Измеряя неизмеримое: как ИИ научился считать то, что не поддается опросам
«Автор предлагает теоретические и практические основы использования больших языковых моделей для измерения латентных экономических переменных, описывающих когнитивное содержание профессиональных задач.»
Стоп, что?
Забудьте про анкеты. Ключ к будущему рынка труда — не в ответах работников, а в семантическом анализе 18 796 задач, выполненных бездушной машиной.
Это похоже на замену рентгена на УЗИ в медицине. Старые методы видели только кости — формальные навыки и обязанности. Новый подход сканирует мягкие ткани — когнитивное содержание, контекст, скрытые взаимосвязи задач, которые и определяют уязвимость или ценность профессии.
Исследование устанавливает четыре железных правила, превращающих LLM из генератора текста в научный измерительный прибор:
- Семантическая экзогенность: Модель оценивает задачу, а не контекст фирмы или работника.
- Релевантность конструкции: Показатели действительно измеряют заявленное (например, «когнитивную нагрузку»).
- Монотонность: Более сложная задача получает более высокий балл.
- Инвариантность модели: Результаты устойчивы к смене LLM и формулировкам промптов.
Данные, которые меняют правила игры:
- Augmented Human Capital Index (AHCₒ) построен на оценке Claude Haiku 4.5 для 18 796 задач из базы O*NET.
- Сходимость с индексами ИИ: Корреляция 0.85 с Eloundou GPT-gamma, 0.79 с Felten AIOE.
- Два измерения автоматизации: Анализ выявил не один, а два независимых фактора — «усиление» человека и его «замещение».
- Надежность: Согласованность оценок между двумя разными LLM (Pearson r = 0.76).
- Эффект ошибки измерений: Коэффициенты, полученные с помощью новой методологии (ORIV), оказались на 25% выше, чем при стандартном анализе, что доказывает — старые опросы систематически занижали реальные связи.
Что это значит для вас
Эпоха субъективных опросов закончилась. Экономисты получили микроскоп для изучения ДНК профессий. Следующий шаг — пересчитать все, от премии за образование до карт миграции рабочей силы. Данные уже есть. Вопрос в том, кто осмелится выбросить старые учебники первым.