С ноября 2022 по сентябрь 2025 года вероятность трудоустройства у наиболее прочно привязанного к рынку труда США сегмента упала на 13 процентных пунктов. У сегмента с высокой текучестью, который обычно и поглощает циклические шоки, — на 2 (Federal Reserve Bank of Richmond, 2026). Такого разрыва нет ни в одном эпизоде рассмотренных авторами данных — ни в Великой рецессии, ни в фазах подъёма. А самые резкие спады с 2023 года приходятся на профессиональный квартиль с наибольшей подверженностью ИИ: программисты, финансовые аналитики, инженеры.
Если ваш кадровый план на 2026 год исходит из того, что хрупкая часть — это воронка найма джуниоров, а скамейка опытных заменяема по рыночной цене, план стоит на перевёрнутой посылке.
Обвал на входном уровне реален. Но ущерб не там.
Economic Brief 26-26, опубликованный 12 августа Katarína Borovičková и Claudia Macaluso, делает то, что большинство комментариев о рынке труда пропускает: разбирает агрегат на части. Недавний рост безработицы, как авторы уже показали, — это почти целиком история оттока: люди не теряют работу с необычной частотой, они не могут найти новую. Открытым оставался вопрос — какие люди.
Первый срез привычный. Current Population Survey разделяет потерявших работу, ушедших по собственному желанию и входящих на рынок. Доминирующий нарратив последних двух лет — что ИИ закрывает нижнюю ступень карьерной лестницы — предсказывает, что тяжелее всего придётся входящим. Данные говорят иное. Вероятность трудоустройства новых участников снизилась, но авторы называют это падение умеренным на фоне спадов у потерявших и оставивших работу и явно выводят входящих за скобки остального анализа (Richmond Fed, 2026).
Это узкий вывод, и его стоит сформулировать точно: он не означает, что наём в начале карьеры здоров. Он означает, что входящие — не та маржа, которая объясняет совокупный обвал. Действие происходит в другом месте.
Привязанность, а не стаж: что на самом деле измеряет «первичный тип»
Второй срез — тот, который должен изменить вашу трактовку собственного дашборда по текучести.
Авторы применяют модель латентных типов из работы "The Dual U.S. Labor Market Uncovered" авторства Hie Joo Ahn, Bart Hobijn и Ayşegül Şahin (NBER, 2023), которая сортирует работников по степени их привязанности к рынку труда, а не по каким-либо наблюдаемым квалификациям:
- Первичный тип — около 55% населения, почти всегда занят, стабилен, с долгим стажем
- Вторичный тип — около 14%, сильно привязан, но чаще оказывается безработным
- Третичный тип — около 31%, слабо привязан, часто вне рабочей силы
В любом обычном цикле корректировку принимает на себя вторичный тип. Он формирует основную часть безработицы практически в каждом году выборки, хотя составляет наименьшую долю населения. Рецессии сильнее бьют по первичному типу в терминах ставки — в Великую рецессию его вероятность трудоустройства упала на 19 пунктов от пика ко дну против 10 у вторичного, — но соотношение оставалось в узнаваемых границах.
Текущий эпизод это соотношение сломал. Тринадцать пунктов против двух. Люди, которым почти никогда не приходится искать работу, — это те, кто сейчас её не находит.
Оговорка при переносе на практику: «первичный тип» — статистическая классификация стабильности занятости, а не синоним сениорности. Она коррелирует с профилем ваших давних аналитиков, инженеров и финансистов, но напрямую их не измеряет. Считайте вывод сильным направленным сигналом об этом слое, а не коэффициентом для конкретной штатной единицы.
У расхождения по подверженности ИИ есть дата старта: 2023
В третьем срезе механизм получает имя. Следуя методу Michael Webb, оценивающему профессии по тому, насколько содержание их задач пересекается с техническими возможностями, описанными в патентах на ИИ (Webb, 2019), авторы распределяют работников по квартилям подверженности ИИ.
Исторически ставки оттока по этим квартилям двигались вместе с деловым циклом, различаясь лишь небольшими уровневыми сдвигами. С 2023 года они разошлись, и работники наиболее подверженных профессий показывают самые сильные падения вероятности трудоустройства.
Состав верхнего квартиля — та часть, на которой руководителям операций в среднем бизнесе стоит задержаться. К высокоподверженным профессиям относятся программисты, финансовые аналитики и инженеры. К наименее подверженным — строительство, общепит, уход за людьми. Это история не о периферии вашей оргструктуры. Это история о ролях, которые держат ваши системы, ваше финансовое закрытие и ваш продукт.
Существует более ранняя литература, предвосхищающая эту форму. Работа Acemoglu и Restrepo о промышленных роботах обнаружила вытеснение, сконцентрированное в подверженных профессиях, наряду с перераспределением в сторону менее подверженного труда — картина, при которой агрегированная цифра занятости остаётся читаемой, тогда как состав под ней сдвигается резко (Acemoglu and Restrepo, 2020). Данные Richmond Fed добавляют, что текущий эпизод проявляется на марже оттока, а не на марже увольнений. Компании не расстаются с этими работниками необычно быстро. Они просто не поглощают их обратно после выхода.
