Автоматизация и будущее работы

— Потому что вопрос поставлен неправильно. Правильный вопрос не «сколько работ исчезнет» — а «кому достанется то что осталось». И на него ответ гораздо неприятнее.

— Никто не врёт. В этом и проблема. Апокалиптический нарратив описывает правду — конкретные люди в конкретных городах теряют работу и не восстанавливаются. Успокоительный нарратив тоже описывает правду — в масштабе всей экономики занятость не падает устойчиво. Это две разных правды о разных уровнях реальности. И оба нарратива при этом уводят от главного.

— От вопроса о распределении. Посмотри на один факт: ВВП на душу населения в США с 1979 по 2019 год вырос на 85%. Медианная зарплата реального работника за тот же период — примерно на 15%. Это не математическая ошибка и не статистический артефакт. Это означает: прирост производительности от автоматизации пошёл наверх, а не широко. Работа при этом была. Занятость держалась. Но плоды — нет.

— Именно. И вот это — главное. Когда Кейнс в 1930-м предсказывал 15-часовую рабочую неделю к 2030 году, он был прав по производительности: она выросла в 5–7 раз. Только прирост ушёл не в досуг, а в потребление. Работы стало не меньше — она стала другой. Люди стали беднее относительно того что произвели. Кейнс это понимал, кстати — поэтому добавлял: «в долгосрочной перспективе мы все мертвы».

— Обошлось для кого? В Великобритании в период индустриальной революции с 1760 по 1840 год реальные зарплаты рабочих фактически не росли — несмотря на колоссальный рост производительности. Историки назвали это Engels pause — 80 лет пауза, когда прогресс не конвертировался в благосостояние. Потом конвертировался. Но 80 лет — это три поколения. Вопрос не «обошлось ли» — а «для кого и когда».

— Они задавали правильные вопросы в неудобной рамке. Ткачи-лудиты в 1811–1812 году не громили все машины подряд — они прицельно уничтожали те станки, которые производили дешёвые и грубые ткани, разрушавшие цеховые стандарты качества. Это был не испуг — это был протест против деградации мастерства. Они боялись не безработицы, а того что теперь называют прекаризацией. И оказались правы именно в этом.

— Потому что так удобнее. Легче иметь пугало «луддита-паникёра», чем разбираться с реальными аргументами о том что автоматизация делает с качеством труда. И вот та же механика работает сейчас: пока мы спорим о количестве рабочих мест — апокалипсис или адаптация — никто не обсуждает мост.

— Представь: в твоём городе построили новый мост, пробки исчезли — всем лучше. Но весь поток машин теперь идёт через один платный въезд, которым владеет одна компания. Пробок нет, скорость выросла, город стал эффективнее. Вопрос кому достались деньги — совсем другой. Вот так же работает автоматизация: производительность растёт, выпуск растёт, но плоды концентрируются. И пока мы спорим о том нужен ли мост — разговора о платном въезде не происходит.

— Это не конспирология. Апокалиптический нарратив выгоден тем кто хочет рамку «мы против машин» — уводит от распределения к страху. Успокоительный — тем кто выигрывает от статус-кво, рамка «рынок разберётся». Оба вытесняют реальный политический вопрос: как распределить плоды того что мы производим больше. Системно вытесняют — не сговором, а просто тем как устроены нарративы.

— Это главное заблуждение. Автоматизация идёт не от простого к сложному. Она бьёт по рутинному. А рутинность — это не про сложность, это про алгоритмизируемость.

— Попробуй записать в книгу как правильно ходить конём в шахматах — легко. Теперь попробуй записать как правильно собирать разбросанные детские игрушки в незнакомой квартире. Или как успокоить плачущего пациента в реанимации. Шахматы сложны — но это алгоритм, и Deep Blue победил чемпиона мира в 1997-м. Уборка квартиры — примитивна с точки зрения интеллекта, но это не алгоритм. IRobot потратил 20 лет и сотни миллионов долларов чтобы научить Roomba убирать — и он до сих пор застревает в шнурах.

— Если бухгалтер работает по налоговому кодексу — да, серьёзно. Кодекс можно записать в алгоритм. Разбросанные игрушки на полу — нет. Это называется «тест Полани» — философ сформулировал ещё в 1966-м: мы знаем больше, чем можем сказать. Баланс на велосипеде, распознавание лица друга — не алгоритм. Налоговая отчётность — алгоритм, пусть и сложный.

— Сложность и рутинность — разные вещи. Сложная шахматная партия всё равно рутинна — есть правила, есть ходы, можно перебрать. Парадокс: распознавание речи — задача которую ребёнок решает в два года — оказалась для компьютеров невероятно сложной, тогда как игра в шахматы на уровне чемпиона мира была решена раньше. Шахматы рутинны. Речь нет. Именно поэтому бухгалтеры США с 2000 по 2022 год потеряли около 400 000 позиций рутинного учёта, а число финансовых аналитиков — нерутинная когнитивная работа — выросло.

— Именно. И это важно: не профессия исчезает, а задачи внутри профессии. Хирург — в относительной безопасности, но не потому что хирургия простая. Потому что тактильные ощущения в нестандартной ситуации, мгновенные решения в непредсказуемой среде — не алгоритм. Роботизированная хирургия типа da Vinci — это инструмент под управлением хирурга, не его замена. А вот кассиры супермаркетов — полностью рутинны: сканируй, бери деньги, давай сдачу. В Великобритании их число за 2010–2019 упало на 20%.

