Введение

Современный этап глобального экономического развития характеризуется повсеместной автоматизацией производственных процессов и широким внедрением промышленной робототехники. Данный тренд, являясь драйвером роста совокупной производительности труда (ПТ), одновременно актуализирует противоречие между технологической эффективностью и социальной стабильностью. История промышленных революций свидетельствует: за каждым скачком продуктивности следует структурная трансформация занятости, несущая риски вытеснения человеческого труда.

Россия в силу ряда объективных причин приступила к роботизации экономики позднее многих развитых стран. Однако сегодня этот процесс перешел в фазу активной интенсификации. В рамках национального проекта «Средства производства и автоматизации» реализуется федеральная инициатива «Развитие промышленной робототехники и автоматизации производства», целью которой является достижение страной к 2030 году 25 места в мировом  рейтинге по показателю плотности роботизации, значение которого должно к указанному году составить не менее 145 ед. на 10 тысяч человек. Реализация этих планов неизбежно повлечет за собой ускоренный рост производительности труда и, как следствие, высвобождение рабочей силы, которое потребует системного решения вопросов её переобучения и трудоустройства на новые рабочие места. В связи с этим актуализируется проблема оценки масштаба грядущего вытеснения рабочей силы в России и оптимизации этого процесса во времени.

Цель статьи состоит в проверке уровня опасности реализации предполагаемой роботизации и приемлемости ожидаемых масштабов высвобождения работников. Оценки будут выполнены на основе ранее разработанной авторами эконометрической модели; новизна исследования состоит в формировании наиболее приемлемых с социальной точки зрения сценариев роботизации российской промышленности с учетом перераспределения высвобождаемой рабочей силы по секторам экономики России. Экономические аспекты проблемы роботизации экономики страны были рассмотрены ранее в [Балацкий, Екимова, 2026] и в данной статье подниматься сознательно не будут.

Постановка проблемы: технологический суверенитет vs безработица

Сложившаяся геополитическая обстановка требует от России максимально быстрого восстановления технологического суверенитета, ядром которого выступает обрабатывающая промышленность и ее предполагаемая роботизация. Однако, чем скорее и масштабнее будет происходить автоматизация отечественного производства, тем выше будут темпы роста ПТ и тем значительнее масса высвобождаемых работников, которые при прочих равных условиях будут увеличивать потенциал безработицы. Следовательно, ключевой задачей России становится поиск оптимального баланса между повышением технологической эффективности и социальной защищенностью граждан. Указанные две задачи внутренне противоречивы, в связи с чем возникает довольно деликатная задача по их разумному уравновешиванию без явных перегибов в ту или иную сторону. В данном контексте важно иметь численные оценки масштаба той социальной угрозы в виде потенциальной безработицы, которая грозит в ходе автоматизации промышленного производства. Более того, необходимо уже сейчас предусмотреть те сектора экономики, которые будут поглощать высвобождающихся работников.

Заложенная в федеральной инициативе «Развитие промышленной робототехники и автоматизации производства» цель по достижению плотности роботизации в 145 ед. на 10 тысяч человек означает 5-кратное увеличение макроэкономического параметра за 5 лет. По всем стандартам это очень значительный рост, который таит в себе опасность обвального высвобождения занятых. Забегая вперед, укажем, что авторские расчеты позволили установить международную технологическую границу (МТГ) плотности роботизации, превышение которой уже не увеличивает совокупную ПТ, в 514 ед. на 10 тыс. чел., что предполагает дальнейший рост ПТ и высвобождения занятых после 2030 года [Балацкий, Екимова, 2026]. Параметры роботизации приведены в табл. 1. Вместе с тем социальное напряжение на рынке труда существенно зависит от будущих темпов экономического роста и растянутости во времени процесса переобустройства высвобождаемых работников.

Таблица 1. Параметры плотности роботизации в обрабатывающей промышленности России, ед./10.000 чел.

Источник: International Federation of Robotics (IFR): https://ifr.org/wr-industrial-robots/; Национальный проект «Средства производства и автоматизации»: http://government.ru/rugovclassifier/928/about/; расчеты авторов: [Балацкий, Екимова, 2026].

Приведенная табл. 1 позволяет конкретизировать цель исследования: оценить масштабы высвобождения работников в ходе реализации программы роботизации от начального (29 ед./10000 чел.) до целевого (145 ед./10000 чел.) значений с разбивкой по прогнозным годам с последующим выходом на МТГ (514 ед./10000 чел.).

Социальные последствия роботизации: обзор литературы

Технологический прогресс в области робототехники и искусственного интеллекта трансформирует сложившиеся модели производства и занятости. В современной научной литературе процессы роботизации рассматриваются как объективная реальность и значимый фактор социально-экономической динамики, последствия которого требуют системного анализа [Котов, 2025]. В связи с этим академическое сообщество уделяет приоритетное внимание изучению многогранных эффектов данного явления.

Оценивая экономические эффекты роботизации, исследователи сходятся во мнении относительно её стимулирующей роли для ВВП и производительности труда [Graetz, Michaels, 2018; Acemoglu, Restrepo, 2019; Анисимов и др., 2025; Романова, Игишев, 2025]. При этом эффекты технологической трансформации проявляются неравномерно: статистически значимые эффекты наблюдаются лишь в отраслях с высокой плотностью роботизации, таких как автомобилестроение, металлообработка, производство пластмасс, фармацевтика и химическая промышленность [Jungmittag, Pesole, 2019; Kromann et al., 2019; Acemoglu, Restrepo, 2017; Acemoglu, Lelarge, Restrepo, 2020]. Кроме того, положительная динамика наиболее сильно выражена на уровне малых и средних предприятий [Староватова, 2023; Федюнина, Городный, Симачев, 2023] и преимущественно в развивающихся экономиках [Schneider, 2024].

Несмотря на определенный консенсус исследователей относительно экономических эффектов роботизации, ее социальное измерение остается предметом дискуссий. Экономисты акцентируют внимание на рисках поляризации рынка труда [Котов, 2025; Acemoglu, Restrepo, 2019], потенциальном вытеснении низкоквалифицированных кадров [Шлихтер, 2020; Гимпельсон, Капелюшников, 2022], усугублении социально-экономического неравенства [Frey, Osborne, 2017] и возникновении этических вызовов [Саенко и др., 2025; Безотечество, 2024; Lei, Kim, 2024], что резко контрастирует с однозначностью макроэкономических выгод.

