Многопроходная проверка 95 утверждений с разнесением data / observed / reported / projected / claimed. Approximate pass rate: 91%.
Дата проверки: 2026-07-23Релевантность данных: 2026-07Версия: 2.5Сергей Гордейчикteletypetelegramgithubтег #profgamesМашиночитаемый источник: factcheck.json
v2.5 · 2026-07-23 · July 2026 update after a post-March search: Challenger AI-cited layoff tracker, Gallup workplace adoption, Anthropic Economic Index survey/cadences, OECD skills and education governance papers, Claude for Teachers, GenAI.mil institutional adoption, arXiv career-exposure preprint and finance apprenticeship-pressure reporting.v2.4 · 2026-06-16 · Second labor/education/governance update: Anthropic coding-skill RCT, NBER firm data, Harvard seniority-biased GenAI working paper, Berkeley/Science undergrad AI-use study, Strada employer survey, VNIi Truda Russian labor-risk estimate, California AI-workforce executive order and Block AI-efficiency workforce reduction.v2.3 · 2026-06-15 · Post-March-2026 update: PwC 2026 AI Jobs Barometer, NY Fed vacancy counter-signal, Microsoft Work Trend Index 2026, Snap restructuring, education assessment governance, JAMA ambient scribe workflow evidence, EU AI Act high-risk consultation and AI-code-debt preprint.v2.2 · 2026-06-15 · Added K2 Cybersecurity / Kaspersky 2026 survey claims on Russian AI-security maturity: operational dependency, external-model control gap and MLSecOps maturity.v2.1 · 2026-05-25 · B-5 Russian IT labor update: global tech-layoff frame, Softline AI-linked optimization, Sber AI-assisted efficiency cuts, Positive Technologies quiet restructuring, junior squeeze, wage polarization and shortage-with-layoffs paradox.
Сводка
95
всего
68
подтверждено
18
частично
6
исправлений
3
не подтв.
Главные выводы
Most priority claims pass primary-source verification
Russian regulatory documents and migration figures are well-sourced via official channels (pravo.gov.ru, MVD, Mintsifry)
AI Index 2026, Anthropic Economic Index, Stanford Canaries — all robust at A/B level
Major required corrections: Teaching Council Ireland processing times (6/12 weeks not 4/8), Route 4 is special-education only not universal, AI Index marketing productivity is 50% not 72%, Russian IT profit tax is 5% not 3%, UK apprenticeship peak is 509,400 in 2015/16
Amazon -14,000 layoffs explicitly NOT AI-driven per Jassy ('it's culture'), media AI-attribution is narrative
850k registry is migration enforcement (MVD), NOT an IT cage indicator — must not be used in IT context
IBM '$250k investment in new collar' could not be verified — recommend removal
Russian IT market segmentation (bigtech/state/midmarket %) lacks public methodological source
B-pack added (v2.0): 17 new claims across 5 biographies (Ireland, Germany, India-UK, China, Russia-IT)
Strong evidence base for German engineer (B-2): EU AI Act + ProdHaftG-E (Sep 2025) + AILD withdrawal + 6 O 151/23 precedent
Indian doctor (B-3) anchored by UK Medical Training (Prioritisation) Act 5 March 2026 — major translator restructuring under pressure
Chinese returnee (B-4): 72.2% AI-related retractions Chinese first authors (Frontiers 2025); Pangram 2025: 26% Chinese institutional papers contain AI fragments — structural cultural debt confirmed
Russian IT (B-5): 152-ФЗ amendment ФЗ №23-ФЗ from 28.02.2025 (effective 1.07.2025) — primary collection ban, NOT full transborder transfer ban. GitHub blocking of paid accounts in 2025 — partially verified (secondary source only)
Workslop in IT now has multiple 2025-26 surveys: Stack Overflow 84%/29% trust gap; Sonar 96%/<50% verification gap; Google DORA +10% instability; arxiv 1,154 posts qualitative analysis frames as tragedy of the commons
Cross-biographical motif: translator maintenance cost asymmetry (Ireland: state-funded; Germany: chamber-funded; UK: GMC fee + state legislation; China: state programmes + anchor companies; Russia: NO institutional owner — main vulnerability)
B-5 update (2026-05-25): Softline is the strongest local Russian analogue to Oracle — AI-linked efficiency optimization, about 800 fewer employees, while Q1 2026 turnover grew 5% YoY.
Sber provides a rare public allocator-case: AI-assisted identification of inefficient employees plus an explicit political/managerial-responsibility rebuttal from Putin.
Russian IT junior squeeze is directionally confirmed: fewer vacancies, more resumes per vacancy, stronger employer selectivity, and AI shifting the entry-level productivity bar.
Russian IT wage dynamics are polarizing: aggregate growth slowed to ~4.1% YoY while AI/ML, cybersecurity, DevOps/SRE and senior roles remain expensive.
Positive Technologies is useful as a quiet-restructuring case, but not as an AI-causality case; do not code it as AI replacement.
Global RationalFX layoff figures are useful as frame only: first six weeks / early-2026 estimate, not official labor statistics and not a January-only value.
K2/Kaspersky 2026 AI-security survey adds a Russian governance-gap signal: AI is already operationally useful, but external-model control and MLSecOps maturity lag behind adoption.
Post-March-2026 update (v2.3): PwC 2026 suggests AI-exposed sectors combine stronger productivity/wage/job-growth signals with a harder, seniorized entry gate; use as polarization, not causal proof.
NY Fed / Lightcast (May 2026) is a necessary counter-signal: vacancy data do not yet show a broad ChatGPT-driven hiring collapse or clean junior/senior divergence.
Education and assessment governance hardened in 2026: Ofqual treats coursework AI integrity as a leadership/control issue, while Cornell/Science argues for assessment redesign rather than detector-only enforcement.
Healthcare workflow signal: JAMA 2026 ambient-scribe evidence points to documentation compression and visit-volume changes, but professional verification and liability remain with clinicians.
Software-work signal: the March 2026 AI-code-debt preprint strengthens the workslop/review-burden mechanism; keep evidence level C until peer review or replication.
EU AI Act implementation is moving into high-risk classification guidance; employment, education/training and worker-management gates should be treated as regulatory translator points.
Post-March-2026 update (v2.4): Anthropic/arXiv coding-skill RCT adds direct evidence that AI-assisted task completion can impair the skill needed for oversight when users delegate unfamiliar work.
NBER w34836 is a moderation signal: 69% of firms in a four-country executive survey use AI, but nine-in-ten report no own-firm employment/productivity impact so far; executives expect larger effects over the next three years.
Harvard/SSRN seniority-biased GenAI paper strengthens the entry-gate mechanism: in adopter firms, junior employment weakens relative to senior roles, apparently through slower junior hiring.
Strada 2026 is the main counter-signal to a simple junior-collapse narrative: employers more often expect AI to increase entry-level hiring, while making entry work more analytical/judgment-heavy.
ВНИИ труда / Коммерсантъ gives a Russian white-collar exposure estimate: about 7.5% of regional employment potentially affected, with higher risks for служащие and specialists.
California Newsom EO turns AI workforce disruption into an explicit state-planning object; Block adds a clearer corporate AI-efficiency layoff narrative, but remains evidence level C.
Post-March-2026 update (v2.5): Challenger June 2026 makes AI the leading stated reason in US job-cut announcements for the fourth consecutive month: 101,743 AI-cited cuts in H1 2026, about 23% of all announced cuts.
Gallup Q1 2026 shows workplace AI use crossing a mainstream threshold in the US: 50% of employed adults use AI at least occasionally, but only 13% daily and 28% frequently.
Anthropic Economic Index survey/cadences add a perception-and-delegation layer: heavy AI users often report productivity gains and higher exposure anxiety, especially around early-career workers and junior colleagues.
OECD July 2026 turns AI skills and higher-education governance into system-level policy objects; OECD/EC June 2026 frames AI literacy as a general K-12 competence.
Claude for Teachers and GenAI.mil show institutional platformization: AI moves into teacher workflow and public-sector work infrastructure, not just individual ad hoc use.
Finance now has a strong apprenticeship-pressure signal: Bloomberg/Fortune report junior analyst intake compression and targeted AI use cases in banking, but evidence remains press/industry narrative rather than administrative outcomes.
The July 2026 career-choice preprint is a useful “AI-un-exposed” routing counterpoint: lower exposure can coexist with high wages in healthcare practice and complement-heavy roles.