— Да. Henn na Hotel в 2015-м объявил о полной роботизации персонала — роботы-рецепционисты, носильщики-роботы. Через три года половину уволили: ломались, пугали гостей, не справлялись с нестандартными запросами. Рутинный check-in был автоматизирован нормально. А всё остальное — нет. Это хорошая иллюстрация: машина справляется с предсказуемым сценарием и разваливается когда гость пришёл с чем-то непредусмотренным.

— Два полюса. Те кто делает что-то в непредсказуемой физической среде — сантехник, сиделка, повар. И те кто создаёт новые знания или работает с принципиальной неопределённостью — учёный, стратег, хороший дизайнер. Середина — зона риска. И вот самый неудобный вывод из этого: университетское образование, которое учит применять правила и процедуры, готовит людей именно к тем профессиям которые исчезают в первую очередь.

— Вот здесь старая модель начинает скрипеть. Может GPT просто перекодировал нерутинное в рутинное через миллиарды примеров? Или он открыл новый вид уязвимости — для когнитивного труда в целом? Честно — экономисты ещё спорят. Часть говорит что поляризация продолжится на новом уровне. Другие что AI создаёт совершенно новую категорию угрозы для высококвалифицированных профессий. На этот вопрос у нас пока нет ответа.

— Потому что прошлые волны работали по конкретной логике: убивали мышечный труд — и освобождали руки для умственного. В 1800 году 80% американцев работали на фермах. К 2000 году — меньше 2%. Работы при этом стало больше, а не меньше: освободившиеся руки строили города, шили одежду, обслуживали машины — профессии которых до этого не существовало. AI атакует оба уровня одновременно. И это впервые.

— Представь: в твоём городе автоматизировали все кассы в магазинах. Кассиры расстроились, но переучились на операторов самообслуживания, менеджеров торгового зала, консультантов. Норм. А теперь в тот же день автоматизировали и консультантов, и менеджеров, и бухгалтеров, и юристов, которые оформляли сделки. Всё это одновременно. Предыдущие технологии убивали один этаж здания — люди поднимались на следующий. AI строит лифт который едет на все этажи сразу.

— Банкомат убил одну задачу. Стоимость содержания отделения упала, банки открыли больше отделений, каждое нанимало людей для новых задач — продажи кредитов, консультации. Аналогия работает только если лифт едет на один этаж. AI убивает задачи на трёх этажах одновременно. Это качественно другое.

— Луддиты были абсолютно правы насчёт своей судьбы. Они ошиблись только насчёт судьбы своих детей. Это разные вопросы — и мы постоянно их путаем. Ткач Уильям Хоскинс с двадцатилетним стажем — за одну ночь потерял всё, за что платили, когда пришёл Jacquard-станок с перфокартами. Через год он работал смазчиком этих же станков за треть прежней зарплаты. Это не было прогрессом для Хоскинса. Только статистика показала что его дети нашли другую работу.

— История говорит: компенсация работает за 40–60 лет и стоит жизни одного поколения. Компенсирующий эффект прошлых волн работал не потому что «рынок мудрый» — а потому что люди изобретали новые желания. Фермеры, переехав в города, захотели кино, рестораны, газеты — профессии которых не существовало. Вопрос про AI звучит по-новому: а какие новые желания создаёт AI? Пока ответ похож на «желание большего AI» — и это может означать что на этот раз компенсация происходит внутри самой технологии, а не вокруг неё.

— Вот в этом и весь вопрос. Исторически переходный период от одной технологической волны к следующей занимал 20–40 лет. За это время успевало вырасти новое поколение с новыми навыками. GPT-3 вышел в 2020-м, GPT-4 в 2023-м — три года, не тридцать. Мы не знаем работает ли компенсирующий механизм если цикл сжимается до 5–10 лет. У нас нет исторического прецедента технологии которая захватывает и физический и когнитивный труд одновременно с такой скоростью. Исторические аналогии дают утешение — но не гарантию.

— Мы не знаем. Это честный ответ. Может есть ступень — мы просто не видим её пока она не материализовалась. Может нет. Вот это принципиальная неопределённость с которой нам приходится жить.

— Ты описываешь реальный феномен. Его называют поляризацией рынка труда. Автоматизация не убирает рынок труда — она его разрывает. Верх растёт. Середина сжимается. Низ держится. В США с 1980 по 2010 год доля среднеоплачиваемых рабочих мест упала примерно на 8 процентных пунктов. Не нижний ярус — средний.

— Да. И это следует прямо из логики рутинного замещения. Самые уязвимые профессии — те где более 70% задач рутинны: операторы станков, бухгалтеры, секретари, операторы call-центров, кассиры. Все они в среднем ценовом диапазоне — от $35 000 до $65 000 годового дохода в США. Парикмахер снизу и хирург сверху — оба держатся по разным причинам. А вот оператор станка посередине — нет.

