В США фирмы, которые внедрили генеративный ИИ, нанимают быстрее конкурентов. Я проверил это на России — по данным тысячи компаний. Будущее наступает, но выглядит сильно скучнее трейлера.

В феврале 2026-го экономисты Ramp Economics Lab — Заратан Харазян, Ара Саймон и Коул Стивенс — выкатили работу «A New Look at AI's Impact on Jobs». На руках у них был грааль: платежи 21,5 тысячи американских компаний ИИ‑вендорам. Не болтовня в рупор о внедрении чего‑либо с трибуны форума, а конкретная транзакция: вот фирма, вот дата, вот первый платёж за условный ChatGPT Enterprise.

Главный вывод оказался оптимистичным: кто тратит на ИИ больше, тот после внедрения наращивает штат быстрее похожих компаний. Скайнет пока не заменил Людмурик из бухгалтерии, роботы пока не пришли за вашим рабочим местом — они пришли за вашей подпиской.

Я решил повторить это на России. Платёжных данных у нас нет: Ramp тут не работает (а тот что работал, не совсем то, что нужно), банки транзакциями не делятся. Зато есть то, чего не было у американцев, — полная бухгалтерская отчётность компаний из открытых госданных. Мой прокси внедрения — вакансии: если фирма ищет маркетолога со знанием ChatGPT или сисадмина с опытом Claude Code, вероятно она этими инструментами пользуется. Прокси неидеальный, врать не буду, в куче вакансий работодатели ради красного словца готовы платить за опыт общения с Алисой по утрам или генерацию бабушке слопа к 8 марта — каждую пятую такую вакансию я отсеял уже на входе.

Дисклеймер. Перед вами пилот на полностью открытых данных: вакансии hh.ru, отчётность ФНС, реестры и балансы из государственных источников. Точных дат внедрения ИИ у меня нет, есть срез тех, кто ищет ИИ‑кадры и ретроспектива найма и финансов с 2018 года. Все цифры ниже — ассоциации, не причинные эффекты.

Как считал

Через API hh.ru я собрал все активные вакансии с упоминанием генеративных ИИ‑инструментов — от ChatGPT и нейроприколов до Midjourney и вайб‑кодинга. Словарь из 62 терминов, спорные тексты разбирая руками (включая вакансию, где Gemini оказался итальянским рестораном). Вышло около 11 тысяч вакансий от четырёх тысяч работодателей; после чистки словаря осталось 9 тысяч.

Каждому ИИ‑адоптеру я подобрал контрольные компании: тот же регион, профессия, размер, тоже активно нанимают — но без единого упоминания ИИ. Потом связал работодателей с ИНН и подтянул из госданных численность персонала с 2018 года и финансы. Основная выборка — 1076 компаний, от заводов до онлайн‑школ. Адоптеров разбил по доле ИИ‑вакансий: верхняя треть — «интенсивные», остальные — «пробующие».

Рис. 1. Как адоптеры распределены по доле ИИ-вакансий в найме. Красная линия — порог верхней трети («интенсивные»). — Рис. 1. Как адоптеры распределены по доле ИИ‑вакансий в найме. Красная линия — порог верхней трети («интенсивные»).

Что за «логарифмические пункты». Абсолютную численность сравнивать бессмысленно: у завода 5000 человек, у стартапа 15. Поэтому смотрим темп, насколько штат изменился относительно уровня 2022 года. Грубо говоря 10 логарифмических пунктов ≈ рост на 10%.
Как делил на интенсивных. У каждого адоптера считаю долю ИИ‑вакансий среди всех его вакансий. Именно долю, а не число: иначе Сбер с тысячей вакансий попал бы в «интенсивные» просто потому, что публикует много. Верхняя треть по доле — интенсивные.
Как сравнивал. Метод difference‑in‑differences: беру разницу до и после 2022 у адоптеров и вычитаю такую же разницу у контроля, плюс поправки на отрасль и год — чтобы обвал или бум в конкретной отрасли не выдать за эффект ИИ.
Про связку. Компании с hh связывал с ИНН и госданными вручную и автоматически. Уверенно связалась половина ИИ‑вакансий по весу; крупнейшие банки и госкорпорации (Сбер, ВТБ, Газпром) численность в открытой отчётности не раскрывают, поэтому в финансовой части их нет. Это смещает выборку к МСБ — для сравнения с американцами скорее плюс, но всю экономику я не покрываю.

Результат первый: мы не НСША

У Ramp интенсивные адоптеры после внедрения обгоняют контроль. У нас — идут с ним ноздря в ноздрю, формальная оценка даёт минус восемь логарифмических пунктов при p = 0,39, то есть честный статистический ноль.