Статус:
Уровень:
География:
Pass:
Russian IT sector — full inventory
full inventory with fallback to priority verification
ru-01
Постановление Правительства РФ №1949 (28.11.2025)
частичноArussia2025-11-28; в силе с 2026-01-01
Исходное утверждение
Для аккредитованных IT-компаний с выручкой >1 млрд ₽ и штатом >100 — обязанность инвестировать ≥3% сэкономленных на льготах средств в вузовское IT-образование (соглашения с вузами).
Оговорки
Конкретные пороги ">1 млрд ₽ и >100 чел." в открытом тексте постановления как численные триггеры не подтверждаются — упомянуты в TAdviser/комментариях как одна из обсуждавшихся редакций
Формулировка '3% сэкономленного' — это максимум до 3% от налоговой экономии (по страховым взносам и пониженной ставке налога на прибыль), направляемых через соглашения с вузами
Параметры уточнялись подзаконно в апреле 2026 г. (приказ Минцифры о перечне ИТ-профессий)
Исправления
Заменить точные пороги на 'крупные ИТ-компании с долей IT-выручки и значительным размером'
Уточнить: 'до ~3% от налоговой экономии', не '≥3% сэкономленных'
Рекомендуемая формулировка для публикации
Согласно Постановлению Правительства РФ от 28.11.2025 №1949 (в силе с 01.01.2026), крупные аккредитованные ИТ-компании обязаны заключать соглашения с вузами и направлять до ~3% от полученной налоговой экономии на содействие ИТ-образованию. Точные количественные пороги уточнены подзаконно в апреле 2026 г.
Требования: выручка ≥30%, ОКВЭД 62/63, з/п не ниже средней по региону.
Оговорки
30% — порог для аккредитации; 70% — порог применения IT-льгот по страховым взносам/налогу на прибыль (п.1.15 ст.284 НК РФ)
Доля российского участия >50% — введено №1949 без возможности обхода через 50%-выручку
Рекомендуемая формулировка для публикации
Воспроизводить точно: 30% доля IT-выручки для аккредитации, 70% — для применения налоговых льгот; ОКВЭД 62/63; зарплата не ниже средней по региону или РФ.
Налог на прибыль 5% федеральный + 0% региональный → переход на 3% с 2026; страховые взносы двухступенчатые 15%/7,6% с порогом по ЕПВБ ≈2,979 млн ₽; IT-ипотека 6%, до 9 млн ₽ базовый лимит.
Оговорки
Утверждение '3% налог на прибыль с 2026' НЕ подтверждается — корректная ставка 5% сохраняется до 2030 г.
Возможна путаница с '3% от налоговой экономии на образование' (см. ru-01)
ЕПВБ 2,979 млн ₽ на 2026 — увеличена на 8% относительно 2025 г.
Запрет совмещения льгот 'Сколково' и IT-аккредитации введён
Исправления
ИСПРАВИТЬ: 5% налог на прибыль (5% федеральный + 0% региональный), а не 3%
Страховые взносы: до 2025 был единый 7.6%; с 2026 — двухступенчатая шкала 15% в пределах ЕПВБ, 7.6% сверх
Рекомендуемая формулировка для публикации
5% налог на прибыль до 2030 г.; страховые взносы — 15% / 7,6% относительно ЕПВБ ~2,979 млн ₽ (де-факто двукратное повышение нагрузки); IT-ипотека 6%, базовый лимит 9 млн ₽.
Общее число IT-вакансий: 505 тыс. (vs 680 тыс. в 2024) — снижение ~26%; hh-индекс в IT 16,1 vs 8,2 годом ранее; junior-вакансии −30…−50% YoY; вакансии с AI на Авито Работа выросли почти вдвое; бэкенд медиана ~244 тыс. ₽; Go ~309 тыс.; Java ~268 тыс.; ML/DS +5–10% за полгода.
Оговорки
hh-индекс IT 16,1 в Q3 2025 vs 8,2 годом ранее — VERIFIED через SENSE IT
Среднегодовой hh-индекс по экономике в 2025 = 6 (Forbes)
Сокращение IT-вакансий ~28-35% YoY в Q3 2025 — VERIFIED
'505 тыс. vs 680 тыс. — −26%' как абсолютные цифры точно не верифицированы; данные hh.ru показывают −25-28% YoY по белым воротничкам
Конкретные цифры 'Go ~309 тыс., Java ~268 тыс.' — близко к данным SENSE, но точное соответствие зависит от грейда
'Junior −30...−50%' — anecdotal corporate quotes, не systematic data
Исправления
Использовать цифры hh.ru/SENSE с явным указанием грейда и квартала
Рекомендуемая формулировка для публикации
По данным hh.ru и SENSE IT, в Q3 2025 hh-индекс в IT достиг 16,1 (vs 8,2 годом ранее, общерыночный = 8). IT-вакансии в 2025 сократились ориентировочно на четверть-треть YoY. Медианы Q3 2025 (SENSE): Backend senior ~244 тыс. ₽, Java middle ~250 тыс. ₽; рост зарплат ИБ-архитекторов и продуктовых аналитиков. ML/DS — единственный сегмент с сохраняющимся ростом.
Чистая нетто-эмиграция 80–100 тыс. IT-профи; Москва — 60% потока.
Оговорки
Шадаев в декабре 2022 называл 100 тыс. IT-эмигрантов
The Bell на июль 2024 — общая чистая эмиграция ≥650 тыс., IT-компонент 80-100 тыс.
Прямой публичный отчёт RANEPA с '60% Москва' в открытом доступе отсутствует — secondary source
Рекомендуемая формулировка для публикации
По оценкам Шадаева (декабрь 2022) и независимых исследований, за 2022 г. РФ покинули порядка 100 тыс. IT-специалистов; чистая нетто-эмиграция до 2024 — порядок 80–100 тыс. (точная цифра в публичных первоисточниках МВД/Росстата отсутствует).
n≈8 600, июль–ноябрь 2024: 8% эмигрантов вернулись 2023→2024; ещё 5% планируют; 54% — рассмотрят возврат при «политических изменениях»; ~80% returnees первой волны (2022) уехали повторно к лету 2023.
Оговорки
Sample не случайный; репрезентативность ограничена IT/образованной аудиторией — авторы это явно отмечают
Кросс-проверка с RANEPA дает близкие порядки
Рекомендуемая формулировка для публикации
По OutRush wave 4 (Kamalov, Nugumanova, Sergeeva, Stanford CDDRL, n=8 600, июль-ноябрь 2024): 8% эмигрантов вернулись 2023→2024; 5% планируют возврат; 54% рассмотрят при политических изменениях; ~80% returnees первой волны (2022) уехали повторно к лету 2023. Sample IT/образованной аудитории; sample не случайный.
Прямой публичный отчёт RANEPA в открытом доступе на момент проверки не обнаружен
Все ссылки secondary через Meduza
Исправления
Помечать как 'по данным RANEPA, цитируемым Meduza' — secondary source only
Рекомендуемая формулировка для публикации
По данным RANEPA brain drain monitoring (через Meduza), ~10% эмигрантов вернулись — близко к OutRush. Прямой первоисточник RANEPA в открытом доступе отсутствует.
Дальнейшее ужесточение, селективный приём «носителей традиционных ценностей»; 152 400 foreigners получили гражданство в 2025 (vs 735 000 в 2021), −27,1% YoY; 26 700 compatriots вернулись в 2025, минимум с 2010, −16% YoY.
Оговорки
Сравнение с 2021 (735 000) корректно показывает падение в 4,8 раза, но 2021 включал упрощённую процедуру для жителей новых регионов
Цифры МВД сопоставлены с TAdviser и Коммерсант
Исправления
При использовании сравнения с 2021 явно отмечать массовое предоставление гражданства жителям ДНР/ЛНР
Рекомендуемая формулировка для публикации
Концепция миграционной политики РФ на 2026-2030 утверждена указом №738 от 15.10.2025; формулировка о 'селективном приёме носителей традиционных ценностей' — прямая. По данным МВД: 152,4 тыс. иностранцев получили гражданство в 2025 (−27,1% YoY от 209 тыс. в 2024; для сравнения с 2021 г. (735 тыс.) учесть массовое предоставление жителям новых регионов). 26,7 тыс. соотечественников вернулись в 2025 — минимум за 14 лет.
