Экспозиция к искусственному интеллекту и динамика занятости в Казахстане: отраслевой анализ

Быстрое распространение генеративного искусственного интеллекта (далее - ИИ) поставило вопрос о его влиянии на занятость не только в развитых, но и в переходных экономиках. Цель статьи – оценить социальные аспекты трансформации занятости в Казахстане в условиях распространения искусственного интеллекта на основе сопоставления динамики занятости и уровня её формализации в секторах с различной экспозицией к ИИ в 2010–2024 гг. Методология включает отраслевую классификацию экспозиции к ИИ на основе международного индекса AI Industry Exposure, сравнительный анализ динамики занятости, расчёт среднегодовых темпов роста, корреляционный анализ и межгрупповые статистические тесты. Исходную информационную базу составили официальные данные Бюро национальной статистики Республики Казахстан по 17 видам экономической деятельности за 2010–2024 гг. Результаты показали, что за 2010–2024 гг. средний прирост занятости составил 58.5% в секторах с высокой экспозицией к ИИ против 31.1% и 34.7% в секторах со средней и низкой экспозицией соответственно. После 2022 г. среднегодовой темп роста занятости в секторах высокой экспозиции снизился с 3.58% до 1.98%, тогда как в секторах низкой экспозиции увеличился с 1.33% до 2.28%. Связь между уровнем экспозиции к ИИ и изменением темпов роста после 2022 г. оказалась отрицательной и статистически значимой (r=−0.53; p=0.028). Полученные результаты не позволяют установить причинное влияние ИИ на занятость, однако фиксируют различия в отраслевой динамике после начала распространения генеративного ИИ и указывают на необходимость дальнейшего анализа на уровне профессий и трудовых задач.

1. Acemoglu, D., & Autor, D. (2011). Skills, tasks and technologies: Implications for employment and earnings. In O. Ashenfelter & D. Card (Eds.), Handbook of labor economics (Vol. 4B, pp. 1043–1171). Elsevier. https://doi.org/10.1016/S0169-7218(11)02410-5

2. Acemoglu, D., & Restrepo, P. (2022). Tasks, automation, and the rise in US wage inequality. Econometrica, 90(5), 1973–2016. https://doi.org/10.3982/ECTA19815

3. ADB. (2025). Key Indicators Database. Asian Development Bank. Retrieved May 15, 2026 from https://kidb.adb.org

4. Becker, G. S. (1964). Human capital: A theoretical and empirical analysis, with special reference to education. University of Chicago Press.

5. Bonney, K., Breaux, C., Buffington, C., Dinlersoz, E., Foster, L., Goldschlag, N., Haltiwanger, J., Kroff, Z., & Savage, K. (2024). The impact of AI on the workforce: Tasks versus jobs? Economics Letters, 244, 111971. https://doi.org/10.1016/j.econlet.2024.111971

6. Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

7. Bureau of National Statistics. (2025). Official statistical data. Retrieved May 15, 2026 from https://stat.gov.kz/en

8. Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work (IMF Staff Discussion Note No. SDN/2024/001). International Monetary Fund. https://doi.org/10.5089/9798400262548.006

9. Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), 1306–1308. https://doi.org/10.1126/science.adj0998

10. Felten, E., Raj, M., & Seamans, R. (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, 42(12), 2195–2217. https://doi.org/10.1002/smj.3286

11. Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254–280. https://doi.org/10.1016/j.techfore.2016.08.019

12. Gmyrek, P., Berg, J., & Bescond, D. (2023). Generative AI and jobs: A global analysis of potential effects on job quantity and quality (ILO Working Paper No. 96). International Labour Organization. https://doi.org/10.54394/FHEM8239

13. Ghosh, D., Ghosh, R., Roy Chowdhury, S., & Ganguly, B. (2024). AI-exposure and labour market: A systematic literature review on estimations, validations, and perceptions. Management Review Quarterly, 75, 677–704. https://doi.org/10.1007/s11301-023-00393-x

14. ITA. (2026). Kazakhstan – Digital economy. U.S. Department of Commerce. Retrieved May 15, 2026 from https://www.trade.gov/country-commercial-guides/kazakhstan-digital-economy-0

15. Hui, X., Reshef, O., & Zhou, L. (2024). The short-term effects of generative artificial intelligence on employment: Evidence from an online labor market. Organization Science, 35(6), 1977–1989. https://doi.org/10.1287/orsc.2023.18441

16. Kaliyeva, S. A., Seisenbayeva, S. R., & Sherkhan, S. E. (2025). Human capital development and transformation of labor resources in Kazakhstan. Qainar Journal of Social Science, 4(4), 82–101. https://doi.org/10.58732/2958-7212-2025-4-82-101

17. Sabirova, R., Andabayeva, G., Mussayeva, A., Bissembiyeva, Z., Tazhidenova, A., & Karimbayeva, G. (2024). Development of human capital in the labor market in the modernization of the economy of Kazakhstan. Australasian Accounting, Business and Finance Journal, 18(4), 201–219. https://doi.org/10.14453/aabfj.v18i4.11

18. Schultz, T. W. (1961). Investment in human capital. The American Economic Review, 51(1), 1–17.

19. United Nations. (2024). UN e-government survey 2024: Accelerating digital transformation for sustainable development. United Nations. Retrieved May 15, 2026 from https://desapublications.un.org/publications/une-government-survey-2024

20. WIPO. (2025). Global Innovation Index 2025: Innovation at a crossroads. Retrieved May 15, 2026 from https://www.wipo.int/web-publications/global-innovation-index-2025/index.html