это самое дешёвое место для исправления и наименее вероятное в чьём-либо списке приоритетов.
Одно решение на этот квартал
Откройте scorecard своей самой подверженной ИИ открытой вакансии и найдите строку, где степень магистра приносит баллы. Затем ответьте на один вопрос: что эта строка сообщает мне такого, чего не сообщают последние три года работы этого кандидата?
Если вы не можете ответить одним предложением, вы отбираете не по способностям. Вы платите надбавку за информацию, которую рынок уже переоценил, — а данные Boston University говорят, что дисконт на дипломы последипломного образования в подверженных ИИ ролях растёт с каждым годом.
Диплом не перестал что-то значить. Он перестал значить то, что утверждает ваша оценочная матрица.