— Обе траектории есть — но чаще вниз. В Детройте завод Ford в 1978 году давал работу 28 000 человек. Сегодня на том же месте — производительность втрое выше и 5 500 сотрудников. Куда ушли остальные 22 500? Часть переехала в другие штаты, часть перешла в сервисный сектор с зарплатой вдвое ниже. Местный налог на имущество упал, школы потеряли финансирование, детская бедность выросла. Это поляризация в масштабе одного города — не апокалипсис, а медленное разрушение.

— Появляются. Только для этого нужно либо 4 года университета, либо 2 года буткемпа за $15 000. А тем кому сейчас 50 и кто работал оператором 20 лет — это реально? Данные показывают: у парикмахеров нет угрозы — не потому что работа простая, а потому что создать машину которая делает стрижку дешевле человека экономически бессмысленно. Робот-сиделка стоит $100 000 плюс, нанять сиделку $25 000 в год. Экономика не сходится. Низкая зарплата — это теперь защита от роботов.

— Именно. Апокалипсис был бы проще — он одинаково бьёт всех и общество объединяется. Поляризация бьёт избирательно: выбивает конкретный слой у конкретных людей у которых нет запасного варианта. Именно поэтому её так сложно решать политически.

— Германия и Япония показывают другую динамику: там средние позиции сокращались медленнее. Причина — система дуального образования и специализированного ремесленного обучения создала слой высококвалифицированных «синих воротничков» задачи которых трудно алгоритмизировать. Немецкий краснодеревщик — это не рутинный оператор, это мастер с сертификатом, который стоит $50 000. Прямое доказательство что поляризация не железный закон — а результат конкретных институциональных решений.

— Это задокументировано. Округа с наибольшей долей рутинных рабочих мест голосовали за Трампа в 2016-м сильнее всего. Не потому что они расисты. Потому что они потеряли $15 в час и нашли только $9. Корреляция между долей «рутинных» рабочих мест в округе и уровнем поддержки популистов — статистически значима в нескольких независимых исследованиях. Автоматизация, убивая середину рынка труда, убивает и политическую середину. Не напрямую, а через финансовое давление, ощущение незащищённости и недоверие к элитам которые, кажется, только выигрывают от изменений.

— Это помогает — но слово «пока» здесь ключевое. Защита не в том что эти вещи сложны. Защита в том что мы не умеем сформулировать что считать успехом. Как только кто-то это формализует — задача становится решаемой.

— Представь что ты нанимаешь человека чинить замки. Объяснить что значит «замок починен» — легко: он либо открывается ключом, либо нет. Теперь попробуй нанять человека «улучшить отношения в команде». Как ты поймёшь что работа сделана хорошо? Через неделю? Через год? По чьей оценке? Именно это делает задачу трудной для автоматизации — не сложность, а размытость критерия успеха.

— Пока нет метрики — задача сложна. Как только находится метрика — защита рушится. И вот история последних лет — это история падения «последних рубежей». Так говорили про творчество в 2010-м. Про разговорный AI в 2015-м. Про юридическое мышление в 2020-м. GPT-4 в 2023-м прошёл медицинский экзамен USMLE на уровне опытного терапевта. Но это именно та часть медицины где есть правильные ответы. Постановка диагноза в неопределённой ситуации — «пациент жалуется непонятно на что» — остаётся сложнее, потому что критерий успеха размыт.

— Вот здесь интересно. В 1966 году психолог Вайценбаум запустил чат-бот ELIZA — примитивную программу, которая просто отражала слова обратно. Пользователи приписывали ей понимание и сочувствие, хотя программа не имела ни того ни другого. Это означает: «ощущение понятости» — это частично социальный сигнал, паттерн поведения, а не только содержание. В 2022 году стартап запустил Pi — AI-компаньона для эмоциональной поддержки. Часть пользователей говорила что Pi «понимает их лучше чем некоторые люди». Это не значит что Pi чувствовал что-то — это значит что «ощущение понятости» формализуется через паттерны языка раньше чем мы думали.

— Не торопись с выводом. Есть другая логика защиты — и она устойчивее технической. Профессии которые общество решит защитить законом или культурой. Судья, священник, паллиативный врач — не потому что AI хуже справится с задачей в узком смысле. А потому что мы решим: результат должен быть получен от человека. Суд присяжных, религиозное служение — не техническая защита, а культурная и законодательная. Это совсем другая логика.

— Примерно так. Юристы выживут как профессия. Но юрист который делает то что делает AI только медленнее — нет. В 2023 году юридическая фирма Allen & Overy внедрила Harvey — AI для юридического анализа. Выяснилось: значительная часть того что считалось «суждением» у младших юристов — формализуемая задача. Настоящее суждение осталось у партнёров. Но одному партнёру теперь нужно меньше джунов — он контролирует больше AI-работы. Профессия выжила. Потребность в 40% junior-штата — исчезла.

— Может быть более устойчивая стратегия — не «качать навыки X», а уметь быстро переопределить в чём твоя ценность когда очередной барьер падает. Потому что если защита временная, то «качать навыки X» — стратегия с коротким горизонтом. Вы знаете что именно вы делаете когда принимаете сложное решение? Можете описать этот процесс в виде правил?

— Вот именно. Мы сами не понимаем собственное суждение. Автоматизировать то что ты не понимаешь — сложно. Но не невозможно: машины обучаются на выходах, не на объяснениях.