Это различие важно операционно, потому что означает: сигнал не появится ни в вашем трекере сокращений, ни в отраслевых объявлениях о штате. Он появляется только в том, сколько времени нужно компетентному опытному человеку, чтобы приземлиться, — метрика, которую почти ни одна операционная команда не измеряет и которая описывает ваши собственные условия повторного найма не меньше, чем чужие.
Авторы осторожны с причинностью, и нам стоит быть такими же. Картина согласуется с автоматизацией, вытесняющей подверженные профессии, и согласуется с полевыми данными о том, что генеративный ИИ повышает продуктивность на уровне задач — особенно у менее опытных работников — способами, которые могут переформатировать состав найма (Brynjolfsson, Li and Raymond, 2025). Обусловлен ли спад именно ИИ или совокупными условиями, ложащимися на те же профессии, — прямой предмет следующего обзора серии. Корреляция задокументирована; декомпозиция впереди.
Возражение: «Это макроданные. У нас с текучестью всё в порядке.»
Вероятно, так и есть. В этом и проблема.
Здесь работают две механики, и обе переворачивают стандартное прочтение.
Плоская текучесть в старшем слое — это слабая внешняя альтернатива, а не победа вовлечённости
Если ваши опытные, подверженные ИИ сотрудники остаются, базовая ставка теперь предлагает второе объяснение рядом с лестным: они не могут уйти. Падение вероятности трудоустройства на 13 пунктов у сильно привязанных работников означает, что внешний рынок, который обычно валидирует ваше удержание, не расчищается. Ваш опрос вовлечённости не отличит «предан» от «застрял». Ваша цифра нежелательной текучести будет выглядеть отлично ровно до момента, когда вероятность трудоустройства восстановится, — и перестанет.
Это не повод не доверять своим людям. Это повод перестать использовать текучесть как основное доказательство здоровья старшего слоя и читать вместо неё что-то с независимым сигналом: заявки на внутреннюю мобильность, оценку риска ухода от руководителей или долю внешних офферов, о которых люди сообщают.
Выходное пособие сегодня стоит дороже, чем оценено
Стандартная модель реструктуризации трактует роль как повторно приобретаемую: сократить сейчас, нанять по рынку, когда условия изменятся. Эта модель оценивает повторное приобретение по исторической динамике трудоустройства — ровно тому, что, по данным обзора, сломалось. Работник, которого трудно нанять извне, симметрично трудно и вернуть: то же трение, что держит его, держит и вашу способность восстановить компетенцию позже, потому что пул, из которого вы бы нанимали, — это пул, который не движется.
Для подверженной ИИ старшей роли в компании на 200 FTE вопрос этого квартала не «сможем ли мы работать без этой позиции». Он звучит так: «если эта компетенция понадобится нам через восемнадцать месяцев, каким будет рынок тогда и во что нам обошлось это выяснить». Внутреннее перераспределение — перевод человека на смежный процесс, в функцию управления данными или роль надзора за ИИ — выигрывает у выходного пособия по этой арифметике намного чаще, чем подсказывает таблица, потому что в таблице зашита устаревшая стоимость повторного приобретения.
Три решения, доступные до закрытия квартала
- Переоцените стоимость повторного приобретения в каждом случае расставания с подверженной ИИ ролью. Не философский сдвиг — цифра. Если ваша модель предполагает замещение по рынку за 60 дней для старшего аналитика или инженера, спросите, какие данные подкрепляют это допущение при падении вероятности трудоустройства для такого профиля на 13 пунктов. Там, где оно не держится, внутреннее перераспределение обходит расставание по одной лишь стоимости. Примените это к тем двум-трём ролям, которые вы уже отметили к пересмотру; вам нужна не политика, а исправленное число в реально стоящих перед вами случаях.
- Перестаньте читать плоскую текучесть в старшем слое как результат работы по удержанию. Добавьте один вопрос в квартальный обзор: какое у нас независимое свидетельство, что этот слой остаётся по выбору? Если ответ только «они не ушли», у вас не свидетельство, а рыночное условие.
- Проверьте, какие роли попадают в подверженный квартиль, до планирования штата, а не после. Классификация Webb публична и задана на уровне профессий. Наложить на неё собственную оргструктуру — работа на полдня, и она покажет, какие части вашего кадрового плана зависят от рынка повторного найма, который работает ненормально.
Ни одно из этих решений не требует занимать позицию по вопросу, вызывает ли расхождение именно ИИ. Они требуют лишь признать, что расхождение существует и сосредоточено в слое, который большинство планов считает взаимозаменяемым.
Окно и есть вывод
Неудобная особенность этих данных в том, что они временны так, что наказывают выжидание. Подавленная вероятность трудоустройства для подверженных ИИ работников даёт вам необычно много удерживающей силы именно над теми людьми, которых труднее всего заменить, — и даёт бесплатно, незаметно, без всякого решения с вашей стороны. И она истекает. Когда ставки оттока нормализуются, удержание, которое вы считали заслуженным, снова разложится в рынок, и быстрее всего — в том квартиле, потерю которого вы меньше всего готовы принять.
Решение этого квартала не в том, сокращать ли. Оно в том, не являются ли роли, которые вы считаете взаимозаменяемыми, именно теми, что рынок труда тихо перестал поставлять, — и предпочитаете ли вы узнать это сейчас, ценой одного дня картирования, или через восемнадцать месяцев, ценой поиска.