требует исправленияArussia2025-02 (запуск реестра); >850 тыс. на конец 2025
Исходное утверждение
850 тыс. реестровых с февраля 2025 — red flag для cage-индикаторов в IT.
Оговорки
Это реестр контролируемых лиц МВД для иностранцев с прекращёнными законными основаниями пребывания
Запущен 5 февраля 2025; на 1 сентября 2025 — 770 тыс., конец года — >850 тыс. нелегальных мигрантов
Ввёл режим высылки, ограничения по браку, регистрации недвижимости, банковским счетам и т.д.
К IT не относится; не является cage-индикатором для IT-специалистов
Исправления
УДАЛИТЬ или radically downgrade в IT-контексте
Использовать только в миграционно-политическом разделе с правильной контекстуализацией
Рекомендуемая формулировка для публикации
Реестр контролируемых лиц МВД РФ (введён 5.02.2025): >850 тыс. нелегальных мигрантов на конец 2025 г. Это инструмент миграционного контроля для иностранцев с прекращёнными основаниями пребывания, НЕ имеющий отношения к IT-сектору.
16+ кампусов; заявленное 100% трудоустройство; 115 тыс. заявок в Казани за 5 лет; партнёры — Сбер, Ак Барс, ICL, МТС, Wildberries, Innostage.
Оговорки
16+ кампусов: Москва (2018), Казань (2019), Новосибирск (2021), Сургут, Великий Новгород, Ярославль, Нижний Новгород, Якутск, Уфа, Липецк, Омск, Хабаровск, Ставрополье, Анадырь, Кузбасс, Белгород, Южно-Сахалинск — близко к реальности
115 тыс. заявок в Казани за 5 лет — VERIFIED
100% трудоустройство — НЕ подтверждено как точная метрика; самопровозглашённая цифра
Evening-Kazan говорит '90% выпускников остаются в Татарстане' — это другое
Исправления
Снять формулировку '100% трудоустройство' как самопровозглашённый corporate claim без независимой верификации
Рекомендуемая формулировка для публикации
Бесплатная программа Сбера для людей от 18 лет, peer-to-peer методика, 16+ кампусов в России. 115 тыс. заявок только в Казани за 5 лет. Заявленное 100% трудоустройство — корпоративный narrative, без публичной независимой верификации.
+50% потребления за квартал, 60% разработчиков используют агентский режим (Yandex B2B Tech, ноябрь 2025).
Оговорки
+50% потребления ИИ-агента за квартал (Q3 2025)
60% разработчиков используют агентский режим для генерации/рефакторинга кода; 15% — архитектура; 15% — поиск в БЗ
Лимиты увеличены в 2,5 раза до 1000 операций/неделю
Корпоративные данные Yandex B2B Tech, без независимой верификации
Рекомендуемая формулировка для публикации
По данным Yandex B2B Tech (ноябрь 2025): использование ИИ-агента SourceCraft +50% за квартал; 60% разработчиков работают в агентском режиме для генерации/рефакторинга; 15% — для архитектурных задач; 15% — для поиска информации в БЗ. Корпоративные данные Yandex.
25 000 сотрудников «цифрового бизнеса» в 2024, цель 55 000 к 2030; план +30 000 IT за 7 лет (≈4 000 в год); 1С:ERP вместо SAP: 90 тыс. пользователей, 600 серверов, 400 продуктивных баз к ноябрю 2025; план — 230 предприятий к 2027.
Оговорки
1С:ERP подтверждено: 90 тыс. пользователей, 600 серверов, 400 продуктивных баз; 150 организаций на ноябрь 2025; 160 — план на июль 2026; 230+ предприятий — план к 2027
Внутренний центр компетенций 1С — 850 сотрудников
'25 000 сотрудников цифрового бизнеса 2024', 'цель 55 000 к 2030', '+30 000 IT за 7 лет' — НЕ подтверждены в первоисточниках Росатома/Гринатома в данной выборке
Исправления
1С:ERP — VERIFIED
Цифровая занятость 25K→55K и +30K — пометить 'secondary source only, primary not located'
Рекомендуемая формулировка для публикации
Росатом/Гринатом подтверждает (ноябрь 2025): 90 тыс. пользователей систем 1С, >600 серверов, >4 тыс. тестовых баз, 400 продуктивных; 150 организаций на 1С:ERP 2.0 'Цифровой Росатом' с планом 230+ предприятий к 2027. Цифры по общей численности 'цифрового бизнеса' (25K в 2024, 55K к 2030) требуют первичной верификации в пресс-релизах Росатома.
Лига цифровой экономики и Программный продукт — выручка 2024
не подтвержденоBrussia2024
Исходное утверждение
Лига цифровой экономики — 11,8 млрд ₽ в 2024 (+15,8%); «Программный продукт» — 12 млрд ₽ (+16%).
Оговорки
Первоисточник — обычно CNews Analytics или RAEX
В данной выборке primary не обнаружен
Исправления
Помечать 'secondary source only, primary not located' до проверки в CNews Market
Рекомендуемая формулировка для публикации
По доступным отраслевым обзорам (CNews Analytics, RAEX), Лига цифровой экономики — порядок 11–12 млрд ₽ в 2024 г.; первичные финансовые отчёты компаний требуют отдельной верификации.
russia-it-vendorsmidmarketsecondary-only
ru-16
Минцифры План 2030
подтвержденоArussia2024-11 to 2024-12
Исходное утверждение
700 тыс. новых разработчиков к 2030; 125 тыс. бюджетных + 70 тыс. внебюджетных IT-абитуриентов 2024; 600 тыс. студентов в IT-направлениях.
Оговорки
700 тыс. к 2030 — projection (D), не data
Цифры по абитуриентам — administrative (A)
Средняя зарплата 185 тыс. ₽; 850 тыс. сотрудников IT-компаний — рост на 50% за 4 года
Рекомендуемая формулировка для публикации
По заявлению министра Шадаева на совещании президента с правительством (26.11.2024): целевая установка — 700 тыс. новых разработчиков к 2030 г. (projection). В 2024 г. — 125 тыс. бюджетных + 70 тыс. внебюджетных IT-абитуриентов (рост бюджетных в 2,5 раза за 4 года); 600 тыс. студентов в IT-направлениях в 500 вузах; средняя зарплата отрасли 185 тыс. ₽; 850 тыс. сотрудников IT-компаний (+50% за 4 года).
202 тыс. вакансий с обучением (vs 129 тыс. в 2024); 40% — для кандидатов без опыта.
Оговорки
Forbes цитирует hh.ru: в 2025 — 42% вакансий (4,3 млн) для начинающих специалистов без опыта (vs 40% в 2024)
Конкретная цифра '202 тыс. с обучением' в выборке точно не подтверждена; общая логика VERIFIED
Рекомендуемая формулировка для публикации
По hh.ru (через Forbes), в 2025 г. ~42% вакансий (4,3 млн) — для начинающих специалистов без опыта (рост с 40% в 2024 г.); общий рост вакансий с предложением обучения/дообучения отражает дефицитное состояние рынка.
В публичных отчётах CNews Analytics и Минцифры точная сегментация по ёмкости в таких пропорциях отсутствует
Исправления
Явно помечать 'оценочно, без официального источника'
Запросить данные у АРПП 'Отечественный софт', РУССОФТ, ВШЭ ИСИЭЗ при дальнейшем расширении проверки
Рекомендуемая формулировка для публикации
Оценочная сегментация российского IT-рынка (без официального источника, требует верификации у АРПП/РУССОФТ/ВШЭ ИСИЭЗ): бигтех ~25–30%, госсектор ~15–20%, середина ~50–60%, стартапы <5%.
AI Index 2026 + Anthropic + Canaries — targeted verification
page-level source verification
ai-19
Stanford HAI AI Index 2026 — ключевые цифры
требует исправленияAglobal2026-04
Исходное утверждение
53% population adoption за 3 года; 88% организаций; 4 из 5 студентов; productivity gains 14–26% в support/coding, до 72% в маркетинге; US private AI investment 2025 — $285,9 млрд; соотношение к Китаю 23:1; AI-исследователи в США −89% с 2017, −80% YoY.