— Они читают одни данные — но смотрят на принципиально разные объекты. Экономист считает рабочие места — агрегат из тысяч задач. Технолог считает задачи — атомарные действия. Когда автоматизируется 30% задач в профессии, экономист видит «профессия выжила», технолог видит «30% работы уже не нужно людям». Это не интерпретационный спор — это разные единицы измерения.

— Точно. Представь что ты владелец ресторана. Посудомоечная машина взяла на себя 100% мытья посуды. Официант который раньше мыл посуду в конце смены — всё ещё работает, просто теперь носит больше блюд. Если ты считаешь занятость по головам — один официант, занятость 100%. Если ты считаешь задачи — одна задача полностью исчезла, занятость этой задачи 0%. Экономист смотрит на статистику и видит «официанты не исчезли». Инженер смотрит на ту же кухню и видит «задача мытья посуды полностью автоматизирована». Оба правы.

— Именно. Фрей и Осборн в 2013-м взяли 702 профессии и оценили риск автоматизации — получили 47%. Это их единица: профессия целиком. Потом McKinsey и OECD взяли задачи внутри профессий — получили 5–9% профессий под угрозой полного исчезновения. Разница в десять раз объясняется исключительно выбором единицы, а не разными данными. Причём один из авторов знаменитого доклада о 47% — Карл Бенедикт Фрей — через десять лет написал книгу и в интервью признал: «Мы считали профессии, а нужно было считать задачи. Если бы мы считали задачи, вышло бы 80%, а не 47%».

— Да. И добавил: «Но цифра 80% вызвала бы панику, а не дискуссию». Методологический выбор определил политический вывод — и автор это осознавал. Это честно с его стороны.

— Принципиально. Экономист живёт в горизонте делового цикла — 7–10 лет. Инженер живёт в горизонте продуктового релиза — 18 месяцев. Когда экономист говорит «история показывает что всё образуется» — он честно экстраполирует свой горизонт. Когда инженер говорит «через два года следующий GPT заменит ещё 30% задач» — он честно экстраполирует свой. Ни один не врёт. Оба применяют правильный инструмент к неправильному вопросу.

— Brynjolfsson с командой попробовал. Попросил экономистов и ML-инженеров оценить одни и те же профессии на предмет автоматизируемости. Разрыв в три раза. Инженеры называли 67% шанс автоматизации там где экономисты давали 23%. Одни и те же описания задач, одни и те же люди. Инженеры убирали поправку на «социальные барьеры внедрения». Экономисты её добавляли. Барьеры реальны — но они временные. И вот в этом весь спор.

— Именно. И самый дорогой вопрос который ты можешь задать — «исчезнет ли моя профессия». Потому что ответ зависит от того какой единицей ты меряешь. Если задать правильный вопрос — «какие мои задачи уже сегодня может делать машина лучше» — ответ получишь сразу. И он будет некомфортным. Но зато это будет реальный вопрос.

— Вот именно. Мы не увидим кризис в цифрах пока он не станет социальным разломом. Потому что наши приборы измеряют занятость по головам — а автоматизация идёт по задачам. Это систематическая слепота встроенная в то как мы решили считать.

— Ты можешь. И один из пятнадцати шахтёров из Кентукки тоже может. Но что делать остальным четырнадцати — это и есть вопрос политики, а не личной воли.

— Проблема переобучения не в том что люди ленятся или боятся учиться. Проблема структурная: переобучение решает задачу «нет навыков» — а реальная задача «нет рабочих мест в этом городе с этими навыками и за эти деньги». Это принципиально разные задачи. Государство выдаёт новые тапочки пока вода прибывает.

— Потоп в квартире. Сосед советует: купи тапочки — они не промокают. Совет технически верный. Вот так же работает переобучение: государство выдаёт тебе новые навыки, пока рабочие места исчезают быстрее чем люди успевают переучиться — и даже новые навыки могут не пригодиться в регионе где ты живёшь.

— Снять квартиру в Сан-Франциско — это $3 500 в месяц. Средняя зарплата на старте в технологической компании — $70 000 в год. То есть ты тратишь половину зарплаты на аренду, бросаешь детей в школу в другом штате и продаёшь дом в городе где рынок упал на 40%. Мобильность американских рабочих упала вдвое с 1980 года: если тогда около 3% домохозяйств переезжали из штата в штат ежегодно, к 2010-м — 1.5%. Мобильность не решение для людей с семьями и ипотекой.

— По данным исследования Katz и Krueger, из программ переобучения для сталелитейщиков в 1980-е реально нашли новую работу сопоставимого уровня меньше 20% участников. Германия потратила десятки миллиардов евро на программы «Hartz» для переквалификации. Независимые оценки показали: около половины участников вернулись на пособие в течение года — не потому что плохо учились, а потому что рынок труда их региона не нуждался в новых навыках.

— Хуже — это выбрасывание надежды. В небольшом шахтёрском городе Харлан, Кентукки, в 2016-м открылся центр переобучения — учили программированию. 120 человек закончили курс. Ближайший технологический работодатель находился в Лексингтоне, в трёх часах езды. Аренда там вдвое выше зарплаты шахтёра. Одиннадцать человек из 120 реально переехали и нашли работу по специальности.

