Методика

Что должен оценивать риск

Цель — оценить уязвимость к потере работы из-за AI или автоматизации либо к вынужденному сокращению оплаченных часов до заработка, которого не хватает на жизнь. Ускорение задач и экономия часов — промежуточные основания, а не измерение такого исхода.

Обоснованный сценарий должен учитывать местную оплату и стоимость жизни, вынужденную потерю работы или часов и возможность найти другую оплачиваемую работу. Модель риска для заработка и численные границы категорий пока не утверждены. Отсутствующие оценки показаны явно.

Ориентировочные сценарии для работы и обучения

Ориентировочный сценарий GenAI с допущениями сайта. Не предсказывает личное увольнение; роботизация и другие виды автоматизации не учтены.

Выпуск на 147 экономик использует одинаковый международный показатель Microsoft: оценку использования GenAI в любых целях среди населения 15–64 лет в июне 2026. Он не смешивается с долями использования только на работе по опросу Eurostat.

ILO–NASK WP140 (2025) даёт техническую подверженность задач широкой группы ISCO. Группа и использование населением служат приближениями для подробной профессии. Телеметрия Microsoft корректируется по устройствам, интернету и населению; охват местных AI-продуктов может быть неполным, особенно в Китае.

От условной опорной даты 30 июня 2026 к концу 2030 или 2035: f=2^((t−2026+0,5)/d), A=a·f/(1−a+a·f), индекс=100·E·A. E — индекс ILO, a — исходная доля использования населением, d — 3 года с альтернативами 5/2 года. Опорные даты, рост и пороги — допущения сайта, а не прогнозы источников.

Пять фиксированных редакционных полос: меньше 5, [5,15), [15,30), [30,50) и от 50. Проверяются альтернативы роста и сдвиг всех порогов на ±20%. Это внутренний индекс сравнения, а не проценты увольнений, замещённых часов или научный доверительный интервал.

Полные каталоги и конкретные пропуски сохранены. Этот индекс относится только к GenAI; другие каналы показываются отдельно, когда доступны. Фактическая потеря оплаченных часов, будущий заработок и конкуренция не установлены. Карьерный подбор сопоставляет навыки и собственный сценарий цели в той же стране и году. Методика прошла редакционную самопроверку; независимая научная валидация не заявляется.

Карьерный подбор по навыкам

Полный граф ESCO сохраняет essential- и optional-связи навыков. Варианты упорядочены по доле совпавших essential-навыков целевой профессии, затем по меньшим пробелам и большему числу совпадений. Это сходство классификационных профилей, не вероятность трудоустройства. Исходный набор навыков является редактируемым предположением. Личные фильтры не включаются в общие ссылки.

Исторические списки EURES описывают широкие группы ISCO и неполную таблицу источника. Отсутствующие статусы неизвестны; противоположные региональные сведения сохраняются. Текущие регуляторные условия относятся только к указанной профессии и территории. Они не подтверждают признание личной квалификации, владение языком, маршрут обучения или право работать. Будущий риск и конкуренция оцениваются отдельно; неизвестное не считается меньшим.

Покрытие путей входа в профессию

Официальный источник National Careers Service, Англия. Сопоставлен полный указатель из 737 названий источника со всеми 3039 профессиями нашего каталога.

Списки путей входа: 324; однозначно связанные профессии ESCO: 306. Для 2733 профессий нет пригодного однозначного соответствия; для 262 других географий этот источник не применяется. Полный каталог сохранён.

Это текущие способы подготовки и примеры направлений учёбы. Подтверждённый личный допуск, срок, стоимость и наличие программы в 2030/2035 из них не выводятся.

Охват режимов карты

Каждый режим сохраняет полный каталог. Общая оценка требует обоих компонентов; отсутствие одного не считается низким риском.

Общий индекс — больший из подготовленных индексов AI и роботизации. При нескольких соответствиях профессии цвет показывает верхний вариант, диапазон остаётся доступен. Единые редакционные пороги: 5, 15, 30, 50; проверены варианты внедрения и сдвиг порогов ±20%. Это ориентиры для сравнения и выбора направлений обучения, не вероятность увольнения.

Контекст физических задач

Опубликованные оценки возможностей роботов, США, 2026. Официальное сопоставление URI ESCO–O*NET проверено для каждой профессии каталога.

С исходным контекстом: 2471 / 3039. Явные пропуски соответствия или источника: 568. Исходные оценки O*NET: 923.

Этот исторический слой не добавляет страновые прогнозы. Карта показывает отдельный ориентир GenAI. Сценарии роботизации при наличии учитываются отдельно ниже; общий риск автоматизации и фактическая потеря часов не установлены.