Изкуственият интелект и пазарът на труда

Основни понятия: изложеност, автоматизация и допълване

Повечето оценки започват от „изложеността“ на професиите — мярка за това доколко ИИ може да засегне техните задачи; много анализатори използват показателите на Тайна Елаунду и съавтори, които измерват способността на генеративния ИИ да ускори изпълнението на работните задачи^[16]. Изложеността обаче не е прогноза за съкращения: според Бюджетната лаборатория на Йейл тя не показва кои работни места ИИ ще автоматизира „до изчезване“, а къде на пазара на труда той може да окаже влияние^[17]. Различните мерки до голяма степен се съгласяват кои професии са изложени, но се разминават повече при силно изложените — и то главно за степента на изложеност, а не за самия ѝ факт^[18].

Втората ключова разлика е между автоматизация, при която ИИ сам изпълнява задачата, и допълване (augmentation), при което той работи заедно с човека^[19]. Анализаторите на Goldman Sachs отбелязват, че повечето работни места и отрасли са само частично изложени на автоматизация и затова по-скоро ще бъдат допълнени, отколкото заменени от ИИ^[20]. Подобен е изводът и на първия глобален анализ на Международната организация на труда (МОТ), основан на модела GPT-4: основният ефект на генеративния ИИ вероятно ще е допълване, а не автоматизация, като въздействието ще е по-силно в страните с по-високи доходи и при жените заради дела им в административните професии^[21].

Исторически контекст: страхът от технологична безработица

Страхът, че машините ще оставят хората без работа, е стар: класически пример са ръчните тъкачи, загубили препитанието си след въвеждането на механизираните станове, което довежда до протестите на лудитите^[22]. Понятието „технологична безработица“ е популяризирано от Джон Мейнард Кейнс през 30-те години на XX век, който го смята за „само временна фаза на неприспособяване“^[23]. В есето „Икономическите възможности за нашите внуци“ (1930) Кейнс пише за „нова болест“ — безработица, която се появява, когато откриваме начини да пестим труд по-бързо, отколкото намираме нови приложения за него^[24]. Той предвижда, че след сто години жизненият стандарт в напредналите страни ще бъде от четири до осем пъти по-висок^[24].

Десетилетия по-късно заетостта не е изчезнала: Дейвид Аутор обяснява в есе от 2015 г., че автоматизацията наистина замества труд, но и го допълва, увеличава производството по начин, който повишава търсенето на труд, и взаимодейства с промените в предлагането му^[25]. Според него журналистите и дори експертите са склонни да надценяват замяната на хора с машини и да пренебрегват силното допълване между автоматизацията и труда^[25]. Аутор описва и „поляризацията“ на пазара на труда, при която през последните десетилетия заплатите растат непропорционално в горния и долния край на разпределението на доходите и уменията, а не в средата^[25].

Аутор, Франк Леви и Ричард Мърнейн въвеждат задачовия подход (task-based approach): компютрите заместват ограничен набор от рутинни (повтарящи се) когнитивни и ръчни задачи и допълват нерутинното решаване на проблеми и взаимодействието с хора^[26]. По тяхна оценка промените в задачите в рамките на отраслите и професиите обясняват от тридесет до четиридесет процента от изместването на търсенето в полза на работниците с висше образование между 1970 и 1998 г.^[26]

Дарон Аджемоглу и Паскуал Рестрепо развиват рамката с два противоположни ефекта: автоматизацията изтласква труда от задачи, които е вършил (ефект на изместване), и винаги намалява дела на труда в добавената стойност, докато създаването на нови задачи действа в обратна посока (ефект на възстановяване)^[27]. Според тяхната декомпозиция по-бавният растеж на заетостта в САЩ през последните три десетилетия се дължи на ускореното изместване, особено в промишлеността, на по-слабото възстановяване и на по-бавния растеж на производителността^[27]. В друго изследване за навлизането на индустриалните роботи между 1990 и 2007 г. те оценяват, че всеки допълнителен робот на хиляда работници намалява съотношението между заети и население в местния пазар на труда с около 0,18–0,34 процентни пункта, а заплатите — с 0,25–0,5%^[28].

Противовес на изместването е появата на нова работа: Аутор и съавтори установяват, че мнозинството от днешната заетост в САЩ е в специалности, появили се след 1940 г.^[29] Goldman Sachs, позовавайки се на Аутор, посочва, че 60% от днешните работници са в професии, които не са съществували през 1940 г., и че над 85% от растежа на заетостта за последните 80 години се обяснява със създаването на нови позиции от технологиите^[30]. Същото изследване на Аутор обаче показва, че ефектът на автоматизиращите иновации, който намалява търсенето на труд, се е засилил през последните четири десетилетия, докато ефектът на допълващите иновации не се е засилил^[29].

Карл Фрей и Майкъл Озбърн от Оксфордския университет оценяват през 2013 г., че 47% от заетостта в САЩ е в професии с висок риск от компютъризация, които биха могли да бъдат автоматизирани „за неопределен брой години, може би десетилетие или две“^[31]. Оценката става емблематична, но и широко критикувана: Мелани Арнц и колегите ѝ от германския институт ZEW възразяват, че професиите с „висок риск“ често съдържат значителен дял трудни за автоматизация задачи, и като отчитат разликите в задачите в рамките на една професия, стигат до извода, че средно в 21 страни от Организацията за икономическо сътрудничество и развитие (ОИСР) автоматизируеми са 9% от работните места^[32].

Генеративният ИИ: кои задачи и професии са изложени

Първата широко цитирана оценка за големите езикови модели, „GPTs are GPTs“ (2023) на Тайна Елаунду и съавтори, установява, че около 80% от работната сила в САЩ може да има поне 10% от задачите си засегнати от тях, а около 19% — поне половината от задачите си^[33]. Според авторите с достъп до езиков модел около 15% от всички задачи в САЩ могат да се изпълнят значително по-бързо при същото качество, а със софтуер, изграден върху моделите, делът нараства до 47–56%; те изрично не правят прогнози за сроковете на разработване и внедряване^[33]. Институтът Brookings, който използва данните за изложеност на OpenAI, изчислява, че над 30% от работниците могат да видят поне половината от задачите в професията си засегнати от генеративния ИИ, а около 85% — поне 10%^[34].

Анализ на МВФ от януари 2024 г. оценява, че почти 40% от заетостта в света е изложена на ИИ, като в развитите икономики делът е около 60%, в развиващите се пазари — 40%, а в страните с ниски доходи — 26%^[2]. Около половината от изложените работни места могат да спечелят от интеграцията на ИИ чрез по-висока производителност, а при другата половина ИИ може да поеме ключови задачи, което да намали търсенето на труд, заплатите и наемането^[35]. Жените и хората с висше образование са по-изложени на ИИ, но и по-добре подготвени да се възползват от него^[36].