— И возраст — нелинейный барьер. 40-летний работник тратит в 2–3 раза больше времени на освоение принципиально новой профессии, чем 25-летний. При этом меньше лет до пенсии чтобы «отбить» инвестицию. Работодатели это знают и неохотно берут «свежих» специалистов старше 45. Когда Amazon автоматизирует склад в Кентукки, 1800 рабочих мест исчезают в одном месте, а 200 вакансий инженеров появляются в Сиэтле. Это не «та же работа в другом виде» — это другие люди, в другом городе, с другим образованием.

— Это честный вопрос. Ответ: да, можно лучше. Но исследования показывают предел — даже самые хорошие программы помогают примерно трети участников. Остальные двое из трёх сталкиваются с барьерами которые обучение не снимает: возраст, локация, разрыв в зарплатах, дискриминация работодателей. И самый неудобный вывод: люди которых государство переучило и которым это не помогло — злее чем те кому вообще ничего не предложили. Потому что им пообещали и не дали. И вот эти люди — главный электоральный ресурс популистов по всему миру. Плохая политика переобучения производит не только безработных — она производит радикализованный электорат.

— Оно знает. Ключевое слово — «просто». Правильно — значит причинить боль сегодня чтобы избежать катастрофы через десять лет. А политик который причиняет боль сегодня не выигрывает следующие выборы. Это не некомпетентность — это структура.

— Примерно. Менять курс — значит беспокоить всех прямо сейчас. Не менять — удар через час. Государство видит угрозу, понимает что нужны структурные реформы, но реформы причиняют боль сейчас. Проще субсидировать умирающую отрасль ещё пять лет — до следующих выборов.

— Германия в 2009 году масштабировала Kurzarbeit — сокращённое рабочее время с субсидиями. Рабочие работают три дня в неделю, получают 60–80% от полной зарплаты, остаток доплачивает государство. Безработица в Германии во время кризиса выросла на 0.5 процентных пункта. В США — на 5. Это один из редких задокументированных случаев когда государственная интервенция на рынке труда сработала быстро и масштабно.

— Kurzarbeit работает для временного кризиса — когда работодатель хочет сохранить людей и вернуть их потом. При автоматизации работодатель не хочет их возвращать. Вот в чём разница. А датская flexicurity — система где уволить легко, пособие высокое, а требование активно искать работу жёсткое — требует трёх вещей: высоких налогов, высокого доверия к государству и сильных профсоюзов. Угадайте в каких странах автоматизация ударила сильнее всего? Именно там где всего этого нет. Это как сказать человеку с пневмонией: просто будь здоровее.

— Ловушка: те кому нужны рецепты не могут их внедрить, а те кто может — пока не так срочно нуждаются. В Британии в 80-е сделали политически удобный ход — убрали людей из статистики безработицы через статус инвалидности. Цифры красивые. Тридцать лет спустя — целые регионы где три поколения не работают. Это самая популярная политика в мире: решить проблему на бумаге.

— Большинство людей тратят кредит на кулинарные курсы или йогу. Это не критика — это человеческая природа. Когда тебе говорят «вот деньги, учись» — ты идёшь учиться тому что интересно, а не тому что нужно рынку. Сделать так чтобы эти две вещи совпали — это и есть настоящая задача которую никто пока не решил.

— Ответ есть — но он медленный и дорогой: инвестиции в образование за 15–20 лет до проблемы, а не переобучение когда завод уже закрылся. Финляндия поэтому лучше готова чем Индиана — Финляндия начала реформировать образование когда ещё всё было хорошо. Это политически почти невозможно. Зачем чинить то что не сломалось? И вот именно поэтому разговор переходит к следующему уровню: может быть проблему рынка труда вообще не нужно решать через рынок труда?

— Потому что спор про UBI — это не спор про деньги. Это спор про то что такое достоинство и смысл. Можно ли их купить — или они возникают только через то что ты делаешь нужным для других.

— Хорошо. Но посмотри внимательно — они измеряли самочувствие, доверие, стресс. Не измеряли одиночество через пять лет. Не измеряли что происходит когда всё твоё поколение выпало из рынка — не ты один, а все вокруг. Мы тестируем UBI на людях которые живут среди работающих соседей. Это совсем не то же самое что целое общество где работают только роботы. Финский участник пилота Юха Ярвинен написал роман. Критики прочитали как успех. Противники прочитали как провал: рынок потерял работника, который мог делать что-то нужное другим людям, а не только себе.

— Вырос. Это важно и это реально. Безусловный доход как трамплин — работает для части людей: они использовали стабильность чтобы выйти из режима выживания и найти нормальную работу. Дилан Хейрд, водитель доставки, потратил деньги на курсы по программированию — нашёл работу. Но Дилан был молод, мобилен и уже искал выход. Вопрос в том что происходит с теми кто не Дилан.

— Это самый неудобный парадокс. Если людям платят базовый доход, им больше не нужно бороться за условия труда. Профсоюзы теряют смысл. Рычаг давления на работодателей исчезает. Автоматизация ускоряется потому что рабочим больше не страшно терять работу — и работодатели это используют. UBI задуманный как защита от автоматизации может стать её ускорителем.

