Жасанды интеллектке экспозиция және Қазақстандағы жұмыспен қамту динамикасы: салалық талдау

Генеративті жасанды интеллекттің (бұдан әрі – ЖИ) қарқынды таралуы оның жұмыспен қамтуға ықпалы мәселесін тек дамыған елдерде ғана емес, өтпелі экономикаларда да өзекті етті. Мақаланың мақсаты – 2010–2024 жж. ЖИ-ге экспозиция деңгейі әртүрлі секторлардағы жұмыспен қамту динамикасы мен оның формалдану деңгейін салыстыру негізінде жасанды интеллекттің таралуы жағдайындағы Қазақстандағы жұмыспен қамту трансформациясының әлеуметтік аспектілерін бағалау. Әдіснама ЖИ-ге экспозицияны халықаралық AI Industry Exposure индексі негізінде салалық жіктеуді, жұмыспен қамту динамикасын салыстырмалы талдауды, орташа жылдық өсу қарқынын есептеуді, корреляциялық талдауды және топаралық статистикалық тесттерді қамтиды. Зерттеудің бастапқы ақпараттық базасын Қазақстан Республикасы Ұлттық статистика бюросының 2010–2024 жж. экономикалық қызметтің 17 түрі бойынша ресми деректері құрады. Нәтижелер 2010–2024 жж. ЖИ-ге экспозициясы жоғары секторларда жұмыспен қамтудың орташа өсімі 58.5%-ды, ал экспозициясы орташа және төмен секторларда тиісінше 31.1% және 34.7%-ды құрағанын көрсетті. 2022 жылдан кейін ЖИ-ге экспозициясы жоғары секторларда жұмыспен қамтудың орташа жылдық өсу қарқыны 3.58%-дан 1.98%-ға дейін төмендеді, ал экспозициясы төмен секторларда 1.33%-дан 2.28%-ға дейін өсті. ЖИ- ге экспозиция деңгейі мен 2022 жылдан кейінгі өсу қарқынының өзгеруі арасындағы байланыс теріс және статистикалық тұрғыдан маңызды болды (r=−0.53; p=0.028). Алынған нәтижелер ЖИ-дің жұмыспен қамтуға себеп-салдарлық ықпалын анықтауға мүмкіндік бермейді, алайда генеративті ЖИ тарала бастағаннан кейінгі салалық динамикадағы айырмашылықтарды тіркейді және кәсіптер мен еңбек міндеттері деңгейінде одан әрі талдау жүргізу қажеттігін көрсетеді.

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