В обновения си индекс от 2025 г., изграден с помощта на 29 753 задачи от полската класификация на професиите, МОТ изчислява, че един от четирима работници в света е в професия с някаква изложеност на генеративен ИИ, а 3,3% от заетостта попада в най-високата степен на изложеност^[37]. Разликата между половете е съществена — 4,7% от заетите жени срещу 2,4% от мъжете, а в страните с високи доходи — 9,6% срещу 3,5%^[37]. Общата изложеност расте с доходите на страната — от 11% от заетостта в страните с ниски доходи до 34% в тези с високи доходи, като най-изложени остават административните (офисни) професии^[37]. Според МОТ най-вероятното въздействие е трансформация на работните места, тъй като повечето професии се състоят от задачи, които изискват човешко участие^[37].

В ранна оценка анализаторите на Goldman Sachs Джоузеф Бригс и Девеш Коднани изчисляват, че промените в работните процеси могат да изложат на автоматизация еквивалента на 300 милиона работни места на пълен работен ден в света, а генеративният ИИ може да повиши световния брутен вътрешен продукт (БВП) със 7% и растежа на производителността с 1,5 процентни пункта за десет години^[38]. Като анализират съдържанието на задачите в над 900 професии, те оценяват, че около две трети от професиите в САЩ са изложени на известна степен на автоматизация, като при изложените между една четвърт и половината от работата може да бъде заменена^[39]. В по-късна оценка Бригс и Сара Донг заключават, че при широко внедряване ИИ може да измести 6–7% от работната сила в САЩ, с диапазон от 3 до 14% при различни допускания, но че въздействието вероятно ще е преходно, тъй като новите възможности в крайна сметка ще осигурят друга работа на хората^[40]. Те очакват безработицата да се повиши с половин процентен пункт по време на прехода и остават скептични, че ИИ ще доведе до големи съкращения на заетостта през следващото десетилетие^[41].

Глобалният институт на McKinsey оценява, че вече демонстрираните технологии на теория биха могли да автоматизират дейности, заемащи около 57% от сегашните работни часове в САЩ^[43]. Числото сравнява възможностите на съществуващите технологии, включително показаните само в лаборатория, с нивото на човешко умение, което изискват задачите^[43]. В доклада си за бъдещето на работните места от януари 2025 г., основан на данни от над 1000 компании, Световният икономически форум очаква до 2030 г. да бъдат създадени 170 милиона нови работни места и изместени 92 милиона — нетен ръст от 78 милиона, като промените засягат 22% от работните места^[44]. Според доклада ИИ и възобновяемата енергия повишават търсенето на много технологични и специализирани роли, но намаляват търсенето на други, например на графичните дизайнери^[44].

Друг подход измерва реалната употреба, а не теоретичните възможности: анализ на 200 хиляди анонимизирани разговора с Bing Copilot на Microsoft установява, че най-честите и най-успешните дейности с помощта на ИИ са информационната работа — създаването, обработката и предаването на информация^[45]. Anthropic, компанията, която разработва модела Claude, изчислява „наблюдавана изложеност“ по данни за употребата на собствения си модел и установява, че тя е далеч под теоретично възможното: Claude покрива едва 33% от задачите в категорията „Компютри и математика“^[46]. Най-изложени по тази мярка са програмистите (75% покритие), следвани от служителите в обслужването на клиенти и операторите по въвеждане на данни^[47]. Работниците в най-изложените професии печелят средно с 47% повече и са по-образовани^[48].

Измерени ефекти върху производителността

Едно от първите полеви изследвания, на Ерик Бриньолфсон, Даниел Ли и Линдзи Реймънд, проследява постепенното въвеждане на разговорен асистент с генеративен ИИ при 5179 служители в обслужването на клиенти: достъпът до инструмента увеличава решените запитвания на час средно с 14%, а при начинаещите и по-слабо квалифицираните — с 34%, при минимален ефект върху опитните и високо квалифицираните^[5]. Авторите намират указания, че моделът разпространява добрите практики на по-способните служители и помага на новите да напредват по-бързо, а помощта на ИИ подобрява и отношението на клиентите и задържането на персонала^[5]. Изследването е публикувано в Quarterly Journal of Economics през 2025 г.^[6]

В експеримент на Шакед Ной и Уитни Джан от Масачузетския технологичен институт (MIT), публикуван в списание Science през юли 2023 г., достъпът до ChatGPT съкращава с 40% времето за писмени задачи като мотивационни писма, деликатни имейли и анализи на разходите и ползите, а качеството, оценено от независими оценители, нараства с 18%^[49]. Задачите обаче не изискват точни факти или познаване на целите на конкретна компания и предпочитанията на клиентите, т.е. не са пълни копия на реалната работа^[49].

Експеримент с Boston Consulting Group, в който участват 758 консултанти (около 7% от консултантите на това ниво в компанията), въвежда понятието „назъбена технологична граница“: някои задачи ИИ изпълнява лесно, а други, привидно със сходна трудност, са извън възможностите му^[50]. При 18 реалистични консултантски задачи в рамките на границата консултантите с ИИ изпълняват с 12,2% повече задачи, с 25,1% по-бързо и с над 40% по-високо качество^[50]. Печелят служители с всякакво ниво на умения, но повече по-слабите: резултатите на тези под средното ниво се подобряват с 43%, а на тези над него — със 17%^[50]. При задача, избрана умишлено извън границата, консултантите с ИИ обаче са с 19 процентни пункта по-малко склонни да стигнат до правилно решение^[50].

В контролиран експеримент с асистента за програмиране GitHub Copilot, воден от Сида Пън, разработчиците с достъп до инструмента написват HTTP сървър на JavaScript с 55,8% по-бързо от контролната група^[51]. Три по-късни полеви експеримента в Microsoft, Accenture и анонимна компания от списъка Fortune 100, анализирани от екип, в който са и Пън и Соня Джаф от Microsoft, обхващат 4867 разработчици и установяват 26,08% повече завършени задачи, като по-неопитните разработчици използват инструмента по-често и печелят повече^[52]. Според обобщение на MIT Sloan новоназначените и младшите разработчици увеличават резултата си с 27–39%, а по-старшите — с 8–13%^[53].

Обратен резултат дава рандомизираното изпитване на изследователската организация METR: с инструментите от февруари–юни 2025 г. 16 опитни разработчици на софтуер с отворен код, работещи по познати им зрели проекти, отнемат с 19% повече време, когато могат да ползват ИИ, макар преди изпитването да са очаквали ускорение от 24%, а след него да смятат, че са били ускорени с 20%^[54]. При повторно изпитване в началото на 2026 г. организацията отчита известно ускорение — с около 18% по-малко време за част от първоначалните участници и с 4% за новите, при доверителни интервали, които включват и нула, — но приема тези данни за много слабо доказателство, защото все повече разработчици отказват да участват, за да не работят без ИИ^[55].