Центральное место в подобных исследованиях занимает проблема влияния роботизации на рынок труда. Несмотря на обширный пул работ по данной проблематике, в научном сообществе до сих пор отсутствует консенсус. Более того, эмпирические изыскания, различающиеся по методологии и набору рассматриваемых факторов, зачастую приводят к противоположным выводам: одними авторами роботизация характеризуется как фактор сокращения рабочих мест, другими интерпретируется как драйвер роста занятости.

Так, в работах [Acemoglu, Restrepo, 2017, 2019] было установлено, что увеличение числа роботов на тысячу рабочих на единицу в США в период 1993–2007 гг. способствовало росту ВВП страны примерно на 0,13 п.п., но одновременно приводило к снижению уровня занятости на 0,34 п.п. Схожие выводы были получены и при анализе французской экономики за 2010–2015 гг.: 20-процентный прирост количества роботов коррелировал со снижением уровня занятости на 3,2 п.п. [Acemoglu, Lelarge, Restrepo, 2020]. Снижение доли трудовых издержек в структуре доходов зафиксировано во многих источниках [Dauth et al., 2017; Autor, Salomons, 2018; Blanas, Gancia, Lee, 2019; Carbonero, Ernst, 2018]; негативные тенденции, связанные с сокращением рабочих мест, рассматриваются в работах [Урунов, Родина, 2018; Земцов, 2017].

На этом фоне ряд исследований указывает на противоположную тенденцию, когда роботизация способствует увеличению занятости. Так, положительное влияние роботизации на динамику занятости в Европейском союзе (ЕС) в период 1999–2010 гг. подтверждается в исследовании [Gregory, Salomons, Zierahn, 2020], в котором отмечается её конструктивная роль как инструмента сохранения и трансформации занятости в условиях глобальной конкуренции. Схожие выводы содержатся в работе [Autor, Salomons, 2018]: анализ данных по ЕС за 1970–2007 гг. показывает, что, несмотря на сокращение занятости в отдельных отраслях, технологический прогресс в целом оказал положительный эффект на совокупную занятость благодаря росту спроса в смежных секторах и увеличению конечного потребления.

Дополнительные данные представлены в исследовании японской экономики, охватывающем период 1978–2017 гг. [Adachi, Kawaguchi, Saito, 2020]. Авторы показывают, что удешевление робототехники и сопутствующий прирост парка роботов на 1 п.п. способствовали увеличению занятости на 0,28% на макроуровне. При этом на уровне локальных рынков труда один дополнительный робот на 1000 работников повышал занятость на 2,2%, что сопровождалось сокращением среднего количества отработанных часов и ростом почасовой оплаты. Это указывает на качественную трансформацию труда, а не на его простое вытеснение.

Несмотря на существующие разночтения в эмпирических оценках, в большинстве современных исследований подчеркивается двойственный характер автоматизации: она выступает не столько как механический фактор сокращения рабочих мест, сколько как драйвер структурной трансформации рынка труда, в котором эффект вытеснения (displacement effect), снижающий долю труда в добавленной стоимости, уравновешивается эффектом восстановления (reinstatement effect), порождающим недоступные машинам новые задачи и компетенции [Acemoglu, Restrepo, 2019].

В частности, исследование данных Германии за период 1994–2014 гг. показывает, что внедрение промышленных роботов действительно приводит к вытеснению рабочих мест в обрабатывающей промышленности, однако этот негативный эффект полностью компенсируется ростом занятости в секторе услуг. Авторы подчёркивают, что ключевым фактором, определяющим различия в последствиях автоматизации между странами, выступают институты рынка труда: в Германии, где защита работников сильнее, чем в США, эффект вытеснения оказывается значительно слабее, а перераспределение рабочей силы более плавным. Это позволяет сделать вывод, что роботизация не обязательно ведёт к росту безработицы, но требует адаптации образовательных траекторий и институциональной поддержки перехода работников между секторами и выполняемыми ими задачами [Wolfgang et al., 2021].

Оценивая риски роботизации, аналитики Института McKinsey ожидают к 2030 году сокращения до трети работников США и от 400 до 800 млн человек во всем мире. Последствия автоматизации скажутся прежде всего на профессиях, связанных с физическим трудом в предсказуемой среде (сборка, фастфуд, склады), выполнением административных задач и обработки данных, а также осуществлением операций с четкими алгоритмами. В то же время специалисты, чья деятельность требует глубокой экспертизы, креативности или высокого социального интеллекта, сохранят или даже улучшат свои позиции [1].

К аналогичным выводам приходят и авторы исследования [Frey, Osborne, 2017], согласно которому в зону высокого риска автоматизации в ближайшие десятилетия попадет около 47% рабочих мест в США. Причем вероятность роботизации профессии, по мнению авторов, обратно пропорциональна уровню заработной платы и образования: наиболее защищены от автоматизации должности, требующие креативного и социального интеллекта (генерация новых идей, переговоры, убеждение, забота о людях) и сложной моторики в неструктурированной среде, тогда как наибольшей уязвимостью характеризуются профессии в сфере транспорта, логистики, офисной поддержки и производства, где задачи следуют чётким алгоритмам и выполняются в предсказуемых условиях.

Данные Всемирного экономического форума говорят о более сбалансированной динамике в более широкой перспективе: к 2030 году, несмотря на то, что технологические изменения могут привести к сокращению 92 млн рабочих мест, одновременно будет создано 170 млн новых позиций, что приведет к чистому приросту занятости в 78 млн рабочих мест [2].

К числу значимых последствий роботизации современная литература относит усиление социального неравенства, которое проявляется на всех уровнях социальной организации – от микроуровня (отдельного работника) до мезо- (региональных рынков труда) и макроуровня (национальных экономик).

