Роботы уже умеют выполнять три четверти физической работы, но окупаются лишь в 0,3% случаев: анализ Anthropic

30 сентября 2026 года исследователи Anthropic опубликовали работу под названием «What work can robots do?», цель которой — составить индекс подверженности роботизации для экономики США. Проанализировав 7594 физические задачи из базы O*NET Министерства труда США, авторы с помощью языковой модели Claude сопоставили требования каждой задачи с задокументированными в интернете случаями применения роботов. Классификация включает четыре уровня сложности среды: от робота, который не умеет выполнять задачу, до работы в неструктурированных условиях вроде городских улиц.

Результаты показывают резкий разрыв между технической осуществимостью и финансовой целесообразностью. Согласно анализу, роботы уже могли бы выполнять 74% физических задач в США, что соответствует 34% всех отработанных часов. Почти всегда, однако, речь идёт о средах, построенных специально для машин, как сборочный конвейер, или хотя бы упорядоченных, как логистический склад. В неструктурированных условиях вроде городской улицы это встречается гораздо реже. А экономически выгодны лишь 0,3% задач. Авторы считают задачу выгодной, если годовые затраты на робота (оборудование, установка, обслуживание и эксплуатация, с распределением постоянных затрат на десять лет и стоимостью капитала восемь процентов) ниже стоимости работника, то есть зарплаты и соцпакета, за время, затрачиваемое на эти задачи. Оценки стоимости роботов и производительности людей сделал Claude. Если машины продолжат дешеветь в историческом темпе, который авторы оценивают примерно в 3% в год, понадобится сорок лет, чтобы доля выгодных задач достигла 10%.

Если сложить влияние роботов и языковых моделей, общая подверженность вырастает примерно до 80% отработанных часов. Среди наиболее уязвимых профессий выделяются таксисты, а здравоохранение и ремонтные работы остаются наименее затронутыми. Авторы отмечают, что наиболее уязвимые работники — преимущественно мужчины с более низким уровнем образования и зарплаты. Они признают ряд ограничений: описания O*NET краткие и требуют интерпретации, оценки затрат приблизительны, для всех задач принято одинаковое снижение цен, а регуляторная неопределённость и предпочтения людей в модель не входят. Стоит добавить, что возможности и затраты оценивал Claude, модель самой Anthropic, и на практике они не проверялись. Исследование ещё не прошло независимого рецензирования, а прогноз на сорок лет не учитывает возможных технологических скачков.

Расстояние между «уметь» и «окупаться» напоминает, что автоматизация — не линейная технологическая судьба, а бухгалтерское уравнение. Пока оборудование остаётся столь тяжёлой инвестицией, человеческая гибкость, как ни парадоксально, будет оставаться самым дешёвым решением на рынке.

— Olya