Изводът, че ИИ помага най-много на по-слабите и по-неопитните, не е универсален, макар МВФ също да отбелязва, че според изследванията той може да помогне на по-малко опитните работници да повишат производителността си по-бързо^[56]. В петмесечно рандомизирано изпитване с 640 кенийски предприемачи част от тях получават бизнес наставник с GPT-4 чрез WhatsApp^[57]. Средният ефект не е статистически значим, но предприемачите с добри резултати в началото печелят малко над 15%, а най-слабите се справят с около 8% по-зле^[59]. Изследователите обясняват разликата с това, че силните търсят помощ за сравнително прости задачи, а изпитващите затруднения — за по-трудни^[58]. Данни на Anthropic за около 400 000 сесии с инструмента Claude Code между октомври 2025 г. и април 2026 г. също сочат, че колкото повече експертиза в областта има потребителят, толкова повече работа ИИ върши по една инструкция и толкова по-често сесията завършва успешно, макар разликата между средно напредналите и експертите да е малка^[60].

Предпазливост налага и случаят с широко цитирания препринт „Artificial Intelligence, Scientific Discovery, and Product Innovation“, публикуван през ноември 2024 г.: на 16 май 2025 г. институтът MIT заявява, че няма доверие в произхода, надеждността и валидността на данните и в достоверността на изследването, и иска оттеглянето му^[61].

Навлизането на технологията е бързо: според представителни проучвания на икономисти, сред които и такива от Федералната резервна банка на Сейнт Луис, към края на 2024 г. почти 40% от американците на възраст 18–64 години използват генеративен ИИ, а 23% от заетите са го ползвали за работа поне веднъж през предходната седмица^[62]. Между 1 и 5% от всички работни часове се подпомагат от генеративен ИИ, а спестеното време се равнява на 1,4% от всички работни часове^[62]. Anthropic, като анализира сто хиляди разговора чрез самия Claude, оценява, че ИИ съкращава времето за изпълнение на задачите с около 80%, и екстраполира от това ръст на производителността на труда в САЩ с 1,8% годишно през следващото десетилетие; компанията сама признава, че оценките вероятно надценяват текущите ефекти^[63].

Измерени ефекти върху заетостта и заплатите

Най-подробните данни засега идват от Дания, където Андерс Хумлум и Емили Вестергор свързват мащабни проучвания за използването на чатботове с административните регистри на пазара на труда^[8]. Те откриват „бързи течения“ — повечето работодатели в изложените професии вече имат инициативи с чатботове, работниците отчитат ползи за производителността, а новите задачи, свързани с ИИ, са широко разпространени, — но оценяват прецизни нулеви ефекти върху доходите и отработените часове, които изключват ефекти, по-големи от 2%, две години след появата на ChatGPT^[8]. Според тях засега се променя структурата на работата: работодателите усвояват ИИ чрез преразпределение на задачите, включително нови задачи по създаване на съдържание, надзор и интеграция на ИИ^[8]. Изследването първоначално е разпространено под заглавието „Large Language Models, Small Labor Market Effects“ („Големи езикови модели, малки ефекти върху пазара на труда“)^[9].

Бюджетната лаборатория на Йейл сравнява скоростта на промяна в професионалната структура на заетостта в САЩ с периодите на навлизане на компютрите и интернет и на 1 октомври 2025 г. заключава, че 33 месеца след появата на ChatGPT по-широкият пазар на труда не е преживял осезаемо сътресение^[64]. Авторите напомнят, че компютрите навлизат в офисите едва близо десетилетие след появата си и че е разумно широките ефекти на новите технологии да се проявят за повече от 33 месеца^[65]. В анализ от 7 май 2026 г. със синтетичен метод на „разликата в разликите“ лабораторията не открива статистически или икономически значими ефекти върху заетостта и заплатите в изложените професии^[66]. Оценките сочат около половин процентен пункт по-висока безработица, и повече сред 16–34-годишните, но и двата резултата не са статистически значими към първото тримесечие на 2026 г.^[67] Авторите предупреждават, че картината може да се промени бързо^[68]. В обновяването си от 14 октомври 2026 г. лабораторията отново не открива промени в професионалната структура, които ясно да съответстват на навлизането на ИИ, нито връзка между мерките за употреба на ИИ и промените в заетостта или безработицата^[7].

Най-обсъжданият сигнал идва от Станфордската лаборатория за цифрова икономика: Ерик Бриньолфсон, Бхарат Чандар и Жую Чен анализират административни данни за заплати от ADP за милиони работници в САЩ до юни 2026 г.^[10] Те не откриват масово изместване в цялата икономика, но заетостта на младите работници на 22–25 години в изложените на ИИ професии е с 19% под нивото, което би имала, ако се движеше като тази на по-малко изложените им връстници, докато при опитните работници подобна разлика няма^[10]. Разминаването се разширява от първото му документиране през август 2025 г., минава главно през по-малко наемане на млади хора, а не през повече съкращения, и е съсредоточено в професиите, където ИИ замества човешки задачи; където ИИ допълва работниците, заетостта е стабилна или расте^[10]. В абсолютни стойности заетостта на 22–25-годишните в двата най-изложени квинтила спада с около 11% между ноември 2022 г. и юни 2026 г., докато в трите най-малко изложени расте с около 10%^[11]. По-ранните версии на изследването водят с регресионни оценки — спад от 13% по данни до юли 2025 г. и 16% до септември 2025 г., а по по-простата описателна мярка разликата е 15% при данните от юли 2025 г. и 19% към юни 2026 г.^[11]

Засега промяната се вижда в заетостта, а не в основните заплати^[12]. Авторите предлагат механизъм: ИИ замества по-лесно дигитализираното и кодифицирано знание, което е ядрото на формалното образование, и допълва неявното, натрупано с опит знание на по-старшите служители; жените средно са по-изложени на ИИ^[12]. Те определят резултатите като „ранни, описателни индикатори“, а не като причинно-следствени оценки: моделът отслабва при контрол за образованието, част от разликите предшестват генеративния ИИ, а ефектите са по-силни в извадката на ADP, отколкото в националните проучвания^[13]. Според самите автори това поставя основателни въпроси доколко моделът наистина е причинен от ИИ и доколко резултатите от извадката на ADP важат по-широко^[14].