На макроуровне, несмотря на чистый рост совокупной занятости благодаря эффектам конечного спроса и межотраслевым связям, фиксируется устойчивое снижение доли труда в национальном доходе [Autor, Salomons, 2018; Lei, Kim, 2024], что свидетельствует о перераспределении благ от работников к владельцам капитала, особенно заметном с 1980-х годов [Karabarbounis, Neiman, 2014; Elsby, Hobijn, Sahin, 2013; Dao et al., 2017]. На мезоуровне это проявляется в структурной трансформации экономики: отрасли с высоким ростом ПТ сокращают свою долю в занятости, причем косвенные эффекты не способны компенсировать падение доли труда внутри самих отраслей [Autor, Salomons, 2018]. На микроуровне автоматизация углубляет разрыв между работниками, обладающими комплементарными по отношению к технологиям навыками, и теми, чьи профессиональные функции сводятся к рутинным, алгоритмизируемым операциям [Frey, Osborne, 2017]; социально уязвимыми оказываются также работники с более низким уровнем образования, женщины, молодые сотрудники и представители периферийных регионов, чьи профессии наиболее чувствительны к вытеснению со стороны новых технологий [Acemoglu, Restrepo, 2017; Clifton, Glasmeier, Gray, 2020].

Таким образом, усиление социального неравенства под воздействием роботизации представляет собой устойчивый тренд, фиксируемый в исследованиях развитых экономик. Однако проекция этих выводов на российский контекст требует учёта специфических институциональных и структурных особенностей национального рынка труда. В России влияние роботизации опосредуется рядом сдерживающих и трансформирующих факторов: во-первых, низким уровнем плотности роботизации (29 роботов на 10 тыс. работников против 177 в среднем по миру), что консервирует долю низкоквалифицированного труда и замедляет структурную трансформацию занятости [Гурлев, 2020; Земцов, 2017]; во-вторых, высокой адаптивностью российского рынка труда, где корректировка издержек происходит преимущественно через гибкость заработных плат, а не через количественную корректировку занятости, что маскирует потенциальные вытесняющие эффекты автоматизации [Капелюшников, Гимпельсон, 2022]; в-третьих, региональной асимметрией внедрения технологий, усиливающей разрыв между центрами инноваций и периферийными территориями [Федюнина, Городный, Симачев, 2023].

В результате в отличие от стран с выраженной поляризацией занятости, в России риски роботизации сосредоточены не столько в массовом вытеснении работников, сколько в эрозии качества рабочих мест, стагнации ПТ и углублении функционального неравенства между работниками, обладающими доступом к новым технологиям, и теми, кто остаётся в зоне рутинного и низкоквалифицированного труда [Архипова, Мельникова, 2022; Шлихтер, 2020]. Это обусловливает необходимость проведения согласованной политики в сфере образования, переобучения и поддержки технологической диффузии для обеспечения инклюзивного характера цифровой трансформации российской экономики.

Учитывая сказанное, можно констатировать, что для России отсутствуют макроэкономические оценки масштаба вытесняемых работников в процессе предполагаемой роботизации экономики. Решению именно этой задачи будут посвящены последующие разделы статьи.

Сценарии роботизации в России: в поисках компромисса

В более ранней работе авторов была построена эконометрическая зависимость ПТ от плотности роботизации, которая универсальна для группы 20 стран [Балацкий, Екимова, 2026]:

(1)

n=120; R²=0,60; DW=1,88; A=1,42%; ВР=1,53; р-значение=0,46,

где t – период наблюдений (год); i – индекс страны; P – совокупная производительность труда; R – плотность роботизации обрабатывающей промышленности; L – численность занятых в национальной экономике; n – число наблюдений; DW – критерий Дарбина–Уотсона; А – ошибка аппроксимации; BP – статистика Бройша–Пагана; р-значение – достигнутый уровень значимости. Модель проходит все статистические тесты и может быть использована для аналитических расчетов.

Использование зависимости (1) для экономики России позволяет оценить предполагаемый масштаб роста ПТ, что в свою очередь с помощью формулы (2) дает возможность определять масштабы высвобождения занятых в зависимости от будущей динамики экономического роста:

        (2)

где ξ – темп прироста ПТ национальной экономики, возможный за счет массированной роботизации промышленности; μ – темп прироста (вытеснения) занятости из-за массированной роботизации экономики; λ – ожидаемый темп роста ВВП.

Применение предложенной вычислительной процедуры позволяет получить агрегированные данные возможного высвобождения занятых при реализации сценариев табл. 1 в предположении λ=0 (табл. 2; в правом столбце конечная дата заменена на произвольное время достижения величины международной технологической границы (МТГ), за пределами которой дальнейшая роботизация промышленности не дает прироста ПТ).

Таблица 2. Параметры совокупного высвобождения занятых России при реализации программы роботизации обрабатывающей промышленности

Источник: данные Росстата: https://rosstat.gov.ru/opendata/7708234640-employees2024; расчеты авторов [Балацкий, Екимова, 2026].

Подчеркнем, что в табл. 2 приведены интервальные данные за большие промежутки времени для уяснения общего потенциала намечаемых социальных сдвигов. Однако для построения стандартных сценариев развития необходимо перейти к среднегодовым темпам прироста:

      (3)

где μ – совокупный темп прироста ПТ; μ* – среднегодовой темп прироста ПТ; T – временной интервал прогнозного сценария.

Тогда итоговый годовой темп высвобождения работников μ** с учетом ожидаемого темпа экономического роста λ* будет оцениваться следующим образом:

       (4)

где μ** – темп прироста высвобождения занятых с учетом темпов роста производства.

При небольших величинах темпов прикладные расчеты можно осуществлять по упрощенной формуле:

      (5)

Даже беглый анализ данных табл. 2 позволяет сделать вывод о том, что Россия может столкнуться с серьезной угрозой для рынка труда и увеличения масштабов безработицы при реализации намеченной программы роботизации промышленности; если же довести роботизацию до логического конца, выйдя на уровень МТГ, то больше трети нынешней величины занятых (ΔL≈–25 млн чел.) окажется перед необходимостью переобустройства. Сказанное позволяет сделать главный вывод: при реализации роботизации промышленности рынок труда нельзя пускать на самотёк. Иными словами, роботизация экономики должна сопрягаться с социальными программами перераспределения высвобождаемых работников.