Оговорки
53% population adoption — global aggregate; Singapore 61%, US 28.3%; для национальных диагностик малополезно
88% organizations используют AI; 70% — gen AI хотя бы в одной бизнес-функции
Productivity: 14-15% в customer support, 26% в software development, до 50% (НЕ 72%) в marketing
US private AI 2025 — $285.9 млрд; Китай $12.4 млрд; соотношение ~23:1
Caveat HAI: китайские госуд. guidance funds (~$184 млрд с 2000) занижают сравнение
AI researchers moving to US: −89% since 2017, −80% YoY 2024-25 — методология на анализе LinkedIn-перемещений и публикационных affiliations
Исправления
ИСПРАВИТЬ: до 50% в маркетинге, НЕ 72%
Уточнить методологию для AI-researchers cifры (LinkedIn + publications)
Рекомендуемая формулировка для публикации
По Stanford HAI AI Index 2026 (релиз апрель 2026): глобально GenAI достиг 53% population adoption за 3 года (быстрее ПК/Интернета); 88% организаций используют AI; 70% — GenAI хотя бы в одной бизнес-функции; productivity gains: 14–15% в customer support, 26% в software development, до 50% в marketing. US private AI investment 2025 — $285,9 млрд (Китай — $12,4 млрд, соотношение ~23:1; учесть китайские госуд. guidance funds ~$184 млрд с 2000). Net inflow AI-researchers в US упал на 89% с 2017, −80% YoY 2024-25 (методология AI Index — LinkedIn migration + publication affiliations).
На каждые +10 п.п. observed exposure прогнозы BLS на 2024–34 ниже на 0,6 п.п.; computer programmers — observed exposure 74,5%; customer service reps 70,1%; data entry keyers — top 5; массового роста безработицы пока нет, но есть слабый сигнал замедления найма 22–25.
Оговорки
Регрессия на уровне occupation, weighted by current employment
Ключевые ограничения: selection bias в Claude usage и rapidly evolving capabilities
Anthropic явно подчёркивает осторожность — это observational evidence, не causal
Рекомендуемая формулировка для публикации
По Anthropic Labour Market Impacts (март 2026, релиз 5.03): на каждые +10 п.п. observed AI exposure прогнозы BLS на 2024-34 ниже на 0,6 п.п.; computer programmers — exposure 74,5%, customer service reps — 70,1%, data entry keyers в top-5. Массового роста безработицы пока нет; есть слабый сигнал замедления найма 22-25 в exposed occupations. Это observational evidence, не causal; selection bias в Claude usage отмечен авторами.
Anthropic Economic Index — географическое распределение
подтвержденоBus2025-11 to 2026-02
Исходное утверждение
Top US states — 50% всего использования при 38% working-age population; Computer & Math задачи = 35% разговоров на Claude.ai, ~50% API-трафика.
Оговорки
'Top US states 50%' — формулировка из January 2026 (на ноябрьских данных)
В March 2026 — top-5 = 24% (от 30% в августе 2025); распределение становится более равномерным
Computer & Math = 35% на Claude.ai в феврале 2026; в API-трафике coding share выше
Исправления
Различать Claude.ai (35% Computer & Math) и API (выше доля coding)
Цифру '50% использования топ-5 штатов' относить к ноябрьскому датасету; в марте 2026 снизилась
Рекомендуемая формулировка для публикации
По Anthropic Economic Index (январь 2026, на ноябрьских 2025 данных): top-5 US штатов давали ~50% использования Claude при 38% working-age population (в марте 2026 концентрация снизилась до ~24%). Computer & Mathematical occupations = 35% разговоров на Claude.ai (февраль 2026); в API-трафике доля coding выше (~50%).
Stanford Digital Economy Lab — Canaries in the Coal Mine
подтвержденоAus2025-08 to 2025-10
Исходное утверждение
13–16% относительный спад занятости 22–25 в high-exposure professions; software developers 22–25 ~−20% с пика 2024; «−6% для 22–25 vs +6–13% для 30+».
Оговорки
13% relative decline для 22-25 в high-exposure после controls — точная формулировка
Range 6–16 п.п. в зависимости от counterfactual; Anthropic March 2026 ссылается на ~14% slowdown
Software developers 22-25: ~−20% с пика 2024 (Figure 1 в paper)
'-6% для 22-25 vs +6-13% для 30+' — это range-формулировка: 6 п.п. drop при flat counterfactual, до 16 п.п. при сравнении similar workers in same firm
High-exposure professions: software developers, customer service representatives
Augmentation vs automation distinction — критично: занятость падает там, где AI replaces, и стабильна где augments
Datasets — ADP payroll, monthly through September 2025
Исправления
Корректнее: '6–16 п.п. relative decline для 22–25 vs стабильное или растущее employment для 30+'
Рекомендуемая формулировка для публикации
По Stanford Digital Economy Lab (Brynjolfsson, Chandar, Chen «Canaries in the Coal Mine», август-октябрь 2025; ADP payroll до сентября 2025): 13–16% относительный спад занятости в 22-25 в наиболее AI-exposed occupations с конца 2022 г. при стабильном/растущем employment для 30+. Software developers 22-25: ~−20% с пика октября 2022 г. Эффект концентрируется в jobs, где AI automates, а не augments. Это causal-tier evidence (А) на ADP-микроданных.
Professional regulators + corporate narrative/data separation
narrative vs data split for each case
reg-23
Teaching Council Ireland — processing times и routes
требует исправленияAireland2025-2026
Исходное утверждение
Processing time 4 недели primary / 8 недель post-primary; Route 4 — для overseas-qualified general teachers; 4 672 ирландских учителя за рубежом, ~4% от 123 000.
Оговорки
Processing times (актуально 2025-26): 6 недель для qualified in Republic of Ireland; до 12 недель для qualified outside Republic of Ireland
5 routes: Route 1 Primary, Route 2 Post-Primary, Route 3 Further Education, Route 4 Other (special education / restricted school settings), Route 5 Student Teacher
Route 4 — НЕ универсальный механизм для overseas general teachers; это специализированный путь для special education
Для general overseas teachers корректные пути — Route 1 (Primary) и Route 2 (Post-Primary) через стандартный процесс с EU Directive 2005/36/EC
Timebound Provision (Registration Regulations October 2025, применений с 22.10.2025): overseas-qualified teachers могут завершить induction в Ireland до 31.12.2027
Time-bound provision 2023 (с февраля 2023 по февраль 2024) — VERIFIED
С июля 2025 NVB (vetting bureau) ввёл дополнительные child protection checks, увеличившие сроки для проживавших в EU/UK
Цифра '4 672 учителя за рубежом, ~4%' — secondary source only
Исправления
ИСПРАВИТЬ processing time: 6 недель (in Ireland) / 12 недель (outside Ireland), НЕ 4/8
ИСПРАВИТЬ роль Route 4: это special education only, НЕ универсальный путь для overseas general teachers
Использовать Route 1 / Route 2 для general overseas-qualified teachers
Рекомендуемая формулировка для публикации
Teaching Council Ireland (актуально на 2025-26): processing time для overseas-qualified — до 12 недель; для qualified in Ireland — 6 недель. Routes 1 и 2 — стандартные пути для overseas primary/post-primary teachers (через EU Directive 2005/36/EC); Route 4 — для специальных образовательных условий (special education). Timebound Provision (Registration Regulations с 22.10.2025) — overseas teachers могут завершить induction в Ireland до 31.12.2027.
Курсы oversubscribed для 2024 и likely 2025 — VERIFIED через GPhC spokesperson
One-year route proposal: объявлен 6.08.2024; новые standards не ранее сентября 2026
Консультация с RPS, UK Black Pharmacists Association и др.
Рекомендуемая формулировка для публикации
OSPAP applications упали с 909 (2022) до 302 (2023, −67% YoY); GPhC в августе 2024 объявил подготовку перехода на 1-летний единый трек для non-EEA pharmacists, с новыми standards не ранее сентября 2026. Курсы 2024 и 2025 oversubscribed — translator сам становится bottleneck.
Ноябрь 2023, март 2024, июнь 2024; recognition partnership: 2 года опыта + диплом, для IT снят порог по диплому; Opportunity Card с июня 2024; возрастной лимит для visa for vocational training поднят до 35; B1 → A2; разрешена доп. работа до 20 ч/неделю.