Изследване на Федералната резервна банка на Ню Йорк предлага друго обяснение за трудностите на младите висшисти: безработицата сред завършилите висше образование под 29 години нараства с 20% след пандемията (2022–2024 г. спрямо 2017–2019 г.), а дистанционната работа обяснява близо две трети от този ръст^[69]. Изложеността на ИИ според авторите не обяснява разминаването в безработицата в този период, макар те да допускат, че това може да се промени^[70].

И Anthropic, използвайки собствените си данни, не открива систематично увеличение на безработицата сред силно изложените работници от края на 2022 г. насам, но намира признаци, че наемането на по-млади хора в изложените професии се забавя^[71]. Средно след появата на ChatGPT вероятността 22–25-годишните да започнат работа в изложените професии е с 14% по-ниска, отколкото през 2022 г., но резултатът е едва на границата на статистическата значимост^[72].

МВФ публикува през януари 2026 г. изследване за новите умения в епохата на ИИ, според което около една от десет обяви за работа в развитите икономики изисква поне едно ново умение^[73]. Анализът на милиони онлайн обяви показва, че такива умения се търсят в една от двадесет обяви в развиващите се пазари, а във Великобритания и САЩ обявите с ново умение предлагат около 3% по-високо заплащане^[74]. Уменията, свързани с ИИ, също носят по-високо заплащане, но засега не допринасят за растежа на заетостта: в регионите с голямо търсене на такива умения заетостта в уязвимите на ИИ професии е с 3,6% по-ниска след пет години, което според МВФ е проблем за младите хора, защото началните позиции са по-изложени, и съответства на данни от САЩ, че генеративният ИИ намалява наемането на начинаещи^[75]. Печелят най-вече работниците с високи и ниски умения, докато средноквалифицираните роли, като рутинната офис работа, се свиват^[76].

Съобщенията на работодателите разказват по-драматична история: по данни на консултантската фирма Challenger, Gray & Christmas ИИ е посочен до края на септември 2026 г. като причина за 120 136 обявени съкращения в САЩ — около 21% от всички — и е водещата причина от началото на годината^[77]. Общият брой обявени съкращения за първите девет месеца обаче е 573 195, с 39% по-малко от същия период на 2025 г.^[78] Анди Чалънджър от фирмата коментира, че независимо дали отделни работни места се заменят от ИИ, парите за тези роли отиват за него^[79]. Обявените съкращения не са измерени загуби на работни места, а намерения и обяснения на работодателите: според доклада на Бюджетната лаборатория на Йейл тревогата за ефекта на ИИ върху днешния пазар на труда „остава до голяма степен спекулативна“, а директорката ѝ Марта Гимбъл допуска, че част от компаниите приписват съкращенията на ИИ, за да не обясняват на инвеститорите трудностите си с намаляващата имиграция, митата и политическата несигурност^[80].

Данни за употребата и нагласите на работниците

Данните за употребата показват постепенно изместване от допълване към автоматизация: в първия си икономически индекс от 10 февруари 2025 г., основан на около милион разговора с Claude, Anthropic отчита, че 57% от задачите се допълват и 43% се автоматизират, а около 36% от професиите използват ИИ в поне една четвърт от задачите си^[81]. В доклада от 15 септември 2025 г. делът на „директивните“ разговори, в които потребителите възлагат на Claude цялата задача, нараства от 27% на 39%, а при бизнес употребата чрез програмния интерфейс (API) 77% от случаите следват модел на автоматизация^[82]. В проучване от април 2026 г. сред около 9700 потребители, чиито отговори са свързани с данните за употребата им, 10% оценяват загубата на собствената си работа като вероятна или много вероятна, а повече се тревожат за по-младите си колеги; самата компания подчертава, че извадката не е представителна за населението^[83].

В независимо проучване на Pew Research Center, публикувано на 25 февруари 2025 г., 52% от американските работници се тревожат за бъдещото въздействие на ИИ на работното място, 32% очакват той да им донесе по-малко възможности за работа в дългосрочен план, а 16% казват, че поне част от работата им вече се върши с ИИ^[84].

Макроикономиката: растеж, производителност и разпределение

Икономистът Дарон Аджемоглу в работата си „The Simple Macroeconomics of AI“ (2024) прилага задачов модел и теоремата на Хултен: докато ефектите на ИИ се дължат на спестяване на разходи на ниво задача, общият ефект зависи от дела на засегнатите задачи и от средното спестяване^[85]. Така той стига до нетривиални, но скромни ефекти — не повече от 0,66% ръст на общата факторна производителност за десет години, а след корекция за по-трудните за усвояване задачи — под 0,53%^[85]. Аджемоглу показва още, че дори когато ИИ повишава производителността на нискоквалифицираните в някои задачи, неравенството може да се увеличи, и прогнозира разширяване на разликата между доходите от капитал и от труд^[85].

По-оптимистична е Goldman Sachs, която очаква растежът на производителността да се ускори с 1,5 процентни пункта за десет години^[38]. Anthropic екстраполира от собствените си данни ръст на производителността на труда в САЩ от 1,8% годишно^[63]. Моделът на Penn Wharton е по-предпазлив: ИИ ще повиши производителността и БВП с 1,5% до 2035 г., с близо 3% до 2055 г. и с 3,7% до 2075 г., като тласъкът към годишния растеж е най-силен в началото на 30-те години и после отслабва^[86]. В анкета сред икономисти, обобщена от Езра Карджър и съавтори (2026), медианното очакване при сценарий на умерено внедряване е годишен ръст на производителността на труда в САЩ от 2,5% през втората половина на десетилетието, срещу 1,8% средно за 2015–2025 г.^[87]

В сценарии за преход към общ изкуствен интелект Антон Коринек и Донгхюн Су показват, че заплатите зависят от надпреварата между автоматизацията и натрупването на капитал: ако автоматизацията е достатъчно бавна, за хората винаги ще има работа и заплатите могат да растат безкрайно, но ако се стигне до пълна автоматизация, те се сриват, а спад е възможен и по-рано, ако мащабната автоматизация изпревари натрупването на капитал^[89].

МВФ предупреждава, че ако ИИ силно допълва работниците с високи доходи, той може непропорционално да увеличи трудовите им доходи, а печалбите в производителността на фирмите, които го внедряват, вероятно ще повишат възвръщаемостта на капитала, което също облагодетелства хората с високи доходи^[90]. Между държавите рискът е друг: страните с ниски доходи нямат инфраструктурата и квалифицираната работна сила, за да се възползват от ИИ, и с времето технологията може да задълбочи неравенството между държавите^[91]. Широкият диапазон от очаквания стои и зад дебата за балон около изкуствения интелект: Бюджетната лаборатория на Йейл подчертава, че обхватът на възможните резултати е много широк заради несигурността както за темпа на техническия напредък, така и за внедряването в бизнеса^[88].