Существующие на сегодняшний день российские программы являются проактивными и ориентированы преимущественно на подготовку специалистов для работы с роботами, например, программа подготовки специалистов в области промышленной робототехники компании «РТ–Техприемка» Госкорпорации Ростех [3], обучение по программам Финансового университета при Правительстве РФ «Специалист по роботизации производства» и «Специалист по работе с системами искусственного интеллекта» в рамках федерального проекта «Активные меры содействия занятости» национального проекта «Кадры» [4]. Однако вопросы реактивной поддержки и трудоустройства работников, вытесняемых этими же технологиями с производства, остаются за рамками государственных мер, что в будущем может создать риск возникновения технологической безработицы.

Данное упущение регулятора отчасти связано не только со стабильной ситуацией на рынке труда, но и с установкой своеобразных рекордов: в августе 2025 года уровень безработицы снизился до 2,1%, что стало самой низкой величиной за всю историю наблюдений с 1991 года [5]. Тем не менее, запуск масштабной автоматизации производства может радикально изменить ситуацию.

Некоторые развитые страны уже отреагировали на новую опасность путем запуска программ, нацеленных на решение проблемы технологической безработицы. Например, Сингапур делает ставку на масштабную поддержку граждан среднего возраста через комплексную инициативу SkillsFuture Level-Up Programme, где образовательные центры берут на себя обязательства по карьерному консультированию и содействию в поиске работы для своих выпускников [6]. Франция использует механизм индивидуальных накопительных счетов Compte Personnel de Formation, который позволяет работнику накапливать права на финансирование обучения на протяжении всей карьеры и самостоятельно выбирать курс для смены профессии или квалификации [7]. В Германии обсуждается пакет мер, включающий расширение программ переобучения за счет государства, введение переходных пособий для пострадавших отраслей и поощрение гибких форм занятости [8]. Южная Корея создала единую цифровую платформу Employment24, которая интегрирует все услуги в сфере занятости и использует искусственный интеллект для персонализированных рекомендаций, делая систему поддержки максимально доступной и эффективной [9].

Как уже было отмечено, в табл. 2 в правом столбце конечная дата заменена на произвольное время достижения величины МТГ, однако, учитывая, что целевой показатель плотности роботизации в 145 ед. на 10 тысяч человек достигается за 6 лет, то сохранение таких же темпов автоматизации производства в будущем предполагает достижения уровня МТГ за последующие 7 лет – в 2037 г. Тем самым завершения роботизации промышленности в России ориентировочно можно ожидать к 2038 году. С точки зрения международных стандартов это довольно вялое осваивание новых технологий. Для сравнения: Китай за 8 лет 2025–2023 гг. нарастил плотность роботизации почти в 10 раз – с 49 до 470 ед. на 10 тысяч чел. и подошел вплотную к МТГ [Балацкий, Екимова, 2026]. В этом смысле российский регулятор выбрал довольно-таки умеренный режим модернизации национальной экономики.

Хотя агрегированные цифры высвобождения занятых в табл. 2 вызывают обеспокоенность, имеется два смягчающих фактора: первый – возможность растягивания процесса по годам и при необходимости его пролонгирования (формула (3)); второй – поддержание высоких темпов роста ВВП (формула (4)). В этом случае возникает возможность проектирования сценариев, довольно сильно различающихся по степени социальной напряженности – и именно в этом состоит научная интрига исследуемой проблемы.

Для конструктивного рассмотрения перспектив развития России под влиянием роботизации следует сопоставить три наиболее показательных сценария, которые заметно отличались бы друг от друга экзогенными характеристиками. Например, экономический рост в России всегда был крайне неравномерным, а после СВО вполне ожидаемо стал еще более нестабильным: в 2023–2025 гг. темпы роста ВВП составили 4,1, 4,9 и 1,0% [10] соответственно. Таким образом, для реальной динамики экономического роста России характерна высокая нестационарность, которая должна быть отражена в проектируемых сценариях. При этом внедрение робототехнических систем, скорее всего, будет стремиться к равномерности в силу стабильного выделения средств на эти цели. Следовательно, в сценарных расчетах будут сопрягаться относительно стационарные траектории роботизации и роста ПТ с нестационарными траекториями роста ВВП.

Первый из отмеченных смягчающих факторов связан с растягиванием во времени процессов роботизации, роста ПТ и вытеснением занятых. Если отталкиваться от программы роботизации, отраженной в табл. 1, то общее высвобождение работников за 2024–2030 г. в 16% занятых при динамической равномерности процесса составит ежегодное высвобождение в μ*=–2,7%. Несложно видеть, что это значение сопоставимо с темпами экономического роста. Соответственно второй смягчающий фактор связан с интенсивностью роста производства. Например, в 2024 г. рост экономики России в 4,9% полностью поглощал выброс работников в 2,7%, тогда как в 2025 г. рост ВВП в 1,0% предполагал выход в разряд безработных 1,7% занятых. Приведенные примеры полностью раскрывают проблемы и возможности по безболезненному вытеснению работников в результате системной роботизации производства.

В связи со сказанным целесообразно рассмотреть традиционные для подобных случаев три сценария развития экономики России на временном интервале 2026–2030 гг. – пессимистический, нейтральный и оптимистический. В качестве исходных данных для перечисленных сценариев использованы параметры, зафиксированные в официальном документе стратегического планирования «Сценарные условия функционирования экономики Российской Федерации и основные параметры прогноза социально-экономического развития Российской Федерации на 2026 год и на плановый период 2027 и 2028 годов» [11]. Документ предполагает два сценария: базовый, описывающий наиболее вероятный ход развития российской экономики, и консервативный, основанный на предпосылках об ухудшении экономических условий.

Параметры базового сценария, который в данном контексте выступает в качестве оптимистического варианта развития событий, в основном определяются ростом внутреннего спроса (потребительского и инвестиционного) и соответствуют целевым значениям, заложенным в Указе Президента Российской Федерации от 7 мая 2024 г. №309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года» [12] и в Прогнозе социально-экономического развития Российской Федерации на период до 2036 год Минэкономразвития России [13], в котором заложена стабилизация темпов роста ВВП на уровне 3%. Итоговые показатели роста ВВП для этого сценария приведены в табл. 3.