Оговорки
Фаза 1 (18.11.2023): реформа EU Blue Card — снижены salary thresholds (45.3% / 50% от annual contribution assessment ceiling); расширен список shortage occupations (включая IT при 2 годах опыта без формального диплома); EU mobility и family reunification облегчены
Фаза 2 (март 2024): Recognition partnership (въезд для qualification analysis до 6 месяцев + работа во время процесса); secondary employment до 20 ч/неделю для apprentices; asylum-seekers' lane change
Фаза 3 (1.06.2024): Chancenkarte/Opportunity Card — points-based job-search residence permit (12 месяцев, renewable до 24); квота Western Balkans удвоена до 50 000
Возрастной лимит для vocational training visa поднят до 35
B1 → A2 для language requirement в Recognition Partnership
Permanent residence для foreign-trained — с 4 лет до 3
Рекомендуемая формулировка для публикации
German Skilled Immigration Act, 3 фазы: (1) 18.11.2023 — реформа EU Blue Card, снижение salary thresholds, для IT — 2 года опыта без диплома; (2) март 2024 — Recognition Partnership с въездом до полного признания, secondary employment 20 ч/неделю; (3) 1.06.2024 — Chancenkarte/Opportunity Card, points-based, Western Balkans quota удвоена до 50 000.
Apprenticeship starts: 509 000 (2015/16) → 354 000 (2024/25); только 21% — под 19 лет; Growth and Skills Levy анонсирован сентябрь 2024, в силе с апреля 2025; Skills England создан июль 2024.
Пик starts был 509,400 в 2015/16 (до Apprenticeship Levy); падение от пика −31%
393,400 в 2018/19 — это уже после levy reform (другая reference point)
Under-19 starts в 2024/25: 74,990 = 21.2% всех starts
Higher apprenticeships (Level 4-7) = 140,730 в 2024/25 (+15.1% YoY); Level 6 и 7 = 60,350 (17.1%)
Growth and Skills Levy: анонс — сентябрь 2024, реформа с апреля 2025
Skills England launched July 2024
Исправления
Уточнить: 509,400 — пик 2015/16 (до levy); 354 тыс. — 2024/25; падение −31% от пика
Не путать с 393,400 в 2018/19, который другая reference point
Рекомендуемая формулировка для публикации
По UK Department for Education: Apprenticeship starts 509,400 (2015/16, пик до Levy reform) → 354,000 (2024/25), −31% от пика. Under-19 starts = 21,2% всех starts (74,990 из 354K). Higher apprenticeships (Level 4-7) = 140,730 (+15,1% YoY). Growth and Skills Levy анонсирован сентябрь 2024, в силе с апреля 2025; Skills England — июль 2024.
+27% больше публикаций YTT returnees vs overseas peers post-return
+144% last-author publications — точная цитата
n = 339 returnees + 419 контрольная группа (overseas counterparts с similar education backgrounds)
YTT returnees were top-15% productivity среди early-career US-based researchers с Chinese surnames before return; не top-tier, но high-caliber
Peer-reviewed Science article — наивысший уровень evidence в pack
Рекомендуемая формулировка для публикации
По Shi, Liu, Wang в Science 379(6627):62-65 (январь 2023, DOI 10.1126/science.abq1218): возвращенцы Young Thousand Talents публикуют на 27% больше работ и +144% last-author publications vs overseas peers. n=339 returnees + 419 контрольной группы. YTT-вернувшиеся — top-15% productivity среди early-career US-based researchers до возврата.
8,88 млн уехали; 7,43 млн завершили; 6,44 млн вернулись; 495 000 в 2024 (+19,1%); 5,63 млн возвратов после 2012 (87% совокупного потока).
Оговорки
8,88 млн Chinese went abroad to study (1978-2024)
7,43 млн completed studies; 6,44 млн returned
495,000 returned in 2024, +19,1% YoY
5,63 млн вернулось с 2012 г. — 87% накопленного потока
Center for China and Globalization (CCG) даёт другие, более высокие цифры; авторитетной является именно MOE
Рекомендуемая формулировка для публикации
По данным Министерства образования КНР (Xinhua, 11.12.2025): 8,88 млн китайцев уехали за рубеж учиться в 1978-2024 гг.; 7,43 млн завершили обучение; 6,44 млн вернулись. В 2024 г. вернулось 495 000 (+19,1% YoY). 5,63 млн возвратов после 2012 г. — 87% совокупного исторического потока.
$250 000 инвестиций в new collar к 2025; обучить 2 млн в AI к 2026; 12-36 мес. программы.
Оговорки
Обучить 2 млн в AI к 2026 — VERIFIED corporate commitment (часть программы 30 млн к 2030)
$250 000 инвестиций в new collar к 2025 — НЕ ПОДТВЕРЖДЕНО в первоисточниках IBM
12-36 мес. программы — VERIFIED только для отдельных Apprenticeship Programs США
Исправления
УДАЛИТЬ или radically downgrade $250k claim
Сохранить commitment to 2M AI learners by 2026 (corporate narrative C, не data об outcomes)
Рекомендуемая формулировка для публикации
IBM commitment (объявлен сентябрь 2023): обучить 2 млн человек в AI к концу 2026 г., с фокусом на underrepresented communities (часть программы 30 млн к 2030). Конкретные суммы инвестиций ($250k и т.п.) не подтверждены в публичных первоисточниках.
15-недельный paid ReEntry; обязательное prompt-engineering для junior'ов в Asset & Wealth Management; LLM Suite + Spectrum для PMs; junior hiring −66% в отдельных банках.
Mandatory prompt-engineering для junior'ов AWM, LLM Suite + Spectrum — VERIFIED secondary через Reuters/Bloomberg coverage 2024-25; primary internal docs не публичны
'Junior hiring −66% в отдельных банках' — НЕ verified как general claim; конкретная атрибуция требует первоисточник Bloomberg/Reuters
Исправления
Помечать 'reported' для AI-программ; primary internal не публичны
Уточнять источник для '−66%' или удалить claim
Рекомендуемая формулировка для публикации
JPMorgan ReEntry Program — 15-недельная paid fellowship (с 2013, >80% placement rate, >600 full-time hires). По данным Reuters/Bloomberg (2024-25): mandatory prompt-engineering training для junior'ов в Asset & Wealth Management; LLM Suite + Spectrum tools для portfolio managers — внутренние программы, primary документы не публичны.
PwC US −30% graduate hiring за 3 года — PARTIALLY VERIFIED через Business Insider/CNBC
EY +61,000 'технологистов' с 2023 (~15% штата) — NOT VERIFIED в данной выборке
Исправления
EY +61K — пометить 'secondary source only'
PwC US −30% — указать BI/CNBC coverage, primary внутренняя презентация не публична
Рекомендуемая формулировка для публикации
По данным Patrick Morgan / The Guardian (2024-25): graduate-вакансии Big Four UK сократились на 44% YoY; UK headcount 2024: KPMG −7%, PwC −5%, Deloitte −5%, EY −3%. PwC US (по внутренней презентации, цит. Business Insider/CNBC август 2025) — −30% graduate hiring за 3 года, обоснование 'impact of AI'. EY +61 000 'technologists' с 2023 — secondary source.
Salesforce: в 2025 г. Benioff публично заявил о паузе найма SWE и сокращении ~4 000 customer support jobs (с 9 000 до 5 000) с заменой AI-агентами Agentforce (claim +30% productivity); часть людей redeployed. В апреле 2026 г. Benioff контр-сигнализировал о найме 1 000 graduate'ов с тезисом 'AI won't kill entry-level jobs'. Corporate narrative; sole-source CEO statements.
−700 customer service — VERIFIED (Klarna 2024 statement, OpenAI partnership)
2025 partial rollback — VERIFIED: Siemiatkowski в May 2025 Bloomberg: 'too much focus on cost, lower quality, not sustainable'
Новая модель — distributed remote agents (Uber-style), плавное сокращение до ~2 500 employees через attrition
Рекомендуемая формулировка для публикации
Klarna 2022-24: сокращение 700 customer service ролей с заменой AI-агентами (партнёрство с OpenAI). 2025 (Siemiatkowski в Bloomberg interview): признание 'we went too far', возврат к найму людей; качество и устойчивость пострадали. Новая модель — гибридная Uber-style с distributed remote agents. Corporate narrative + reversal — наглядный AI rollback case.
−14 000 corporate roles октябрь 2025, явная увязка с AI-investments.