— Хороший вопрос. Может они чувствуют вину — это честно. Или — и это честнее — они понимают что UBI снимает политическое давление. Если людям платят, они не выходят на улицы требовать регулирования технологий. Это очень удобное решение для тех кто получает от автоматизации прибыль. Я не говорю это как обвинение. Я говорю это как структуру интересов.

— Аляска — дивиденд с нефтяных доходов. В среднем $1 000–2 000 в год, не в месяц. Никто на Аляске не бросает работу из-за этих денег. Это приятный бонус, не замена зарплате. И он существует благодаря уникальному нефтяному фонду — не воспроизводимый рецепт для промышленных экономик.

— UBI снимает угрозу голода. Но не снимает угрозу ненужности. А именно ненужность — не бедность — разрушает людей в условиях массовой автоматизации. Социологи показали: смерти «от отчаяния» в депрессивных регионах коррелируют не с уровнем бедности, а с ощущением «социального бесполезия» — ты не нужен ни рынку ни обществу. Богатые пенсионерские сообщества во Флориде: деньги есть, а смертность от тоски и изоляции тоже высокая. Деньги без роли не лечат это.

— Решает одну часть. Оставляет нетронутой другую, которая, возможно, важнее. Сторонники UBI говорят: достоинство и смысл создаются свободой выбора. Если человек свободен не работать ради выживания — он найдёт занятие которое действительно важно ему и другим. Противники отвечают: достоинство возникает из признания другими людьми. Работа ценна не потому что ты её выбрал — а потому что кто-то заплатил за неё, то есть признал нужной. Ни одна сторона не может доказать своё с данными — потому что мы никогда не проводили UBI в масштабе достаточном для ответа на вопрос про смысл.

— Технически — оптимисты правы. Кейнс в 1930-м предсказал 15-часовую рабочую неделю к 2030 году, и производительность выросла именно так как он рассчитывал. Мы могли бы работать меньше. Но весь прирост ушёл не в досуг, а в потребление. Люди изобретали новые желания быстрее чем технологии их удовлетворяли. Автоматизация сама по себе не освобождает — нужно политическое решение о распределении.

— Да. И вот это важно понять: работа — это не только про деньги. Это про структуру идентичности. Кем ты являешься, не что ты делаешь. Когда у человека нет работы, он теряет не доход — он теряет ответ на вопрос «кто я». Именно поэтому большинство лотерейных миллионеров несчастны через три года, а не через три месяца. Освобождение от рюкзака который нёс всю жизнь — это не только облегчение. Плечи болят от отсутствия нагрузки и ты не знаешь куда девать руки.

— Возможно — но требует инфраструктуры смысла. Досуг тоже навык, которому нужно учиться. В начале 2020-х несколько крупных компаний перешли на четырёхдневную рабочую неделю. Производительность выросла. Но сотрудники использовали пятый день не для творчества по умолчанию — им потребовалось несколько месяцев чтобы научиться пользоваться свободным временем продуктивно. Первые месяцы многие просто испытывали тревогу: они не знали как быть вне структуры рабочего дня. А после закрытия крупных заводов в ржавом поясе США в 1980-х — оставшиеся без работы рабочие в среднем так и не нашли новую идентичность: уровень опиоидной зависимости, суицидов и хронических болезней вырос кратно и остаётся повышенным спустя 40 лет.

— И психологическая. Утопическое видение постдефицитного общества предполагает что люди освобождённые от нелюбимого труда направят энергию на творчество, отношения и смысл. Но исторические данные говорят обратное — люди внезапно потерявшие работу в большинстве случаев не расцветают, а разрушаются. Это не потому что они ленивые — а потому что рыночная экономика на протяжении 200 лет систематически атрофировала у людей способность генерировать смысл без внешней структуры занятости.

— Можно. Но это занимает поколения — не годы. И есть ещё один острый вопрос которого оптимисты обычно избегают. У греков было слово skholê — досуг, от которого происходит английское school, школа. Досуг как условие мысли. Афинская философия, демократия, театр расцвели именно потому что один класс людей был полностью освобождён от труда. За счёт рабов. Мы предлагаем то же самое — только рабы теперь машины. Красивая идея. Вопрос: кому принадлежат эти машины?

— Вот именно. Если завод автоматизируется и прибыль идёт акционерам, а рабочие получают пособие — это не освобождение. Это экспроприация с дополнительным шагом. Оптимисты правы технически: досуг возможен. Скептики правы политически: вопрос кто владеет машинами. Освобождение требует реабилитации — и правильного ответа на вопрос о собственности. Пока на второй вопрос ответа нет — первый остаётся красивой идеей.

— Нет. Это другая рациональность. Все думают что это иррационально или промывание мозгов — бедные голосуют против себя потому что им задурили голову. Но на самом деле люди максимизируют не доход, а достоинство. И с точки зрения этой цели их выбор безупречно логичен.

— А вы когда последний раз делали что-то не ради денег — из принципа, из гордости, чтобы не чувствовать себя побеждённым? Когда работа — это не просто зарплата, а смысл, идентичность и место в мире, предложение «мы вас переквалифицируем» воспринимается не как помощь, а как приговор: «вы больше не нужны такими какие вы есть». Отказ — не иррационален. Это акт самосохранения.