В основе консервативного сценария, который можно считать нейтральным, лежит предпосылка о кумулятивном эффекте от реализации неблагоприятных обстоятельств за счет усиления внешних и внутренних факторов, способствующих замедлению роста российской экономики. К числу внешних рисков относятся эскалация торговых ограничений, стагнация мировой экономики и усиление санкционного режима, к числу внутренних – падение инвестиционной активности и внутреннего спроса. Совокупность данных тенденций детерминирует снижение динамичности экономического роста по сравнению с базовой траекторией с постепенным выходом на целевые значения (табл. 3). Таким образом, данный сценарий предполагает ухудшение относительно базового варианта, однако он также является сдержанно оптимистичным.

В качестве пессимистического рассматривается инерционный сценарий развития экономики России, в котором, по оценкам Института народнохозяйственного прогнозирования РАН, темпы прироста экономики в 2026-2030 гг. не превысят 1,7% [14]. Тем самым данный сценарий предполагает равномерный вялый рост на протяжении ближайших пяти лет (табл. 3), однако даже такой ход событий не предполагает откровенного кризиса, депрессии или спада экономики.

Для всех трех сценариев будем предполагать равномерную по годам роботизацию промышленности, а следовательно, и равномерное высвобождение занятых в ежегодном размере μ*=–2,7% от ее величины в 2024 году. В зависимости от темпов роста ВВП указанная цифра корректируется по формуле (4) до искомой характеристики μ**, от которой зависит годовая абсолютная величина «новых» безработных ΔL*.

Таблица 3. Параметры проектируемых сценариев развития экономики России

Источник: расчеты авторов

Результаты расчетов и данные табл. 3 позволяют сделать ряд важных выводов.

Во-первых, инерционный сценарий сопряжен для России с серьезными социальными вызовами. Ожидаемые темпы экономического роста не позволяют поглотить высвобождаемых работников и примерно 750 тыс. чел. ежегодно будет выходить на рынок труда с непонятными перспективами трудоустройства. Нехватка экономической активности системы грозит риском сохранения части указанных лиц в качестве хронически безработных. Главная опасность этого сценария состоит в накоплении безработных: если ежегодно будет переобустраиваться только половина высвободившихся работников, то в 2030 г. число дополнительных безработных, появившихся из-за масштабной роботизации экономики, составит 1,9 млн чел., а общий уровень безработицы достигнет 6,4%, что для России станет своеобразным отрицательным рекордом. Таким образом, инерционный сценарий должен сопровождаться развертыванием серьезной работы по перераспределению избыточной рабочей силы.

Во-вторых, консервативный сценарий также сопряжен для России с социальными проблемами, но лишь в первые два года, причем почти вся социальная нагрузка ложится на первый год. Если не перераспределить массу высвобождающихся работников, то уже в 2026 г. уровень безработицы может подскочить до 3,7%. В 2027 г. нагрузка на рынок труда будет в три раза меньше, однако и эту треть миллиона не просто эффективно переобустроить. Очевидным резервом в решении указанных проблем будут следующие три года, когда сфера занятости будет расширяться и может наблюдаться определенный дефицит кадров, легко восполняющийся за счет потерявших работу в предыдущие год–два.

В-третьих, базовый сценарий с точки зрения социальных проблем является достаточно комфортным для страны – незначительный вызов для рынка труда будет наблюдаться только в первый год. Все последующие годы будет происходить расширение занятости, однако этот процесс будет носить весьма умеренный характер и ни о каком заметном увеличении рынка труда говорить не приходится. Тем самым даже наиболее предпочтительный базовый сценарий задает траекторию динамики рынка труда, близкую к стационарной. В этом смысле базовый сценарий направлен в основном на поддержание глобального статус-кво на отечественном рынке труда. Главная же ценность данного сценария состоит в реализации намеченной программы роботизации экономики без ущерба для рынка труда.

Данные выводы в свою очередь позволяют сформулировать два генеральных тезиса относительно роботизации российской экономики. Первый – российская экономика способна выдержать даже и более революционную технологическую модернизацию промышленности, но при непременном условии радикального увеличения экономической активности страны. Второй – принятием программы роботизации обрабатывающей промышленности страны правительство фактически не оставило себе выбора и должно идти на любые, даже экстраординарные меры по поддержанию активного экономического роста. Иными словами, сохранение интенсивного экономического роста в ближайшие 5 лет будет являться для России экзистенциальным вызовом; в противном случае улучшение технологического оснащения отечественного производства будет сопровождаться перегрузкой рынка труда и обнищанием заметной части населения; в противном случае программа роботизации будет свернута. Разумеется, такие варианты развития событий является крайне нежелательными.

Полученные результаты требуют вернуться к традиционной для России последних лет дискуссии о роли Банка России в сдерживании экономической активности. Фактически сегодня уже имеется научный и общественный консенсус в отношении недопустимости дальнейшего поддержания высокой ключевой ставки, которая делает экономический рост почти невозможным [Белоусов, 2026; Ильин, Морев, 2026]. Если в ближайшие годы мегарегулятор продолжит таргетирование инфляции, которое он осуществлял в 2025 году, то страна будет в лучшем случае следовать по инерционному сценарию, а в худшем – может попасть в режим рецессии. Если произойдет спад производства, то это либо породит социальный кризис в стране, либо приведет к полной отмене роботизации промышленности и модернизации национальной экономики. В этом состоит главная макроэкономическая альтернатива для России.

Сделанные выводы позволяют обратиться к важному и так и не решенному вопросу о создании в стране специального органа управления, который бы осуществлял координацию действий Банка России, Министерства финансов РФ и Министерства экономического развития РФ, а возможно, и Министерства промышленности и торговли РФ [Полтерович, 2023]. Программа роботизации расширяет функционал предполагаемого ведомства – к Центробанку и указанным министерствам добавляется Министерство труда РФ, ответственное за состояние рынка труда в стране. В настоящее время подобная координация действий разных федеральных регуляторов не ведется и пока не предусматривается. Не исключено, что автоматизация промышленности может стать тем организационным драйвером, который сдвинет этот вопрос с мертвой точки.