Оговорки
−14 000 corporate roles — VERIFIED (Amazon blog 28.10.2025; SEC 8-K с $1.8B severance charge)
Andy Jassy в Q3 2025 earnings call (30.10.2025): 'not really financially driven, and it's not even really AI-driven, not right now at least. It's culture'
Jassy в June 2025 memo писал, что AI 'will reduce corporate workforce' в долгосрочном плане
Beth Galetti в blog post говорила о AI и leaner organization
AI-фрейминг — медиа и корпоративный side-narrative; Jassy явно опровергает direct attribution
Исправления
REFRAME: 'явная увязка с AI' — это media narrative, отрицаемый CEO
Корректно: 'culture-first restructuring with parallel $80+ млрд AI capex'
Рекомендуемая формулировка для публикации
Amazon в октябре 2025 г. сократил 14 000 corporate ролей (Amazon blog 28.10.2025; SEC 8-K с $1.8B severance charge). Andy Jassy в earnings call 30.10.2025 явно сформулировал: 'not really financially driven, not even really AI-driven, it's culture' (нужда в leaner, flat, fast-moving организации). Параллельно Amazon заявляет о $80+ млрд capex на AI infrastructure и долгосрочной exposure к AI как driver workforce reduction. Прямая causal-связь '−14K = AI' — narrative-конструкция media, отрицаемая CEO.
Microsoft ~15 000 layoffs за 2025; «reimagine for new era».
Оговорки
6 000 в мае + 9 000 в июле 2025 = 15 000+ за год; ~7% global workforce
В апреле 2026 — buy-out 7% workforce + ещё 8 000 layoffs
$80 млрд capex на AI infrastructure FY2025 — VERIFIED (Brad Smith blog)
Microsoft не attribute layoffs explicitly to AI replacement; framing 'efficiency, flatten organization'
Рекомендуемая формулировка для публикации
Microsoft 2025: ~15 000 layoffs (6K в мае + 9K в июле, ~7% global workforce). Апрель 2026 — buy-out 7% workforce + ещё 8 000 layoffs. Параллельно — $80 млрд capex на AI infrastructure FY2025. Сама Microsoft framing — 'efficiency, flatten organization', не явная AI-замена; AI-attribution — media narrative.
Senior leadership −1,7%, middle −5,7%, IC −9%; ML engineers +40% YoY (после +78% в 2024); PM/coordinator/medical scribe −20%; graphic artist −33% поверх −12% в 2024; photographers/writers −28%, journalists −22%.
Оговорки
Henley Wing Chiu, ноябрь 2025; данные от Revealera; 180 млн job postings глобально, январь 2023 — октябрь 2025; 650 normalized job titles
Senior leadership −1,7%, middle management −5,7%, IC −9% (от 2024 к 2025)
ML engineers +40% YoY (после +78% в 2024) — single biggest increase
Baseline: −8% общий YoY drop в job postings (validated против Indeed −7,3%)
Single analyst, methodology — ML-классификатор + Mechanical Turk labeling
Job postings ≠ hires (ghost jobs caveat); не peer-reviewed
Исправления
Использовать с пометкой 'independent analysis, not peer-reviewed'
Рекомендуемая формулировка для публикации
Анализ Henley Wing Chiu (Bloomberry) 180 млн глобальных вакансий за янв.2023–окт.2025 (Revealera dataset, 650 normalized titles): ML engineers +40% YoY (после +78%), computer graphic artists −33% поверх −12% в 2024; senior leadership почти не пострадал (−1,7%), IC роли −9%. Single-analyst study, ML-classifier + Mechanical Turk labeling; не peer-reviewed; ghost jobs caveat.
~1 млрд job ads, 56% wage premium, 38% growth in AI-exposed roles, 66% faster skill change.
Оговорки
~1 млрд job ads + financial reports от тысяч компаний
56% wage premium для AI-skilled workers (vs 25% годом ранее)
38% growth в AI-exposed roles vs 65% в less-exposed
66% faster skill change
Productivity growth ~4× в industries most exposed
Это correlational analysis, НЕ causal evidence — это ассоциации между AI exposure и market metrics
Категория B, не A
Исправления
Явно помечать как correlational analysis вакансий PwC, не causal
Рекомендуемая формулировка для публикации
PwC 2025 Global AI Jobs Barometer (release июнь 2025): анализ ~1 млрд job ads — 56% wage premium для AI-skilled (vs 25% годом ранее), 38% growth в AI-exposed roles (vs 65% в less-exposed), 66% faster skill change. Productivity growth ~4× в most exposed industries. Это correlational analysis от консалтингового источника, не causal evidence.
Это employer projection, НЕ data об observed outcomes
Категория D, не A или B
Исправления
Явно помечать как employer projection, не fact
Рекомендуемая формулировка для публикации
По прогнозу WEF Future of Jobs 2025 (employer survey 1 000+ компаний, 14 млн workers, январь 2025), к 2030 ожидается net +78 млн рабочих мест (170 млн новых − 92 млн displaced), 22% job churn. Это employer projection, не observed data.
95% AI pilots fail to deliver ROI (MIT NANDA, июль 2025).
Оговорки
150 executive interviews + 350 employee survey + 300 public AI deployments
95% pilots без measurable P&L impact, только 5% 'integrated systems' создают существенную value
$30-40 млрд enterprise spend на GenAI
NANDA — proponent of agentic AI/decentralized architectures, conflict of interest в выводе 'existing AI doesn't work, agents will fix it'
Methodology — convenience sample, не randomized
Capgemini 2023 (88% AI pilots fail), S&P Global 2025 (42% generative AI pilots abandoned) — comparable but not identical
Многие commentators (Fortune Eye on AI) указывают на 'learning gap' вместо AI-failure framing
Исправления
Использовать с явным caveat про conflict of interest и convenience sample
Рекомендуемая формулировка для публикации
Согласно отчёту 'The GenAI Divide' MIT Project NANDA (июль 2025), 95% корпоративных GenAI-пилотов не дают измеримого P&L impact, только 5% 'integrated systems' создают значительную value (на основе 150 executive interviews + 350 survey + 300 deployments; $30-40 млрд enterprise spend). Caveats: convenience-сэмпл, NANDA — заинтересованная сторона в продвижении agentic AI; параллельно Capgemini (88%) и S&P Global (42%) фиксируют схожие failure-показатели.
Dario Amodei: 50% entry-level white-collar в 5 лет (Axios May 2025).
Оговорки
Public CEO opinion в Axios interview May 2025
Не emp. evidence; не fact
Категория D — opinion/forecast
Исправления
Явно помечать 'CEO public forecast, не emp. evidence'
Не использовать как факт
Рекомендуемая формулировка для публикации
В Axios interview (май 2025) Dario Amodei (CEO Anthropic) высказал personal forecast о возможной потере 50% entry-level white-collar jobs в 5 лет. Это CEO opinion/projection, не emp. evidence.
amodeianthropic-ceoopinionforecast
reg-30
UAE National AI Strategy 2031
частичноCuae2019-2031
Исходное утверждение
Бюджет ≈$30 млрд (AED 112 млрд); MBZUAI лаборатория в Silicon Valley (40+40); ~80% выпускников MBZUAI остаются; UAE 188 000+ AI-чипов (2-е место); Stargate UAE (1 ГВт).
Оговорки
Strategy adopted April 2019; цель — AI leadership к 2031, AED 335 млрд economic impact target
Бюджет ≈$30 млрд (AED 112 млрд) — НЕ verified в первоисточнике как explicit budget
AED 335 млрд — это projected economic impact (увеличение GDP), не бюджет программы
MBZUAI — first graduate-level research-based AI university (founded 2019); президент Eric Xing (CMU); 100% scholarship
MBZUAI Silicon Valley lab (40+40) — НЕ verified в данной выборке
~80% выпускников остаются — corporate claim MBZUAI, primary verification отсутствует
UAE 188 000+ AI-чипов (2-е место) — co-disclosed Reuters/Bloomberg figure из US-UAE AI partnership announcement May 2025
MGX: $100 млрд AI investment company; equity funder в Stargate Project
Исправления
ИСПРАВИТЬ: AED 335 млрд = projected economic impact, не explicit budget
MBZUAI Silicon Valley lab (40+40) — пометить 'not verified'
80% retention — corporate claim, без независимой верификации
Рекомендуемая формулировка для публикации
UAE National AI Strategy 2031 (April 2019); ожидаемый экономический impact AED 335 млрд (~$91 млрд) к 2031. Stargate UAE — 1 ГВт supercomputing campus в Abu Dhabi (OpenAI + G42 + Oracle + NVIDIA + MGX, объявлен май 2025); MGX — $100 млрд UAE AI investment company. MBZUAI (2019) — first research-based AI university с full scholarship. Конкретные численные corporate claims (MBZUAI Silicon Valley lab 40+40, 80% retention выпускников) — corporate narrative без независимой верификации.
biography-anchored: registry mechanism + AI cheating context
b-ire-01
Teaching Council Ireland — Timebound Provision (revised regulations, October 2025)
подтвержденоA2025-10-22 — 2027-12-31
Исходное утверждение
22 октября 2025 министр образования и молодёжи Helen McEntee подписала revised Teaching Council (Registration) Regulations, реактивирующие Timebound Provision: учителя, квалифицированные за рубежом без induction в стране квалификации, могут пройти induction в Ирландии (Droichead). Действует до 31 декабря 2027. Заявки принимаются с 22 октября 2025.