— Это ещё одна форма того же. Люди из города приезжают и говорят нам как жить — это важнее чем они правы про загрязнение. Доверие к источнику важнее содержания сообщения. В Луизиане женщина работала медсестрой, потеряла работу из-за автоматизации документооборота. Голосует против расширения Medicaid хотя сама могла бы получить покрытие. Объясняет: «Я не хочу чтобы меня спасали вместе с ними» — имея в виду иммигрантов и людей на велфэре. Идентичность «кто заслуживает помощи» оказалась важнее личной финансовой выгоды.

— Именно. «Мы вас переквалифицируем» — это правда и оскорбление одновременно. Потому что подтекст: то что вы умеете — больше не нужно. В округах США где роботизация была наиболее интенсивной, поддержка Трампа росла быстрее всего — не несмотря на экономический ущерб, а коррелируя с ним. Каждый дополнительный робот на тысячу рабочих добавлял 0.2–0.4 процентных пункта к республиканскому голосованию. И завод Carrier в Индиане в 2016-м: Трамп лично позвонил, сохранил 800 рабочих мест из 1 400. Экономически — провал. Но рабочие на заводе плакали. Не потому что 800 это много. Потому что президент Соединённых Штатов позвонил лично и сказал: вы важны. Этого не предложил никто из тех кто говорил про переквалификацию.

— Германский Kurzarbeit. Вместо увольнений — все работают меньше, государство доплачивает разницу. Никто не теряет статус работника. Никто не получает помощь — все продолжают работать. Политически это продавалось как защита труда, не как велфэр. И прошло. Это важный урок: когда перераспределение предлагается без унизительной риторики и через знакомые институты — профсоюзы, а не государственные агентства — рабочие принимают его охотнее. Проблема не в самой помощи, а в том кто предлагает и как.

— Именно. И самое неприятное: чем больше эксперты это анализируют — тем хуже. Статья «почему белый рабочий класс голосует против себя» — это само по себе доказательство что элиты смотрят на них как на объект изучения. Они это читают. Они это чувствуют. Вот настоящий разлом: если принять аргумент достоинства до конца — любая помощь унижает, и тогда что делать? Но если отвергнуть аргумент достоинства и сказать «это просто манипуляция» — мы снова смотрим сверху вниз, и они это чувствуют, и это именно то что гонит их к популистам. Нет хорошего выхода который не требует настоящего изменения отношения.

— Деньгами решается выживание. Достоинство — нет. И пока мы этого не признаем, любая программа помощи будет работать хуже чем могла бы. Это не значит что программы не нужны. Это значит что они должны начинаться не с вопроса «сколько денег дать» — а с вопроса «как человеку снова почувствовать что он нужен». На этот вопрос у нас пока нет готового ответа.

— Есть. Только он выглядит скучно — и именно поэтому его никто не обсуждает. Называется work-sharing, или делёж работы. Идея простая: вместо того чтобы одни работали шестьдесят часов, а другие ноль — берёшь имеющийся объём труда и делишь на всех поровну. Все работают меньше. Все остаются работниками.

— Нет, это для сварщиков из Штутгарта. Германия в кризис 2008-го применила это в промышленных масштабах — называется Kurzarbeit. На пике около полутора миллионов рабочих перешли на сокращённые часы при государственной доплате за разницу. Безработица выросла на ноль целых пять процентного пункта. В США в то же время — с пяти до десяти. Немцы сами называют это Kurzarbeiterwunder — «чудо короткого рабочего дня».

— В Kurzarbeit — нет, не полностью. Государство платит примерно шестьдесят процентов потерянного заработка. Работник получает около восьмидесяти процентов от прежней зарплаты за шестьдесят процентов рабочего времени. Работодатель сохраняет обученного сварщика которого не надо потом заново искать и учить. Государству это дешевле чем платить пособие по безработице плюс потом покрывать социальные расходы на человека который год сидит без работы. Все в небольшом минусе — зато нет никого в катастрофе.

— В том-то и дело что нет. Человек остаётся работником — не безработным. Он не получает помощь, не стоит в очереди, не объясняет детям почему папа дома. Он работает — просто меньше. Статус сохранён. И это принципиально другой разговор с самим собой. UBI даёт деньги но снимает работника с работы. Kurzarbeit сохраняет работу — и за счёт этого сохраняет то самое ощущение что ты нужен.

— Потому что есть ровно трое кому это невыгодно прямо сейчас. Работодатели теряют гибкость — нельзя попросить ключевого человека остаться до ночи в горячий период. Высококвалифицированные работники теряют возможность зарабатывать сверхурочные — а они как раз те кто голосует и платит налоги. И политики получают плохое предвыборное сообщение: «работайте меньше» звучит странно рядом с обещанием «создам рабочие места». Так что work-sharing политически выгоден только в панике. В спокойное время его никто не вводит.

— Вот тут интересно. Исландия с 2015 по 2019 гоняла большой пилот — две с половиной тысячи государственных служащих, один процент всей занятости страны. Перешли на тридцать пять-тридцать шесть часов при той же зарплате. Производительность не упала. После пилота на новый режим перешли восемьдесят шесть процентов работников страны. Но это не самое неожиданное.