Ожидаемые структурные сдвиги

При прогнозировании процесса вытеснения работников следует понимать, в какие сектора экономики они могут быть перераспределены – как самостоятельно, так и при дополнительном переобучении. Для этого необходимо определить, какие из секторов национальной экономики выступают в качестве драйверов в поглощении рабочей силы. Чтобы определить эти отраслевые драйверы, достаточно отталкиваться от двух непреложных обстоятельств. Первое связано с отчетностью об отраслевой динамике занятости, которая позволит идентифицировать быстро растущие сегменты экономики. Второе основано на положении о том, что нынешний этап эволюции человечества связан с формированием индустрии досуга в беспрецедентных размерах по сравнению с предыдущими историческими периодами, которая и будет в ближайшие десятилетия вовлекать в свой оборот большие массы населения.

Предложенный подход предполагает рассмотрение ключевых отраслевых драйверов вовлечения занятых. К таковым относятся отрасли, которые устойчиво росли на протяжении 2020–2024 гг. (табл. 4).

Таблица 4. Отрасли–драйверы по вовлечению рабочей силы в России

Источник: данные Росстата (https://rosstat.gov.ru/opendata/7708234640-employees2024)

Примечательным фактом является то, что обрабатывающие производства, которые проектируются к активной роботизации, обнаруживают наибольший динамизм и потребность в рабочей силе. Во многом это объясняется начавшимся ренессансом отрасли после 2014 года, однако потребность в ее продукции в любом случае велика, чем и обусловлена растущая численность сектора. Строительство и транспорт традиционно поглощают большие массы кадров, а в последнее время особый динамизм получила деятельность гостиниц и предприятий общественного питания; расширяется и сектор административной деятельности и сопутствующих дополнительных услуг. Небольшой, но устойчивый спрос на рабочую силу продуцируют сферы здравоохранения и социальных услуг и культуры, спорта, досуга и развлечений. Совокупная ежегодная емкость этих семи отраслей–драйверов составляет около 700 тыс. человек, что несколько меньше объема высвобождения кадров в инерционном сценарии. Это свидетельствует о том, что данный сценарий является откровенно проблемным и скатывание к нему российской экономики чревато хроническими социальными проблемами. Консервативный сценарий, скорее всего, породит заметные кадровые проблемы в первом прогнозном году, но потом избыток работников относительно легко распределится по отраслям-драйверам. Что касается базового сценария, то генерируемый им выброс кадров в первый год перераспределяется внутри обрабатывающей промышленности с небольшим дополнительным перетоком в другие сектора.

Важная особенность предстоящей роботизации состоит в том, что внутри обрабатывающей промышленности сталкиваются два разнонаправленных кадровых потока – дополнительный спрос на кадры в силу расширения деловой активности отрасли и вытесняемые робототехническими системами работники. Какой из этих потоков возобладает, целиком и полностью зависит от сценария развития экономики, т.е. от темпов роста ВВП.

Можно высказать гипотезу, согласно которой сфера культуры, спорта, досуга и развлечений будет ускоренно расширяться. Даже при отсутствии тренда на роботизацию экономики этот сектор уверенно разрастался, при ускорении автоматизации производства сфера досуга также будет развиваться и поглощать дополнительные кадры.

Дискуссионные вопросы

Выше была дана максимально обобщенная картина возможных социальных последствий роботизации российской промышленности. Однако в этой картине не нашли отражения некоторые аспекты, требующие особых пояснений.

Во-первых, использование модели (1), построенной на данных 20 стран, для прогнозирования ситуации в России предполагает допущение о сопоставимости структурных параметров разных государств. Это допущение можно считать вполне правомерным, т.к. государства, участвующие в расчетах, по показателю ПТ сопоставимы с Россией и находятся на аналогичной стадии технологического развития, хотя и опережают ее по показателю роботизации; учет масштаба рынка труда России улавливается переменной занятости. Добавить Россию в исходную выборку оказалось невозможным из-за отсутствия для нее ретроспективных данных. Вычислительные эксперименты с моделью показали, что изъятие из выборки одной-двух стран почти не влияет на ее параметры. Тем самым влияние роботизации экономики на ПТ можно считать относительно универсальным процессом для развитых стран, что и позволяет экстраполировать его на РФ.

Во-вторых, экстраполяция международной эконометрической зависимости на Россию заведомо не предполагает высокой точности. Это связано с особенностью российского рынка труда, для которого характерна известная гибкость – в ответ на рост ПТ он может реагировать путем снижения (стагнации) зарплаты и ростом неполной занятости. Такое развитие событий нельзя исключать, однако вряд ли гибкость рынка труда сможет нивелировать мощный тренд на масштабную роботизацию обрабатывающей промышленности. В этом смысле полученные цифры дают вполне реалистичные оценки масштаба предполагаемого явления.

Во-третьих, существует потенциальная несопоставимость старых и новых рабочих мест для высвобождающихся кадров. С одной стороны, новая работа в другой отрасли может быть менее оплачиваемой, с другой – потребовать навыков и компетенций даже более низкой квалификации, которых у человека тем не менее нет. Частично эта проблема сглаживается тем обстоятельством, что высвобождаются, как правило, менее квалифицированные работники и для них переход в менее технологические сектора будет не столь болезненным. Однако полное решение этой проблемы за счет налаживания системы переобучения кадров должно осуществлять Министерство труда РФ, детальное обсуждение которой выходит за рамки статьи.

В-четвертых, во всех сценариях используется гипотеза о равномерности процесса роботизации промышленности и равномерности ежегодного высвобождения занятых (2,7%), что является очевидным упрощением. В реальности процесс автоматизации может ускоряться или замедляться под влиянием институциональных и конъюнктурных факторов, что будет «деформировать» годовые параметры сценарных прогнозов. Предсказать возможную неритмичность в роботизации не представляется возможным, чем и обусловлено принятое упрощение. Однако это не мешает пониманию возможных рисков и проблем. Фактически речь идет о том, что совокупные выбросы работников по годам будут скорректированы на коэффициент ускорения/замедления роботизации, но в целом исходные сценарные траектории сохранятся.