Оговорки
Это вторая итерация: первая Timebound (февраль 2023 — февраль 2024) применялась во время пандемии
Driving factors: special education expansion + Ukraine enrolment + general teacher supply pressures
126,000+ зарегистрированных учителей в реестре, 3,700 NQTs registered in 2024
9,000+ unqualified substitutes worked in 2023/24; 1,847 vacancies в марте 2025
Это иллюстрация near-Парето решения: расширение translator capacity без размывания стандарта (Droichead остаётся обязательным)
подтвержденоB2023-24 academic year, 2025 surveys, 2026 trend data
Исходное утверждение
К 2026 году AI-related academic misconduct в UK higher education драматически вырос. ~7,000 UK university students формально пойманы на AI cheating в 2023-24 (тройной рост от 2022-23). 95% UK студентов используют ИИ (HEPI/Kortext 2026); 94% — для assessed work; 12% сдавали работу с AI-content (рост с 8% в 2025 и 3% в 2024). AI misconduct rate вырос с 1,6 до 5,1 на 1,000 студентов (2022/23→2023/24, Guardian). UC Berkeley campus store увидел 80% рост продаж blue books за 2 академических года. 63% учителей фиксировали наказание студентов за ИИ в 2023-24. 94% AI-generated work не обнаружено маркерами (University of Reading study). 74% UK teachers получили 0 тренинга по ИИ. Только 28% AI-specific plagiarism policies оценивают как effective.
Оговорки
7,000 caught — формально подтверждённые случаи (от The Guardian / institutional surveys), реальное число использования AI существенно выше
Non-native English speakers face 61.2% false positive rate в детекции (vs 5.1% для native speakers)
Ирландия специфически не отделена в данных — UK данные применимы как контекст, Irish-specific surveys не найдены
AllAboutAI и Feedough — aggregator sources; primary studies включают HEPI/Kortext, University of Reading, GoStudent Future of Education Report 2025
Цифры синхронизированы со статьёй под HEPI/Kortext 2026 (95% / 94% / 12%, рост AI-text с 8% в 2025 и 3% в 2024); misconduct 1,6→5,1 на 1 000 — The Guardian (2022/23→2023/24)
Routes регистрации Teaching Council Ireland (correction to v1)
подтвержденоA2025-2026 academic year
Исходное утверждение
У Teaching Council Ireland 5 routes регистрации: Route 1 (Primary), Route 2 (Post-Primary), Route 3 (Further Education), Route 4 (Other — special education / restricted), Route 5 (Student teachers, since 2021). Для overseas-qualified general teachers корректные пути — Route 1 или Route 2 через стандартный процесс с EU 2005/36/EC recognition (не Route 4, который specialised только для special education). Processing times: до 12 недель для qualified outside Ireland.
Оговорки
Это refinement к claim reg-23 в v1: Route 4 не является универсальным маршрутом для overseas general teachers
EU Directive 2005/36/EC применяется ко всем applications (внутри ЕС и из третьих стран) одинаково
Conditions могут быть применены, если есть significant differences с ирландской квалификацией
biography-anchored: EU AI Act + ProdHaftG-E + AILD withdrawal + judicial precedent
b-ger-01
EU AI Act — timeline применения (2025-2026)
подтвержденоA2025-02-02 onwards
Исходное утверждение
EU AI Act вступает в силу поэтапно: prohibitions и AI literacy provisions с 2 февраля 2025; provisions on general-purpose AI (GPAI) с 2 августа 2025; большинство остальных provisions с 2 августа 2026. Применимо ко всем, кто develops/distributes/uses AI systems, влияющих на людей в EU. Most obligations — на providers (vendors), часть — на deployers, importers, distributors.
Оговорки
В Германии implementation проходит через BMWK и BMJ совместно
Late 2024: draft 'KI-Marktüberwachungsgesetz' (KIMÜG) — AI Market Surveillance Act
Implementation в Германии задержана из-за federal elections
AI Liability Directive (AILD) — withdrawal в начале 2025
подтвержденоA2025 (withdrawal early 2025)
Исходное утверждение
AI Liability Directive (AILD) был originally proposed Еврокомиссией для дополнения EU AI Act, устанавливая правила non-contractual civil liability для AI systems (включая presumption of causality и упрощение access to evidence для пострадавших). В начале 2025 предложение было ОТОЗВАНО Еврокомиссией из-за overlap с другими регуляциями. Liability за AI-сгенерированный harm остаётся через Product Liability Act + EU AI Act + национальное tort law.
Оговорки
AILD отозван из-за overlap с другими актами — это означает консолидацию ответственности через существующие frameworks
Effect: ответственность остаётся жёстче на конкретных носителях титулов (manufacturers, professional engineers, doctors)
Парадоксальный сдвиг: вместо облегчения burden of proof для жертв — концентрация ответственности на лицах с подписью
ProdHaftG-E (German Product Liability Act draft) — September 2025
подтвержденоA2025-09 (draft published)
Исходное утверждение
В сентябре 2025 опубликован первый официальный draft нового German Product Liability Act (ProdHaftG-E), реализующий обновлённый EU Product Liability Directive (EU PLD) совместно с EU AI Act. Закон формирует, как компании управляют product safety, digital innovation и risk allocation в supply chain, особенно в high-security секторах. Применяется к AI-driven product failures.
Оговорки
Draft is subject to legislative process; final form может отличаться
Применимо к высокорисковым AI-applications в инженерии, медицине, финансах
В сочетании с AILD withdrawal: образуется специфическая регуляторная архитектура — strict liability для manufacturers + responsibility для signing engineers
Прецедент 6 O 151/23 — German court on AI output ownership
подтвержденоA2024-2025
Исходное утверждение
Немецкий суд (Landgericht, Aktenzeichen 6 O 151/23) признал оператора business-information сервиса ответственным за публикацию ложных данных, сгенерированных ИИ. Суд постановил: компания 'сделала вывод ИИ своим' (made the AI's output its own) и поэтому несёт прямую ответственность за дезинформацию. Liability ограничилась cease-and-desist + reimbursement of attorney fees, без damages awarded.
Оговорки
Это первый известный немецкий judicial precedent применительно к AI-generated content liability
Принцип 'сделать вывод ИИ своим' имеет широкие применения: компания, инженер с подписью, врач с диагнозом
Damages limited — суд устанавливает прецедент, не destructive penalty
Ingenieur — protected title vs regulated profession
подтвержденоA2025-2026
Исходное утверждение
В Германии 'Ingenieur' — это защищённый титул (protected title) в некоторых федеральных землях, но НЕ regulated profession в иммиграционном смысле. Лицо может работать как engineer без recognition, но НЕ имеет права использовать титул 'Ingenieur'/'Ingenieurin' и подписывать в этом качестве. Recognition — через equivalence assessment у Ingenieurkammer (Chamber of Engineers) федеральной земли. Recognition fee — €360 (Baden-Württemberg, типичный), penalty за неправомерное использование титула — до €25,000. С 2024 действует Anerkennungspartnerschaft (recognition partnership), позволяющий работать в процессе recognition при условии employer commits to support process.
