Вознаграждается ли использование технологий генеративного ИИ на российском рынке труда?

Стремительное развитие генеративного искусственного интеллекта (генИИ) усилило дискуссии о том, как новые технологии трансформируют рынок труда, особенно позиции и задачи, которые еще недавно мог выполнять только человек. Эксперименты показывают, что генеративный ИИ может обеспечить значительный прирост производительности, особенно менее квалифицированных сотрудников, что может приводить к возникновению индивидуальной зарплатной отдачи на рынке труда. Впервые для России оценено влияние использования ИИ на заработную плату. Анализ основан на данных РМЭЗ НИУ ВШЭ за 2023—2024 гг. Оценивается минцеровское уравнение заработной платы с широким набором контрольных характеристик занимаемой должности. Для учета неслучайного отбора в использование генИИ, возникающего из-за наблюдаемой неоднородности, применяется метод propensity score matching. Для учета ненаблюдаемой неоднородности оценивается панельная регрессия с фиксированными эффектами. Данные показывают, что, несмотря на быстрое совершенствование технологий, связанных с искусственным интеллектом, в России только 11% занятых пользовались инструментами генеративного ИИ. Зарплатная отдача на использование генИИ зависит от спецификации модели, профессиональной группы работника и частоты использования. В среднем отдача составляет 13,4% для всей выборки и 21,2% для специалистов высшего уровня квалификации. Контроль заработной платы, полученной работником в 2022 г., значительно сокращает отдачу, подтверждая, что положительный эффект от использования ИИ предопределен более высоким уровнем заработной платы на рабочих местах с высокой применимостью данной технологии. Модели с фиксированными эффектами указывают на наличие отдачи только в случае регулярного использования генИИ, которая составляет от 17,2% в среднем по выборке до 41,8% для специалистов высшего уровня квалификации.

1. Капелюк С. Д., Карелин И. Н. (2023). Спрос на цифровые навыки в России: региональные различия // Пространственная экономика. Т. 19, № 1. С. 70—92. https://doi.org/10.14530/se.2023.1.070-092

2. Скоробогатов А. С., Свиридов О. И. (2025). Влияние искусственного интеллекта на структуру и содержание вакансий на российском рынке труда // Вопросы экономики. № 1. С. 71—91. https://doi.org/10.32609/0042-8736-2025-1-71-91

3. Смирных Л. И. (2025). Искусственный интеллект на предприятиях России: каковы эффекты для занятости? // Вопросы экономики. № 9. С. 88—102. https://doi.org/10.32609/0042-8736-2025-9-88-102

4. Терников А. А. (2023). Искусственный интеллект и спрос на навыки работников в России // Вопросы экономики. № 11. С. 65—80. https://doi.org/10.32609/0042-8736-2023-11-65-80

5. Acemoglu D., Restrepo P. (2018). Low-skill and high-skill automation. Journal of Human Capital, Vol. 12, No. 2, pp. 204—232. https://doi.org/10.1086/697242

6. Acemoglu D., Restrepo P. (2022). Tasks, automation, and the rise in US wage inequality. Econometrica, Vol. 90, No. 5, pp. 1973—2016. https://doi.org/10.3982/ECTA19815

7. Autor D. H., Levy F., Murnane R. J. (2003). The skill content of recent technological change: An empirical exploration. Quarterly Journal of Economics, Vol. 118, No. 4, pp. 1279—1333. https://doi.org/10.1162/003355303322552801

8. Brynjolfsson E., Li D., Raymond L. (2025). Generative AI at work. Quarterly Journal of Economics, Vol. 140, No. 2, pp. 889—942. https://doi.org/10.1093/qje/qjae044

9. Chatterji A., Cunningham T., Deming D. J., Hitzig Z., Ong C., Shan C. Y., Wadman K. (2025). How people use ChatGPT. NBER Working Paper, No. w34255. https://doi.org/10.3386/w34255

10. Choi J. H., Schwarcz D. (2024). AI assistance in legal analysis: An empirical study. Journal of Legal Education, Vol. 73, No. 2, pp. 384—420.

11. Damioli G., Van Roy V., Vertesy D., Vivarelli M. (2025). Is artificial intelligence leading to a new technological paradigm? Structural Change and Economic Dynamics, Vol. 72, pp. 347—359. https://doi.org/10.1016/j.strueco.2024.12.006

12. Dell’Acqua F., McFowland III E., Mollick E., Lifshitz-Assaf H., Kellogg K. C., Rajendran S., Krayer L., Candelon F., Lakhani K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. Harvard Business School Working Paper, No. 24-013. https://doi.org/10.2139/ssrn.4573321

13. Eloundou T., Manning S., Mishkin P., Rock D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, Vol. 384, No. 6702, pp. 1306—1308. https://doi.org/10.1126/science.adj0998

14. Fairlie R. W., Bahr P. R. (2018). The effects of computers and acquired skills on earnings, employment and college enrollment: Evidence from a field experiment and California UI earnings records. Economics of Education Review, Vol. 63, pp. 51—63. https://doi.org/10.1016/j.econedurev.2018.01.004

15. Gmyrek P., Berg J., Kamiński K., Konopczyński F., Ładna A., Nafradi B., Rosłaniec K., Troszyński M. (2025). Generative AI and jobs: A refined global index of occupational exposure. ILO Working Paper, No. 140. https://doi.org/10.54394/HETP0387