В-пятых, для России характерна колоссальная экономическая и социальная гетерогенность территории, в связи с чем общее число высвобождаемых лиц может в совершенно разной степени затронуть разные регионы. Для более полного понимания картины уровня напряженности на региональных рынках труда необходимо определить, где сосредоточены предприятия обрабатывающей промышленности и, соответственно, где будет происходить максимальный выброс кадров. Одновременно с этим требуется определить наличие в этих регионах отраслевых драйверов, способных поглотить высвобождающихся работников. Например, в 20 регионах страны (Вологодская, Тульская, Калужская, Липецкая, Новгородская области и др.) доля обрабатывающей промышленности в добавленной стоимости составляет от 25 до 50% и именно эти территории будут максимально охвачены роботизацией и высвобождением занятых. И, наоборот, в 29 регионах (Чукотский автономный округ, Тыва, Якутия, Магаданская область и др.) указанная доля меньше 10% и здесь ожидать больших движений на рынке труда не следует. Амортизировать указанную неравномерность должен более активный экономический рост в промышленных регионах. В любом случае интенсивность перераспределения кадров для территории России будет существенно различной и главное внимание должно быть сосредоточено на промышленных субъектах РФ, однако более подробное обсуждение этого аспекта проблемы выходит за рамки данной статьи и может служить основой для последующего продолжения поднятой проблематики.

Таким образом, полученные количественные оценки во многом являются условными, и мы в полной мере сознаем это обстоятельство, однако даже с учетом этого нарисованная картина предстоящих изменений в целом представляется вполне релевантной и содержательной.

Заключение: движение к новому обществу

В статье представлена количественная оценка социальных последствий намеченной в России масштабной роботизации обрабатывающей промышленности. На основе построенной ранее эконометрической зависимости получена оценка общей величины высвобождаемых работников из российской экономики к 2030 году в размере 16% занятых или 11,4 млн человек в результате. Это станет социальным итогом федеральной инициативы «Развитие промышленной робототехники и автоматизации производства», согласно которой к 2030 году плотность роботизации в России должна достигнуть 145 ед. на 10 тысяч человек.

Полученные цифры высвобождения занятых кажутся крайне высокими, однако на основе модели перераспределения занятых показано, что пролонгирование процесса высвобождения по годам способно его упорядочить и обеспечить ежегодный выброс занятых в размере 2,7% (1,8–1,9 млн. чел.), что уже выглядит не столь угрожающе. Однако и эти цифры встраиваются в тот или иной сценарий развития национальной экономики, что дает совершенно разные результаты. В статье рассмотрено три сценария – базовый (оптимистический), консервативный (нейтральный) и инерционный (пессимистический), которые различаются ожидаемыми темпами экономического роста. Расчеты показали, что по-настоящему угрожающим является инерционный сценарий, чреватый большим ежегодным высвобождением кадров (порядка 740 тыс. чел.), которые почти невозможно эффективно перераспределить по секторам экономики. Консервативный и базовый сценарии предполагают заметные проблемы только в первых двух или только в первом году прогнозируемого периода соответственно.

Перераспределение высвобождаемых кадров будет происходить преимущественно в 7 отраслевых драйверов, в которых занятость в предыдущие годы устойчиво росла: обрабатывающие производства; строительство; транспорт; гостиничный бизнес общественное питание; административная деятельность и сопутствующие услуги; здравоохранение и социальные услуги; культура, спорт, досуг и развлечения. В совокупности эти драйверы могут ежегодно поглощать около 700 тыс. чел.

Генеральный вывод состоит в том, что поддержание интенсивного экономического роста в ближайшие 5 лет на уровне хотя бы 3% для России будет являться экзистенциальным вызовом; в противном случае улучшение технологического оснащения отечественного производства будет сопровождаться перегрузкой рынка труда и обнищанием заметной части населения. В связи с этим сделан вывод о необходимости создания в стране специального органа управления, который бы осуществлял координацию действий Банка России, Министерства финансов РФ, Министерства экономического развития РФ, Министерства промышленности и торговли РФ и Министерство труда РФ. В противном случае вялый экономический рост сведет на нет планы по намеченной масштабной роботизации национальной экономики.

Источники

Анисимов А.Ю., Алексахина С.А., Козлова У.А., Горшкова А.А. (2025). Оценка влияния автоматизации и роботизации на производительность труда и модернизацию промышленности // Друкеровский вестник. № 4. С. 169–182. https://doi.org/10.17213/2312-6469-2025-4-169-182.

Архипова Л.С., Мельникова Д.М. (2022). Оценка современных барьеров, влияющих на цифровизацию российского рынка труда // Региональная экономика и управление: электронный научный журнал. № 2(70). Номер статьи: 7002. https://doi.org/10.24412/1999-2645-2022-270-2.

Балацкий Е.В., Екимова Н.А. (2026). Роботизация национальной экономики: экономические эффекты // Мир новой экономики. (В печати).

Безотечество В.А. (2024). Робототехника и экономика труда: перспективы и социальные аспекты // Молодой ученый. № 49 (548). С. 77–78.  URL: https://moluch.ru/archive/548/120019.

Белоусов Д.Р. (2026). Самая впечатляющая задача за последние три поколения // Монокль. № 5. 26 января. URL: https://monocle.ru/monocle/2026/05/samaya-vpechatlyayuschaya-zadacha-za-posledniye-tri-pokoleniya/.

Гимпельсон В.Е., Капелюшников Р.И. (2022). Рутинность и риски автоматизации на российском рынке труда // Вопросы экономики. № 8. С. 68–94. https://doi.org/10.32609/0042-8736-2022-8-68-94.

Гурлев И.В. (2020). Цифровизация экономики России и проблемы роботизации // Вестник Евразийской науки. Т. 12, № 4. 36 с. URL: https://esj.today/PDF/08ECVN420.pdf

Земцов С.П. (2017). Роботы и потенциальная технологическая безработица в регионах России: опыт изучения и предварительные оценки // Вопросы экономики. № 7. С. 142–157. https://doi.org/10.32609/0042-8736-2017-7-142-157.

Ильин В.А., Морев М.В. (2026). Эффективность стратегического государственного управления: состояние российского общества по итогам четырех лет проведения СВО // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 19, № 1. С. 19–56.

Котов Е.В. (2025). Роботизация производства и социализация экономики: состояние, причины и последствия // Территория новых возможностей. Вестник Владивостокского государственного университета. Т. 17, № 2. С. 47–62. https://doi.org/10.63973/2949-1258/2025-2/047-062.