— Компании начали убирать совещания. Не потому что кто-то велел — а потому что времени меньше, надо выбирать. И обнаружилось, что половина из них вообще не нужна. Дефицит времени убивает бессмысленную работу быстрее, чем любой консультант по эффективности. Люди перестали тратить рабочие часы на присутствие ради присутствия — и стали думать, что они вообще делают.

— Да. И это важная вещь про достоинство. Пока у работодателя есть возможность требовать шестьдесят часов от лучших людей — он конкурирует через часы. Когда этой возможности нет — он вынужден конкурировать через смысл, карьеру, качество работы. И сама работа становится другой. Не потому что кто-то принял красивое решение — а потому что структура изменилась.

— Вот здесь честный ответ: никто пока не встроил это как постоянную структуру. Work-sharing реактивный — включается когда рушится, выключается когда восстановилось. Германия — редкое исключение: Kurzarbeit там прописан в законе постоянно, а не только как экстренная мера. Но даже Германия не использует его как инструмент плановой реакции на автоматизацию — только как страховку от рецессий. Это провал не идеи. Это провал политической воли делать что-то превентивно, пока ещё не горит.

— Именно. Как страховку покупают только после пожара. И вот тут возникает следующий вопрос — который мне кажется самым неудобным из всех. Если работы становится меньше и мы делим её на всех — кто решает, какая работа считается настоящей и достойной куска? Потому что автоматизация идёт неравномерно. Кассир теряет работу быстрее, чем юрист. Получают ли они равный кусок от делёжки — или снова кто-то оказывается с меньшим куском просто потому что не повезло с профессией?

— Вот именно. И это не баг, это фича системы которую мы выстроили. Автоматизация идёт туда, где дешевле всего автоматизировать. Кассир — дёшево. Корпоративный юрист — пока дорого. Не потому что общество решило кого защитить. Просто так вышло.

— Это самый популярный аргумент. И он фактически верен — в агрегате работ действительно больше. Но вот в чём штука: экономика считает работы в масштабе страны, а человек живёт в масштабе своей улицы, своего возраста, своей профессии. Открылись три вакансии ML-инженера в Москве — и закрылись три ставки бухгалтера в Орле. Экономика: ровно. Орловский бухгалтер: всё.

— Это самый популярный ответ. Реально переобучиться. Но переобучение — это год без дохода, деньги на курсы, скорее всего переезд, и потом ты конкурируешь с людьми для которых это родная среда. В тридцать пять лет это подвиг, а не опция. Представь: закрыли все угольные шахты на севере, зато на юге открылось столько же рабочих мест на солнечных фермах. Среднее по стране — нормально. Но шахтёр из Воркуты не стал монтажником панелей в Краснодаре. Ему пятьдесят лет, у него специализация, его дети учатся здесь, его дом стоит в городе который умирает. Статистика говорит «работы есть». Шахтёр знает: не для него.

— Она опережающая. Люди боятся не потому что уже потеряли работу — а потому что видят что происходит с соседями и понимают: следующими будут они. Gallup измерял это: в регионах с высокой долей автоматизируемых профессий уровень тревоги выше даже там, где формальная безработица ниже среднего. Люди видят уязвимость профессии раньше чем она реализуется.

— Должно. Но само слово «переобучим» — это сигнал: твоя профессия умрёт. Программы переквалификации не успокаивают — они подтверждают что бояться надо. Парадокс: чем громче власти говорят «мы вас поддержим», тем сильнее тревога. Потому что поддержка — это признание угрозы.

— Нет — она необходима. Просто её нельзя использовать как утешение. «В среднем всё нормально» — не ответ конкретному человеку. Статистика объясняет систему. Но система — это не то что болит. Болит конкретная жизнь, конкретный тупик.

— Вот здесь самое честное что я могу сказать: мы не знаем. Промышленная революция заняла восемьдесят лет. Тогда технология вытесняла мышцы — но адаптировались с помощью мозга. Учились новому, переходили в другие профессии. Сама способность адаптироваться была в безопасности.

— Вот именно в этом вопрос. AI начинает вытеснять не только конкретные задачи — он начинает вытеснять саму способность учиться новому быстро. Джунов в программировании уже берут меньше — не потому что их заменил AI, а потому что один сеньор с Copilot делает работу троих. Входная дверь в профессию закрылась снизу. Если автоматизируется именно адаптивность — то прежняя логика «потерпите и переобучитесь» перестаёт работать. Потому что переобучение само по себе требует тех навыков которые и вытесняются.

— Не знаем. Первая группа экономистов говорит: фаза перехода, временно больно, потом возникнут профессии которые мы сейчас не можем представить — так было всегда. Вторая отвечает: но никогда раньше технология не атаковала именно адаптивность. Это впервые. И у нас нет исторического прецедента для ответа.

— Именно. Статистика показывает что работ больше — и это правда. А тревога нарастает — и это тоже правда. Оба факта одновременно верны. И их противоречие важнее каждого из них по отдельности. Потому что это противоречие говорит: мы находимся в точке где старые инструменты понимания перестают работать. Данные правы — и это хуже, чем если бы они были неправы.

— Если бы данные показывали катастрофу — было бы понятно что делать. А так: всё в норме, но что-то фундаментально меняется — и мы пока не знаем что именно. Это честнее любого прогноза. И одновременно хуже любого прогноза.