Политики и институции

Преквалификацията е най-популярната мярка за смекчаване на сътресенията от ИИ^[92]. Мета-анализ на Дейвид Кард, Йохен Клуве и Андреа Вебер, обобщаващ над 200 оценки на активни политики на пазара на труда, установява, че средните ефекти са близки до нула в краткосрочен план и стават по-положителни две-три години след програмата, с по-големи ползи от програмите за натрупване на човешки капитал^[93]. Преглед, публикуван от Anthropic и написан от независимия изследовател Дейвид Рудман и икономиста на компанията Максим Масенкоф, обобщава 56 рандомизирани изследвания в САЩ: на всеки човек, на когото е предложено място в обучение, заетостта нараства с два-три процентни пункта, а доходите — с около 1000 долара годишно, при разход от около 13 000 долара^[92]. Авторите заключават, че ако ИИ измести работници в голям мащаб, съществуващите програми за преквалификация вероятно няма да са достатъчни^[92].

Законът на ЕС за изкуствения интелект определя като високорискови системите с ИИ за подбор на персонал — за насочени обяви за работа, анализ и филтриране на кандидатури и оценка на кандидати — и системите за решения относно условията на труд, повишаването и прекратяването на договори, разпределянето на задачи според поведението или личните черти и наблюдението и оценката на работниците^[94]. Високорискови са и системите, с които публичните органи оценяват правото на хората на обществени помощи и услуги — област, в която попадат и спорни системи като алгоритъма на австрийското бюро по труда AMS и профилирането на безработните в Полша^[95]. Работодателите, които внедряват високорискова система на работното място, трябва да информират представителите на работниците и засегнатите работници^[96]. Сред забранените практики е използването на ИИ за разпознаване на емоциите на хората на работното място и в образователните институции, освен по медицински причини или такива, свързани с безопасността^[97].

След временно споразумение от 7 май 2026 г. пакетът за опростяване „Цифров омнибус“ отлага изискванията за високорисковите системи, включително в заетостта, от 2 август 2026 г. до 2 декември 2027 г., а Съветът дава окончателното си одобрение на 29 юни 2026 г.^[98] Отлагането не означава отмяна на правилата^[98].

Директивата (ЕС) 2024/2831 от 23 октомври 2024 г. подобрява условията на труд при работата чрез цифрови платформи^[99]. Европейският парламент я одобрява на 24 април 2024 г. с 554 гласа „за“, 56 „против“ и 24 въздържали се, а държавите членки имат две години да я въведат в националното си право; по анализ на Европейската комисия от 2021 г. в ЕС действат над 500 платформи с над 28 милиона работещи, чийто брой се очаква да достигне 43 милиона през 2025 г.^[102] Директивата въвежда оборима презумпция за трудово правоотношение, като тежестта да докаже, че такова няма, пада върху платформата, и за първи път в ЕС урежда използването на алгоритми на работното място: работещите не могат да бъдат уволнени въз основа на решение на алгоритъм или автоматизирана система, а важните решения изискват човешки надзор^[101]. В самия текст се посочва, че автоматизираните системи за наблюдение и вземане на решения все по-често заместват функции на мениджърите — разпределяне на задачи, ценообразуване, графици, инструкции и оценка на работата^[100].

Алгоритмичното управление — използването на софтуер, включително ИИ, за пълна или частична автоматизация на задачи, вършени традиционно от мениджъри — вече е широко разпространено: проучване на ОИСР сред над 6000 фирми във Франция, Германия, Италия, Япония, Испания и САЩ показва, че такива инструменти се използват често в повечето от изследваните страни^[103]. Мениджърите смятат, че те често подобряват качеството на решенията им, но изразяват тревоги за неясната отговорност, трудно проследимата логика на инструментите и недостатъчната защита на здравето на работниците^[103]. В САЩ нюйоркският местен закон 144 от 2021 г. забранява на работодателите да използват автоматизирани инструменти за решения при наемане, ако не са преминали одит за пристрастия в рамките на една година преди употребата, и изисква информацията от одита да е публична^[104].

Синдикатите се оказват един от първите канали за договаряне на правила за ИИ: от 2 май до 27 септември 2023 г. стачкуват членовете на Гилдията на сценаристите на Америка (WGA), която представлява 11 500 сценаристи, и стачката продължава 148 дни, като сред исканията е ограничаването на ИИ в писането; в крайна сметка гилдията постига правила, които забраняват използването на материалите на сценаристите за обучение на модели и опитите чрез ИИ да се намалят сценаристите или заплащането им^[105]. Според резюмето на гилдията ИИ не може да пише или преработва литературен материал, а генерираното от ИИ не се смята за изходен материал и не може да се използва срещу авторството и правата на сценариста^[106]. Актьорският синдикат SAG-AFTRA стачкува от 14 юли до 9 ноември 2023 г., като това е най-дългата стачка на актьори срещу филмовите и телевизионните студия в историята на Холивуд, а сред причините са опасенията, че ИИ може да се използва за възпроизвеждане на образа им без заплащане^[107]. Изпълнителите във видеоигрите стачкуват от 26 юли 2024 г. до 9 юли 2025 г., главно за защита срещу обучаването на ИИ да възпроизвежда гласа им или да създава цифрови копия на образа им без съгласие и справедливо заплащане^[108].

Безусловният базов доход се обсъжда като отговор на възможната технологична безработица, тъй като един от основните доводи за него е, че автоматизацията и роботизацията могат да доведат до свят с по-малко платени работни места^[109]. Идеята е отхвърлена със 77% срещу 23% на референдума в Швейцария през 2016 г.^[110] Най-голямото скорошно изпитване е инициирано от изпълнителния директор на OpenAI Сам Олтман, който още през 2016 г. предлага да го финансира: в продължение на три години 1000 души с ниски доходи в Илинойс и Тексас получават по 1000 долара месечно, а контролна група от 2000 души — по 50 долара^[111]. Според резултатите плащанията намаляват участието в работната сила с 4,2 процентни пункта и работното време с 1–2 часа седмично, без измеримо подобрение в качеството на заетостта^[112].