16. Handa K., Tamkin A., McCain M., Huang S., Durmus E., Heck S., Mueller J., Hong J., Ritchie S., Belonax T., Troy K., Amodei D., Kaplan J., Clark J., Ganguli D. (2025). Which economic tasks are performed with AI? Evidence from millions of Claude conversations. arXiv:2503.04761. https://doi.org/10.48550/arXiv.2503.04761

17. Haslberger M., Gingrich J., Bhatia J. (2025). No great equalizer: Experimental evidence on productivity effects of generative AI use in the UK labor market. Available at SSRN: https://doi.org/10.2139/ssrn.4594466

18. Hosseini Maasoum S. M., Lichtinger G. (2025). Generative AI as seniority-biased technological change: Evidence from US resume and job posting data. Available at SSRN: https://doi.org/10.2139/ssrn.5425555

19. Humlum A., Vestergaard E. (2026). Still waters, rapid currents: Early labor market transformation under generative AI. NBER Working Paper, No. w33777. https:// doi.org/10.3386/w33777

20. Ipsos (2024). The Ipsos AI monitor, June.

21. Kanazawa K., Kawaguchi D., Shigeoka H., Watanabe Y. (2026). AI, skill, and productivity: The case of taxi drivers. Management Science, Vol. 72, No. 2, pp. 1376—1388. https://doi.org/10.1287/mnsc.2023.01631

22. Kauhanen A., Rouvinen P. (2025). Assessing early labour market effects of generative AI: Evidence from population data. Applied Economics Letters. https://doi.org/10.1080/13504851.2025.2513973

23. Lysyakov M., Viswanathan S. (2023). Threatened by AI: Analyzing users’ responses to the introduction of AI in a crowd-sourcing platform. Information Systems Research, Vol. 34, No. 3, pp. 1191—1210. https://doi.org/10.1287/isre.2022.1184

24. Martins Neto A., Liu Y., Khurana S., Porras J. (2026). Click, code, earn: The returns to digital skills. Unpublished manuscript. https://doi.org/10.2139/ssrn.6350432

25. Merali A. (2024). Scaling laws for economic productivity: Experimental evidence in LLM-assisted translation. arXiv:2409.02391. https://doi.org/10.48550/arXiv.2409.02391

26. Noy S., Zhang W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, Vol. 381, No. 6654, pp. 187—192. https://doi.org/10.1126/science.adh2586

27. Paklina S., Shakina E. (2022). Which professional skills value more under digital transformation? Journal of Economic Studies, Vol. 49, No. 8, pp. 1524—1547. https://doi.org/10.1108/JES-08-2021-0432

28. Peng S., Kalliamvakou E., Cihon P., Demirer M. (2023). The impact of AI on developer productivity: Evidence from Github Copilot. arXiv:2302.06590. https://doi.org/ 10.48550/arXiv.2302.06590

29. Pouliakas K., Santangelo G., Dupire P. (2025). Are artificial intelligence skills a reward or a gamble? Deconstructing the AI wage premium in Europe. Eurasian Business Review, Vol. 15, No. 4, pp. 1091—1128. https://doi.org/10.1007/s40821-025-00302-0

30. Shen J. H., Tamkin A. (2026). How AI impacts skill formation. arXiv:2601.20245. https://doi.org/10.48550/arXiv.2601.20245

31. Simkute A., Tankelevitch L., Kewenig V., Scott A. E., Sellen A., Rintel S. (2025). Ironies of generative AI: Understanding and mitigating productivity loss in human—AI interaction. International Journal of Human–Computer Interaction, Vol. 41, No. 5, pp. 2898—2919. https://doi.org/10.1080/10447318.2024.2405782

32. Stephany F., Teutloff O. (2024). What is the price of a skill? The value of complementarity. Research Policy, Vol. 53, No. 1, article 104898. https://doi.org/10.1016/j.respol.2023.104898

33. Stray V., Brandtzæg E. G., Wivestad V. T., Barbala A., Moe N. B. (2026). Developer productivity with and without GitHub Copilot: A longitudinal mixed-methods case study. Proceedings of the 59th Hawaii International Conference on System Sciences, pp. 7413—7422. https://doi.org/10.24251/HICSS.2026.880

34. Tomlinson K., Jaffe S., Wang W., Counts S., Suri S. (2025). Working with AI: Measuring the occupational implications of generative AI. arXiv:2507.07935. https://doi.org/10.48550/arXiv.2507.07935

35. Wiles E., Munyikwa Z., Horton J. (2025). Algorithmic writing assistance on jobseekers’ resumes increases hires. Management Science, Vol. 71, No. 12, pp. 10144—10164. https://doi.org/10.1287/mnsc.2024.04528

36. Wu S., Liu Y., Ruan M., Chen S., Xie X. Y. (2025). Human-generative AI collaboration enhances task performance but undermines human’s intrinsic motivation. Scientific Reports, Vol. 15, No. 2, article 15105. https://doi.org/10.1038/s41598-025-98385-2

37. Xie M., Ding L., Xia Y., Guo J., Pan J., Wang H. (2021). Does artificial intelligence affect the pattern of skill demand? Evidence from Chinese manufacturing firms. Economic Modelling, Vol. 96, pp. 295—309. https://doi.org/10.1016/j.econmod.2021.01.009