Рис. 2. Численность персонала относительно уровня 2022 года. 2022-й принят за точку отсчёта — поэтому все три линии стартуют из нуля.

А «пробующие» — те, кто разместил пару ИИ‑вакансий на фоне обычного найма, — растут примерно на 15% медленнее контроля (p = 0,052, на грани значимости). Паттерн выживает, даже если выкинуть весь ИТ‑сектор целиком, так что отмазка что это просто айтишники выглядит глупо.

Почему так? Контекст: 2023–2024 в России — рекордно низкая безработица, почти дефицит кадров и мерзкая ставка: нанимать некого и не на что. 2025 же просто гадкий год. Когда так, ИИ становится не дополнением к человеку, а его заменой. Условный отдел не получает нового аналитика — он получает подписку на слопуса со словами «работайте, братья!». Чаще всего пуш идёт от самого отдела, за неимением лучшего, так что осторожная версия: к ИИ мы идём не от хорошей жизни, а когда туговато. Развести эти две истории данные пока не дают, поднимаю руки.

Результат второй: они были богатыми ещё до GenAI.

С 2018 по 2021 год будущие интенсивные адоптеры росли быстрее будущего контроля
на 14–16 пунктов. Компании, которые сегодня ищут промпт‑инженеров, были ракетами задолго до того, как слово «промпт» перестало быть набором звуков для среднестатистического человека.

Рис. 3. Выручка групп относительно 2022 года. До события траектории адоптеров и контроля сопоставимы, предтренды не разъезжаются.

Авторы оригинального исследования честно признают то же самое и у себя: адоптеры крупнее, техничнее, быстрее. Любой заголовок «ИИ ускорил рост компаний» или пламенная речь менеджера продаёт вам селекцию под видом эффекта. Красную таблетку я принял ещё на старте — и вам оставил половинку.

Результат третий: сила в деньгах

Самое вкусное — финансы, мой козырь против американцев. У Ramp балансов фирм не было; у нас есть отчётность всей выборки, до последней строчки.

Я делю интенсивных адоптеров на трети по рентабельности 2022 года, до генеративной волны. Нижняя треть нарастила штат к 2025-му примерно наполовину. Верхняя — на 140%. По запасу денег на счетах картина та же: толще карман — бодрее найм. А выручка при этом контроль не обгоняет.

Рис. 4. Прирост численности 2022→2025 внутри интенсивных адоптеров, по терцилям обеспеченности 2022 года. У кого до волны было больше прибыли и денег — тот и нанял кратно больше.

В научной литературе это называется slack‑driven hiring, найм из организационного жира. Богатые компании покупают и людей, и нейросети. У кого денег нет — тот берёт подписку вместо человека, показывает большой палец в горящей комнате и говорит: «This is fine». Расширения бизнеса, где штат и выработка растут вместе, в данных не видно ни у кого.

Рис. 5. Оценки difference-in-differences с 95% доверительными интервалами: отличие адоптеров от контроля после 2022 года, вся выборка и без ИТ-сектора. — Рис. 5. Оценки difference‑in‑differences с 95% доверительными интервалами: отличие адоптеров от контроля после 2022 года, вся выборка и без ИТ‑сектора.

Что всё это значит

В России 2023–2025 годов найм с подоплёкой ИИ — маркер не траектории роста, а достатка. У кого густо, тот берёт и людей, и ИИ. У кого пусто, тот пробует ИИ вместо людей. Американская мечта «внедрил — и нанял ещё» на наших данных не воспроизводится, и это главный факт.

Чего я НЕ утверждаю: что ИИ сокращает рабочие места (дат внедрения нет), что ИИ‑найм вредит росту (скорее слабый рост толкает к ИИ), и что через два года всё не перевернётся с ног на голову. Часть ограничений серьёзная — например, крупнейшие компании не раскрывают численность, а hh смещен к офисным профессиям, но выводы они не отменяют.

Оффтоп

Я попробовал датировать внедрение ещё и через госзакупки — искал в ЕИС контракты с ключевыми моментами. Ирония в том, что все связанное с нейросетями там закупают в основном дома культуры и муниципальные учреждения, для видеонаблюдения. С выборкой частных компаний это пересеклось на гордый ноль процентов. Отрицательный результат тоже результат: датировка через закупки для частного сектора не работает, проверено.

Данные: hh.ru (API), архивные датасеты, ФНС России (открытые данные, реестр МСП, ГИР БО), ИНИД.
Оригинальное исследование: Kharazian, Simon & Stevens (2026), Ramp Economics Lab.

ИИ обещал рост найма. В России он куда‑то делся