България

По данни на Националния статистически институт (НСИ) през 2025 г. технологии с ИИ използват 8,5% от нефинансовите предприятия с 10 и повече заети, с 2,0 процентни пункта повече от предходната година^[113]. Най-разпространени са сред фирмите с 250 и повече заети (26,2%) и в сектора „Създаване и разпространение на информация и творчески продукти; далекосъобщения“ (42,0%), следван от професионалните дейности и научните изследвания (26,4%)^[114]. По сравнимите данни на Евростат делът расте от 3,62% през 2023 г. и 6,47% през 2024 г. до 8,55% през 2025 г., но остава сред най-ниските в ЕС: по-нисък е само в Румъния (5,2%) и Полша (8,4%), докато в Дания, Финландия и Швеция достига съответно 42%, 37,8% и 35%^[15]. Средно в ЕС делът нараства с 6,5 процентни пункта спрямо 13,5% през 2024 г.^[15]

Сред хората разликата е подобна: през 2025 г. генеративни инструменти с ИИ използват 22,5% от българите на възраст 16–74 години при 32,7% средно за ЕС, като Румъния (17,8%) и Италия (19,9%) също са в дъното на класацията^[116]. Средно в ЕС такива инструменти за работни задачи използват 15,1% от хората^[116]. Сред младите на 16–24 години делът в България е 50% при 63,8% средно за ЕС, като по-нисък е само в Румъния (44,1%), Италия (47,2%) и Полша (49,3%)^[117].

Цифровите умения остават пречка: делът на хората с поне основни цифрови умения расте от 35,5% през 2023 г.^[118] до 38,3% през 2025 г., но заедно с Румъния (31,8%) България е далеч зад водещите Нидерландия (84%), Ирландия (83%), Дания и Финландия (81%), при цел на ЕС от 80% до 2030 г.^[120] Европейската комисия отбелязва, че участието на възрастните в обучение в България е тревожно ниско и намалява, а специалистите по информационни и комуникационни технологии (ИКТ) са 4,6% от заетите при цел на ЕС от около 10%^[118]. Като положителна стъпка Комисията посочва създаването на „фабрика за ИИ“ в „София Тех Парк“^[119].

Сред предприятията в ЕС, които са обмисляли използването на ИИ, но не са го внедрили, 70,31% посочват липса на експертиза, 53,61% — неясни правни последици, 52,72% — опасения за защитата на данните, а само 17,79% — че технологията не им е полезна; в България обаче изобщо са обмисляли ИИ едва 4,89% от предприятията при 11,1% в ЕС, сочи анализ на Съвета по ИИ към Българската търговско-промишлена палата на данни на Евростат за 2025 г.^[121]

Структурата на заетостта също влияе на изложеността: по данни на НСИ едва 44,8% от заетите в предприятията разполагат с достъп до интернет — 92,5% в информационните дейности и далекосъобщенията и 28,9% в строителството^[115]. МВФ очаква развитите икономики да усетят ползите и рисковете на ИИ по-рано от развиващите се, главно заради структура на заетостта, съсредоточена в когнитивно интензивни роли^[36]. По-изложен в България е секторът на аутсорсинга и високотехнологичните услуги: по данни на браншовата асоциация AIBEST през 2024 г. в него работят 105 436 души (в еквивалент на пълно работно време), което означава застой с годишен ръст от едва 0,2%, а ИКТ секторът дава 9,6% от брутната добавена стойност на страната^[122]. Най-голям дял от пазара на сектора (43,3% през 2024 г.) има аутсорсингът на бизнес процеси, следван от аутсорсинга на информационни технологии (38,7%)^[123]. Сред професиите с най-висок риск от изместване от ИИ Goldman Sachs посочва програмистите, счетоводителите и одиторите, юридическите и административните асистенти и служителите в обслужването на клиенти^[42].

Установено, спорно и прогнози

Установено е, че генеративният ИИ се разпространява бързо — на работното място толкова бързо, колкото персоналният компютър, а като цяло по-бързо от компютрите и интернет^[62]. Установено е и че ефектите върху производителността силно зависят от задачата и от работника и че извън „назъбената граница“ ИИ може дори да влоши резултатите^[50]. Засега измерванията на целия пазар на труда в САЩ^[7] и в Дания не показват значимо въздействие върху общата заетост и заплатите^[8].

Спорно е доколко спадът в заетостта на младите в изложените професии се дължи на ИИ: станфордските данни сочат такава връзка, но самите им автори отбелязват, че моделът отслабва при контрол за образованието^[13]. Изследването на Нюйоркската федерална резервна банка отдава по-голямата част от проблемите на младите висшисти на дистанционната работа^[69]. Спорни са и обявените съкращения „заради ИИ“, които може да прикриват други причини^[80].

Най-несигурни остават прогнозите, а част от най-острите идват от ръководители на самите компании: Амодей, който сам разработва технологията, за чиито последици предупреждава, говори за безработица от 10–20% в рамките на една до пет години^[4]. Goldman Sachs, напротив, остава скептична, че ИИ ще доведе до големи съкращения през следващото десетилетие^[41]. Изследванията на прехода към общ ИИ допускат както неограничен ръст на заплатите, така и техния срив в зависимост от скоростта на автоматизацията^[89]. Дори изследванията, които засега не откриват ефект, предупреждават, че това може да се промени бързо^[68].

