Роберто Вестрелли из Университета Перуджи и Андреа Фронзетти Колладон из Университета Рома Тре представили исследование того, как изменение структуры рабочих обязанностей влияло на заработки американцев с 1977 по 2018 год. Авторы показали, что динамика доходов зависит не только от уровня квалификации, но и от того, насколько задачи конкретной специальности распространены в других отраслях. Если профессия обрастает типовыми обязанностями, которые уже выполняют миллионы людей на рынке труда, рост оплаты труда в ней существенно замедляется.
Авторы ввели два ключевых понятия: уникальность профессии и размывание задач. Уникальность показывает, какая доля рабочих функций специальности не встречается в других сферах. Например, специфическая наладка редкого оптического оборудования требует узких компетенций и отличает инженера от других специалистов. Размывание задач, напротив, измеряет их повсеместность: ответы на типовые телефонные звонки или заполнение стандартных бланков встречаются во многих организациях.
Размывание границ и сдвиг в сторону общения
Чтобы оценить масштабы изменений, исследователи сопоставили два каталога Министерства труда США: словарь профессиональных названий 1977 года и систему описания профессий 2018 года. Данные гармонизировали по 302 профессиональным группам. За четыре десятилетия среднее размывание задач в экономике увеличилось почти вдвое: с 0,033% до 0,055%. Границы между профессиями стали более проницаемыми, а функционал специалистов стал чаще пересекаться.
Содержание самых распространённых и самых редких обязанностей претерпело глубокий сдвиг. Среди сотни наиболее диффузных задач доля ручного и технического труда сократилась с 49% до 22%, тогда как доля общения и межличностного взаимодействия выросла с 22% до 39%. Среди сотни наиболее редких задач, закреплённых за одной профессией, физический труд также заметно отступил, упав с 58% до 33%. Главным фактором своеобразия профессий к 2018 году стали когнитивные и аналитические функции: их доля среди уникальных обязанностей выросла с 19% до 37%.
Почему заимствование чужих обязанностей снижает доходы
Экономисты объединили полученные индексы с данными переписей населения США и долгосрочных обследований за 1980–2018 годы. Профессии, сохранившие и развившие специфические задачи, продемонстрировали опережающий рост заработных плат. Рост уникальности на одно стандартное отклонение связан с повышением скорректированной почасовой оплаты труда на 44,5%. Поправка учитывала возраст, образование, пол и расовую принадлежность работников, что исключает объяснение эффекта простым изменением демографического состава занятых.
Изменения затронули разные секторы неравномерно. Сильнее всего уникальность упала у высокооплачиваемых специалистов в сфере финансов и рекламы. Напротив, в строительстве, на производстве, в сельском хозяйстве, транспорте и канцелярской поддержке набор обязанностей стал более обособленным относительно других профессий.
Ключевое значение имеет то, откуда появляются новые обязанности. Утрата редких профессиональных задач снижает доходы: увеличение доли таких потерь на 10 процентных пунктов соотносится со снижением скорректированного заработка на 27,6%. При этом добавление в профессию типовых задач, уже существующих в других отраслях, связано с падением скорректированной зарплаты на 63,9% при росте их доли на 10 процентных пунктов. Когда специалист выполняет стандартные, распространённые на рынке функции, работодателю легче найти ему замену, а переговорная сила работника в вопросах оплаты снижается.
Ограничения данных и нерешённые вопросы
Исследование носит исключительно наблюдательный характер и фиксирует статистические связи за 38 лет, не доказывая прямой причинности. В работе отсутствует контрольная группа и анализ внешних экономических потрясений. Не исключена обратная зависимость: стагнирующие секторы могли одновременно сокращать вложения в редкие компетенции и медленнее повышать ставки оплаты труда.
Справочники разных периодов принципиально отличаются по структуре. Каталог 1977 года создавался экспертами и подробно фиксировал производственные операции, тогда как база 2018 года опирается на опросы и содержит укрупнённые описания. Поэтому спад доли физического труда может отражать перемену стандартов ведомственного учёта, а не только изменения в реальной занятости.
Сопоставление задач опиралось на языковую модель GPT-4.1 Mini, однако ручная проверка качества связывания охватила лишь небольшую выборку примеров без строгой оценки надёжности классификатора. Кроме того, приобретение новых уникальных задач само по себе не показало устойчивой связи с ростом заработков после контроля характеристик работников: подтвердился лишь выраженный штраф за потерю редких обязанностей и заимствование чужого типового функционала.