Полтерович В.М. (2023). Федеральное агентство развития: оно необходимо для разработки и реализации успешных стратегий // Проблемы теории и практики управления. № 3. С. 35–41. https://doi.org/10.15838/esc.2026.1.103.6.

Романова И.В., Игишев А.В. (2025). Влияние роботизации на производительность труда и квалификационные требования к персоналу на высокотехнологичных производствах // Экономика и управление: проблемы, решения. Т. 3, № 5. С. 38–49. https://doi.org/10.36871/ek.up.p.r.2025.05.03.006.

Саенко А.Ю., Кисляков П.А., Шимановская Я.В., Константинова Н.П. (2025). Психологические факторы готовности людей к взаимодействию с социальными роботами: обзор отечественных и зарубежных исследований // Russian Journal of Education and Psychology. Т. 16, № 2. С. 644-673. https://doi.org/10.12731/2658-4034-2025-16-2-817.

Староватова Д.А. (2023). Связь уровня роботизации и производительности труда: важен ли масштаб бизнеса? // Journal of new economy. Т. 24, № 1. С. 81–103. https://doi.org/10.29141/2658–5081–2023–24–1–4.

Урунов А.А., Родина И.Б. (2018). Влияние искусственного интеллекта и интернет-технологий на национальный рынок труда // Фундаментальные исследования. № 1. С.1 38–142.

Федюнина А.А., Городный Н.А., Симачев Ю.В. (2023). Влияние роботизации на производительность промышленных предприятий в России // Российский журнал менеджмента. Т. 21, № 1. С. 66–88. https://doi.org/10.21638/spbu18.2023.104.

Шлихтер А.А. (2020). Влияние четвёртой промышленной революции на формирование человеческого капитала и эволюцию мирового рынка труда // Общество и экономика. № 4. С. 56–72. https://doi.org/10.31857/S086904990009179-8.  

Acemoglu D., Restrepo P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, vol. 33, no. 2, pp. 3–30. https://doi.org/10.1257/jep.33.2.3.

Acemoglu D., Restrepo P. (2017). Robots and Jobs: Evidence from US Labor Markets. NBER Working Paper. Working Paper 23285. URL: http://www.nber.org/papers/w23285.

Acemoglu D., Lelarge C., Restrepo P. (2020). Competing with robots: Firm-level evidence from France. AEA Papers and Proceedings, no. 110, pp. 383–388. https://doi.org/10.1257/pandp.20201003.

Adachi D., Kawaguchi D., Saito Y. (2020). Robots and Employment: Evidence from Japan, 1978–2017. RIETI Discussion Paper Series 20-E-051. 76 p. URL: https://www.rieti.go.jp/jp/publications/dp/20e051.pdf.

Autor D., Salomons A. (2018). Is automation labor-displacing? Productivity growth, employment, and the labor share. National Bureau of Economic Research. Working Paper 24871. URL: https://doi.org/10.3386/w24871.

Blanas S., Gancia G., Lee T. (2019). Who Is Afraid of Machines? Economic Policy, vol. 34, no. 100, pp. 627–690. https://doi.org/10.1093/epolic/eiaa005.

Carbonero F., Ernst E., Weber E. (2018). Robots Worldwide: The Impact of Automation on Employment and Trade. International Labour Office. Working Paper No. 36. 16 p. URL: http://pinguet.free.fr/ilo648063.pdf.

Clifton J., Glasmeier A., Gray M. (2020). When machines think for us: the consequences for work and place. Cambridge Journal of Regions, Economy and Society, vol. 13, no. 1, pp. 3–23. https://doi.org/10.1093/CJRES/RSAA004.

Dao M.C., Das M., Koczan Z., Lian W. (2017). Why Is Labor Receiving a Smaller Share of Global Income? Theory and Empirical Evidence. IMF Working Paper WP/17/169. https://www.imf.org/-/media/files/publications/wp/2017/wp17169.pdf.

Dauth W., Findeisen S., Südekum J., Woessner N. (2017). DP12306 German Robots – The Impact of Industrial Robots on Workers. CEPR Discussion Paper No. 12306. URL: https://cepr.org/publications/dp12306.

Elsby M.W.L., Hobijn B., Sahin A. (2013). The Decline of the U.S. Labor Share. Working Paper 2013-27. Federal Reserve Bank of San Francisco. https://doi.org/10.24148/wp2013-27.

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

Graetz G., Michaels G. (2018). Robots at Work. The Review of Economics and Statistics, vol. 100, no. 5, pp. 753–768. https://doi.org/10.1162/rest_a_00754.

Gregory T., Salomons A., Zierahn Ul. (2022). Racing with or against the machine? Evidence from Europe. IZA DP No. 12063. https://www.jstor.org/stable/resrep59282.

Jungmittag A., Pesole A. (2019). The impact of robots on labour productivity: A panel data approach covering 9 industries and 12 countries. JRC Working Papers on Labour, Education and Technology no. 2019/08. European Commission:  Joint Research Centre. 27 p. URL: https://publications.jrc.ec.europa.eu/repository/handle/JRC118044.

Karabarbounis L., Neiman B. (2014). The Global Decline of the Labor Share. Quarterly Journal of Economics, vol. 129, no. 1, pp. 61–103. https://doi.org/10.1093/qje/qjt032.

Kromann L., Malchow–Moller N., Skaksen J.R., Sorensen A. (2019). Automation and productivity – A cross-country, cross industry comparison, Industrial and Corporate Change, 2019;29(1):1–23. https://doi.org/10.1093/icc/dtz039.

Lei Y.-W., Kim R. (2024). Automation and Augmentation: Artificial Intelligence, Robots, and Work. Annual Review of Sociology, vol. 50. https://doi.org/10.1146/annurev-soc-090523-050708.

Schneider F. (2024). Do robots boost productivity? A quantitative meta-study. MPRA Paper No. 123392. URL:  https://mpra.ub.uni-muenchen.de/123392/1/MPRA_paper_123392.pdf

Wolfgang D., Sebastian F., Suedekum J., Woessner N. (2021). The Adjustment of Labor Markets to Robots. Journal of the European Economic Association, vol. 19, no. 6, pp. 3104–3153. URL: https://doi.org/10.1093/jeea/jvab012.