Доказателства към твърденията

1. What We Do and Don't Know About How AI is Affecting the Labor Market
   The Budget Lab at Yale · 2026-05-07
   Отвори източника
2. AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity.
   IMF Blog (Кристалина Георгиева) · 2024-01-14
   Отвори източника
3. Behind the Curtain: A white-collar bloodbath
   Axios · 2025-05-28
   Отвори източника
4. Behind the Curtain: A white-collar bloodbath
   Axios · 2025-05-28
   Отвори източника
5. Generative AI at Work
   NBER · 2023-04
   Отвори източника
6. Generative AI at Work
   NBER · 2023-04
   Отвори източника
7. Tracking the Impact of AI on the Labor Market
   The Budget Lab at Yale · 2026-10-14
   Отвори източника
8. Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI
   NBER · 2025
   Отвори източника
9. Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI
   NBER · 2025
   Отвори източника
10. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (August 2026)
    Stanford Digital Economy Lab · 2026-08
    Отвори източника
11. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (August 2026)
    Stanford Digital Economy Lab · 2026-08
    Отвори източника
12. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (August 2026)
    Stanford Digital Economy Lab · 2026-08
    Отвори източника
13. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (August 2026)
    Stanford Digital Economy Lab · 2026-08
    Отвори източника
14. No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%
    Stanford Digital Economy Lab · 2026-08-12
    Отвори източника
15. 8.55% of Bulgarian Enterprises with 10 or More Employees Use AI in 2025
    БТА (по данни на Евростат) · 2025-12-11
    Отвори източника
16. Labor Market AI Exposure: What Do We Know?
    The Budget Lab at Yale · 2026-02-19
    Отвори източника
17. Labor Market AI Exposure: What Do We Know?
    The Budget Lab at Yale · 2026-02-19
    Отвори източника
18. Labor Market AI Exposure: What Do We Know?
    The Budget Lab at Yale · 2026-02-19
    Отвори източника
19. The Anthropic Economic Index
    Anthropic (данни на самата компания) · 2025-02-10
    Отвори източника
20. Generative AI could raise global GDP by 7%
    Goldman Sachs · 2023-04
    Отвори източника
21. Generative AI and Jobs: A global analysis of potential effects on job quantity and quality
    International Labour Organization · 2023
    Отвори източника
22. Technological unemployment
    Wikipedia
    Отвори източника
23. Technological unemployment
    Wikipedia
    Отвори източника
24. Economic Possibilities for our Grandchildren (1930)
    John Maynard Keynes (текст в сайта на Йейлския университет) · 1930
    Отвори източника
25. Why Are There Still So Many Jobs? The History and Future of Workplace Automation
    Journal of Economic Perspectives (American Economic Association) · 2015
    Отвори източника
26. The Skill Content of Recent Technological Change: An Empirical Exploration
    NBER · 2001-06
    Отвори източника
27. Automation and New Tasks: How Technology Displaces and Reinstates Labor
    Journal of Economic Perspectives (American Economic Association) · 2019
    Отвори източника
28. Robots and Jobs: Evidence from US Labor Markets
    NBER · 2017-03
    Отвори източника
29. New Frontiers: The Origins and Content of New Work, 1940–2018
    NBER · 2022-08
    Отвори източника
30. Generative AI could raise global GDP by 7%
    Goldman Sachs · 2023-04
    Отвори източника
31. The Future of Employment: How Susceptible Are Jobs to Computerisation?
    Oxford Martin School, Оксфордски университет · 2013-09-17
    Отвори източника
32. The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis
    OECD Social, Employment and Migration Working Papers (RePEc) · 2016
    Отвори източника
33. GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
    arXiv · 2023-03-17
    Отвори източника
34. Generative AI, the American worker, and the future of work
    Brookings Institution · 2024-10-10
    Отвори източника
35. AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity.
    IMF Blog (Кристалина Георгиева) · 2024-01-14
    Отвори източника
36. Gen-AI: Artificial Intelligence and the Future of Work
    IMF Staff Discussion Note · 2024-01-14
    Отвори източника
37. Generative AI and Jobs: A Refined Global Index of Occupational Exposure
    International Labour Organization · 2025-05
    Отвори източника
38. Generative AI could raise global GDP by 7%
    Goldman Sachs · 2023-04
    Отвори източника
39. Generative AI could raise global GDP by 7%
    Goldman Sachs · 2023-04
    Отвори източника
40. How Will AI Affect the Global Workforce?
    Goldman Sachs · 2025
    Отвори източника
41. How Will AI Affect the Global Workforce?
    Goldman Sachs · 2025
    Отвори източника
42. How Will AI Affect the Global Workforce?
    Goldman Sachs · 2025
    Отвори източника
43. Agents, robots, and us: Skill partnerships in the age of AI
    McKinsey Global Institute · 2025-11
    Отвори източника
44. Future of Jobs Report 2025: 78 Million New Job Opportunities by 2030 but Urgent Upskilling Needed to Prepare Workforces
    World Economic Forum · 2025-01-08
    Отвори източника
45. Working with AI: Measuring the Applicability of Generative AI to Occupations
    arXiv (изследване по данни на Microsoft Bing Copilot) · 2025-07
    Отвори източника
46. Labor market impacts of AI: A new measure and early evidence
    Anthropic (данни на самата компания) · 2026-03-05
    Отвори източника
47. Labor market impacts of AI: A new measure and early evidence
    Anthropic (данни на самата компания) · 2026-03-05
    Отвори източника
48. Labor market impacts of AI: A new measure and early evidence
    Anthropic (данни на самата компания) · 2026-03-05
    Отвори източника
49. Study finds ChatGPT boosts worker productivity for some writing tasks
    MIT News · 2023-07-14
    Отвори източника
50. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality
    Harvard Business School (работен документ) · 2023-09
    Отвори източника
51. The Impact of AI on Developer Productivity: Evidence from GitHub Copilot
    arXiv · 2023-02
    Отвори източника
52. The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers
    MIT (работен документ; съавтори от Microsoft) · 2025-02
    Отвори източника
53. How generative AI affects highly skilled workers
    MIT Sloan School of Management · 2024-11-04
    Отвори източника
54. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
    arXiv (METR) · 2025-07
    Отвори източника
55. Uplift update: new data on the productivity impact of late-2025 AI tools
    METR · 2026-02-24
    Отвори източника
56. AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity.
    IMF Blog (Кристалина Георгиева) · 2024-01-14
    Отвори източника
57. Gen AI experiment shows mixed results in helping small businesses grow
    Berkeley Haas · 2024-04-01
    Отвори източника
58. Gen AI experiment shows mixed results in helping small businesses grow
    Berkeley Haas · 2024-04-01
    Отвори източника
59. The Uneven Impact of Generative AI on Entrepreneurial Performance
    Harvard Kennedy School, Center for International Development
    Отвори източника
60. Agentic coding and persistent returns to expertise
    Anthropic (данни на самата компания) · 2026-06-16
    Отвори източника
61. Assuring an accurate research record
    MIT Department of Economics · 2025-05-16
    Отвори източника
62. The Rapid Adoption of Generative AI
    NBER · 2024-09
    Отвори източника
63. Estimating AI productivity gains from Claude conversations
    Anthropic (данни на самата компания) · 2025-11-25
    Отвори източника
64. Evaluating the Impact of AI on the Labor Market: Current State of Affairs
    The Budget Lab at Yale · 2025-10-01
    Отвори източника
65. Evaluating the Impact of AI on the Labor Market: Current State of Affairs
    The Budget Lab at Yale · 2025-10-01
    Отвори източника
66. What We Do and Don't Know About How AI is Affecting the Labor Market
    The Budget Lab at Yale · 2026-05-07
    Отвори източника
67. What We Do and Don't Know About How AI is Affecting the Labor Market
    The Budget Lab at Yale · 2026-05-07
    Отвори източника
68. What We Do and Don't Know About How AI is Affecting the Labor Market
    The Budget Lab at Yale · 2026-05-07
    Отвори източника
69. Remote work — not AI — has sidelined recent college graduates, research finds
    NPR (препечатка в Michigan Public) · 2026-06-01
    Отвори източника
70. Remote work — not AI — has sidelined recent college graduates, research finds
    NPR (препечатка в Michigan Public) · 2026-06-01
    Отвори източника
71. Labor market impacts of AI: A new measure and early evidence
    Anthropic (данни на самата компания) · 2026-03-05
    Отвори източника
72. Labor market impacts of AI: A new measure and early evidence
    Anthropic (данни на самата компания) · 2026-03-05
    Отвори източника
73. Bridging Skill Gaps for the Future: New Jobs Creation in the AI Age
    IMF Staff Discussion Note · 2026-01-14
    Отвори източника
74. New Skills and AI Are Reshaping the Future of Work
    IMF Blog · 2026-01-14
    Отвори източника
75. New Skills and AI Are Reshaping the Future of Work
    IMF Blog · 2026-01-14
    Отвори източника
76. New Skills and AI Are Reshaping the Future of Work
    IMF Blog · 2026-01-14
    Отвори източника
77. Challenger Report: September 2026
    Challenger, Gray & Christmas · 2026-10
    Отвори източника
78. Challenger Report: September 2026
    Challenger, Gray & Christmas · 2026-10
    Отвори източника
79. AI named top reason for job cuts for second straight month: analysis
    The Hill · 2026-05
    Отвори източника
80. If AI is roiling the job market, the data isn't showing it, Yale Budget Lab report says
    Fortune · 2026-02-02
    Отвори източника
81. The Anthropic Economic Index
    Anthropic (данни на самата компания) · 2025-02-10
    Отвори източника
82. Anthropic Economic Index report (September 2025)
    Anthropic (данни на самата компания) · 2025-09-15
    Отвори източника
83. Anthropic Economic Index report: Cadences
    Anthropic (данни на самата компания) · 2026-06-26
    Отвори източника
84. U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace
    Pew Research Center · 2025-02-25
    Отвори източника
85. The Simple Macroeconomics of AI
    NBER · 2024-05
    Отвори източника
86. The Projected Impact of Generative AI on Future Productivity Growth
    Penn Wharton Budget Model · 2025-09-08
    Отвори източника
87. What Might AI Adoption Mean for the Fiscal and Economic Outlook?
    The Budget Lab at Yale · 2026-05-06
    Отвори източника
88. What Might AI Adoption Mean for the Fiscal and Economic Outlook?
    The Budget Lab at Yale · 2026-05-06
    Отвори източника
89. Scenarios for the Transition to AGI
    NBER · 2024-03
    Отвори източника
90. AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity.
    IMF Blog (Кристалина Георгиева) · 2024-01-14
    Отвори източника
91. AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity.
    IMF Blog (Кристалина Георгиева) · 2024-01-14
    Отвори източника
92. Reviewing the evidence on worker retraining programs
    Anthropic (публикация на компанията, съавтор независим изследовател) · 2026-08-12
    Отвори източника
93. What Works? A Meta Analysis of Recent Active Labor Market Program Evaluations
    NBER · 2015-07
    Отвори източника
94. EU AI Act, Annex III: High-Risk AI Systems Referred to in Article 6(2)
    artificialintelligenceact.eu (текст на Регламент (ЕС) 2024/1689) · 2024
    Отвори източника
95. EU AI Act, Annex III: High-Risk AI Systems Referred to in Article 6(2)
    artificialintelligenceact.eu (текст на Регламент (ЕС) 2024/1689) · 2024
    Отвори източника
96. EU AI Act, Article 26: Obligations of Deployers of High-Risk AI Systems
    artificialintelligenceact.eu (текст на Регламент (ЕС) 2024/1689) · 2024
    Отвори източника
97. EU AI Act, Article 5: Prohibited AI Practices
    artificialintelligenceact.eu (текст на Регламент (ЕС) 2024/1689) · 2024
    Отвори източника
98. EU Nears Approval of Agreement to Delay Rules for AI Use in Employment Decisions
    Ogletree Deakins · 2026-06-16
    Отвори източника
99. Directive (EU) 2024/2831 of the European Parliament and of the Council of 23 October 2024 on improving working conditions in platform work
    EUR-Lex · 2024-10-23
    Отвори източника
100. Directive (EU) 2024/2831 of the European Parliament and of the Council of 23 October 2024 on improving working conditions in platform work
     EUR-Lex · 2024-10-23
     Отвори източника
101. Parliament adopts Platform Work Directive
     European Parliament · 2024-04-24
     Отвори източника
102. Parliament adopts Platform Work Directive
     European Parliament · 2024-04-24
     Отвори източника
103. Algorithmic management in the workplace
     OECD.AI · 2025
     Отвори източника
104. Automated Employment Decision Tools (AEDT)
     NYC Department of Consumer and Worker Protection
     Отвори източника
105. 2023 Writers Guild of America strike
     Wikipedia
     Отвори източника
106. Summary of the 2023 WGA MBA
     Writers Guild of America · 2023
     Отвори източника
107. 2023 SAG-AFTRA strike
     Wikipedia
     Отвори източника
108. 2024–2025 SAG-AFTRA video game strike
     Wikipedia
     Отвори източника
109. Universal basic income
     Wikipedia
     Отвори източника
110. Universal basic income
     Wikipedia
     Отвори източника
111. As new tech threatens jobs, Silicon Valley promotes no-strings cash aid
     NPR (препечатка в OPB) · 2024-07-22
     Отвори източника
112. The Employment Effects of a Guaranteed Income: Experimental Evidence from Two U.S. States
     NBER · 2024-07
     Отвори източника
113. Използване на информационни и комуникационни технологии в предприятията - 2025 година
     Национален статистически институт · 2025
     Отвори източника
114. Използване на информационни и комуникационни технологии в предприятията - 2025 година
     Национален статистически институт · 2025
     Отвори източника
115. Използване на информационни и комуникационни технологии в предприятията - 2025 година
     Национален статистически институт · 2025
     Отвори източника
116. 22.5% of Bulgarians Use Generative AI, Down from 32.7% EU-Wide
     БТА (по данни на Евростат) · 2025-12-16
     Отвори източника
117. Half of 16-to-24-Year-Olds in Bulgaria Use Generative AI Tools - Eurostat
     БТА (по данни на Евростат) · 2026
     Отвори източника
118. State of the Digital Decade 2025, Annex 4: Bulgaria Short Country Report
     Европейска комисия (документ на Съвета на ЕС) · 2025
     Отвори източника
119. State of the Digital Decade 2025, Annex 4: Bulgaria Short Country Report
     Европейска комисия (документ на Съвета на ЕС) · 2025
     Отвори източника
120. Bulgaria, Romania lag EU peers on digital skills, Eurostat data shows
     bne IntelliNews (по данни на Евростат) · 2026-04-28
     Отвори източника
121. Why companies that considered AI decided against it
     Съвет по ИИ към Българската търговско-промишлена палата (по данни на Евростат) · 2026
     Отвори източника
122. Bulgaria Remains Leading Destination for High-Tech Services - AIBEST Annual Report
     Infobusiness, Българска търговско-промишлена палата · 2025-12-19
     Отвори източника
123. Bulgaria Remains Leading Destination for High-Tech Services - AIBEST Annual Report
     Infobusiness, Българска търговско-промишлена палата · 2025-12-19
     Отвори източника