Оговорки
Отличается от учителя, врача — это полноценные regulated professions (нельзя работать без recognition)
В Германии ~180 regulated professions; engineer в большинстве случаев НЕ среди них
Anerkennungspartnerschaft — near-Парето мера: расширяет access, не размывая стандарт титула
VDI (Verein Deutscher Ingenieure) — ~135-140K members, largest engineering association в Европе
Indian medical specialist — bridge programme PLAB→UKMLA→GMC
biography-anchored: GMC translator under restructuring, Foundation Programme prioritisation
b-ind-01
PLAB → UKMLA transition (2024-2025)
подтвержденоA2024-25 transition; в полной силе с 2025-26
Исходное утверждение
С 2024-25 academic year UK General Medical Council (GMC) заменил PLAB на UKMLA (UK Medical Licensing Assessment) — единая оценка для UK-trained и International medical graduates (IMG). UKMLA состоит из Applied Knowledge Test (AKT, MCQ) и Clinical and Professional Skills Assessment (CPSA, OSCE). EPIC retired, заменён на MyIntealth (управляется Intealth, parent organisation of ECFMG). GMC fees 2025: £433 application + annual retention.
Оговорки
PLAB Part 1 / AKT — 3-hour MCQ (180 questions), может проводиться на международных центрах
PLAB Part 2 / CPSA — 16-станционный OSCE, только в UK
UKMLA aligned для UK и IMG — обе группы tested на одних core topics
Translator (GMC) активно перестраивается под давлением — это maintenance cost в реальном времени
UK Medical Training (Prioritisation) Act — 5 March 2026
подтвержденоABill introduced 13 January 2026; Act 5 March 2026
Исходное утверждение
5 марта 2026 UK Medical Training (Prioritisation) Act стал законом. Закон даёт приоритет UK-trained graduates в распределении мест Foundation Programme и Specialty Training. IMG, registered и working в NHS до 5 марта 2025 с 2+ годами опыта в NHS, имеют equal access. Цель — restore competition ratios для specialty training до reasonable levels. Закон UK-wide, drafted в консультации с devolved nations.
Оговорки
Применение поэтапное: 2026 — на offer stage; 2027 — на shortlisting AND offer stage
Cost для NHS England — ~£100,000 на изменения Oriel application system
Это пример переключения от 'свободного translator' к 'managed/prioritised translator' под давлением рынка
UK competition ratios для medical training — 2025-2026
подтвержденоA2025-2026 recruitment cycles
Исходное утверждение
В 2025: 15,723 UK-trained doctors + 25,257 overseas-trained = 40,980 applicants на 12,833 round 1+2 specialty training posts. Для 2026 — уже 47,000+ applicants. 91,999 applications submitted to 12,833 posts в 2025 (+54% от 2024). 41% medical workforce в UK — non-UK graduates (рост с 33% в 2017). Unique IMG applicants удвоились 2023→2025 (10,402→20,803), UK graduates +33% (9,283→12,305). Foundation Programme applications: 8,137 в 2019 → 11,205 в 2025. Competition ratios для popular specialties: cardiothoracic surgery 45:1, community sexual health 26:1, public health 17:1.
Оговорки
Competition ratios могут учитывать multiple applications per applicant — actual unique applicants ratio ниже
В 2025 round 1: 28,000/80,000 applications appointable после assessment/interview
Около 2,000 UK-graduate applications не получили offer в 2025 (пре-Prioritisation Act)
Drivers: rising UK medical school output + immigration rule changes (lifting restrictions 2020) + IMG inflow
подтвержденоB2025 publication year, 2026 study release
Исходное утверждение
Pangram study (январь 2026, biorxiv): мониторинг biomedical литературы 2025 года показал dramatic рост AI-сгенерированного контента. 26% статей из китайских институций содержат хотя бы один window, помеченный как AI-generated; для South Korea — 32%; для US — 7,4%. До 12,4% papers в 2025 содержали хотя бы один AI-flagged segment. Manual inspection 20 US-affiliated manuscripts с AI-generated text показала, что все 20 имели non-Anglophone first authors; 10 — Chinese names без anglicization.
Оговорки
Pangram — commercial AI detection tool; study peer-reviewed status — preprint
Detection accuracy claimed robust к recent model updates (Gemini 3, Opus 4.5), но subject to ongoing evolution
Geographic correlation с non-native English speakers — confound of language background, не только misconduct intention
Это не proves intent to deceive — может быть use of AI как translation/polishing tool без disclosure
AI-related retractions — 72.2% китайских first authors
подтвержденоBData through 2025, publications late 2025 — early 2026
Исходное утверждение
Frontiers (декабрь 2025) опубликовали systematic bibliometric review AI-related retractions. China accounts for 72.2% of first authors среди AI-related retracted papers. China — top по retractions overall (551 papers за period analysed), India — 40, Bangladesh — 23. Retraction rate peaked в 2023 — 667 retractions. Median duration от publication до retraction: 510 days. Time-to-retraction (TTR) в Китае и Индии compressed: ~600 days vs 1,300+ в US/Japan.
Оговорки
Frontiers article — peer-reviewed
China's high retraction count partly reflects high publication volume — proportional rates требуют normalization
Compressed TTR в Китае может indicate either тщательное self-policing OR более systematic detection (paper mill operations)
Saveetha University (India) — extreme retraction case
подтвержденоA2024-2025
Исходное утверждение
Saveetha University (Chennai, India) — case study экстремального paper-mill behavior. В 2024 retracted 80+ papers from Saveetha authors. К началу 2025 — 90 retractions от Saveetha authors в Neurosurgical Review за первые 6 недель. Saveetha идентифицирован среди schools с 'questionable authorship practices' (Quantitative Science Studies, January 2025), включая 100% growth research output 2019-2023. Citation stacking практика подтверждена в Heliyon CellPress.
Оговорки
Indian, не китайский case — но illustrates similar mechanism (volume-driven AI use → mass retractions)
Используется как сравнительный кейс к Китаю для биографии returnee — паттерн не unique для одной страны
Russian IT specialist — decentralised network translator
biography-anchored: GitHub sanctions + 152-ФЗ + workslop as tragedy of the commons
b-rus-it-01
152-ФЗ: ФЗ № 23-ФЗ от 28.02.2025, новая ред. ч. 5 ст. 18 (силу с 1.07.2025)
подтвержденоA2025-07-01 onwards
Исходное утверждение
Федеральный закон № 23-ФЗ от 28 февраля 2025 ввёл новую редакцию ч. 5 ст. 18 закона № 152-ФЗ 'О персональных данных', вступившую в силу 1 июля 2025. Запрещён первичный сбор персональных данных граждан РФ с использованием баз данных, расположенных за пределами территории РФ — включая запись, систематизацию, накопление, хранение, уточнение, извлечение. Исключения ограничены п. 2, 3, 4 и 8 ч. 1 ст. 6 152-ФЗ. Это НЕ полный запрет трансграничной передачи (ст. 12 регулирует это отдельно) — но запрет на использование иностранных систем как primary collection points. Штрафы: до 18 млн ₽ для юридических лиц при несвоевременном уведомлении РКН.
Оговорки
Это correction к нашим предварительным формулировкам: запрет НЕ касается трансграничной передачи как таковой, а только первичного сбора
Roskomnadzor разъяснения 24.03.2025 № 08-134789 и Минцифры 12.05.2025 № П25-44929 уточнили: ограничения не распространяются на ранее собранные базы
Вступило в силу два слоя ответственности: за оператора и за лицо, участвующее в формировании базы
Эффект на бизнес: nontrivial — нужны локальные сервера для primary collection
GitHub-санкции: блокировки русских developers (2022-2025)
частичноB2022 onwards; intensification 2024-2025
Исходное утверждение
С 2022 GitHub начал ограничивать доступ к private repositories для пользователей из РФ, особенно affiliated с sanctioned entities (per OFAC SDN List). К 2025 политика ужесточилась: фиксируются случаи полной блокировки accounts, включая paid subscribers, при detection связи с sanctioned organisations. GitHub доступен (free public repository services) пользователям из не-sanctioned регионов РФ для personal communications, но commercial/corporate accounts с связями с sanctioned entities активно blocked. 12 июня 2024 US Treasury / State / Commerce ввели new restrictions включая prohibition on certain IT and software services к Russia (effective 12 September 2024).
Оговорки
Tightening к 2025 (полная блокировка даже с paid subscription) — secondary source (mosdigitals.ru); GitHub Docs не подтверждают эту специфику prima facie
Empirical arxiv study (2008-2022 data, 156K profiles) показал что developers могут navigate sanctions — но это pre-2024 picture
OFAC SDN List dynamic; secondary sanctions risk widened от Дек 2023 (E.O. 14114) к June 2024
Восстановление services post-sanctions (как в Iran 2021) — модель, но не предписана для РФ
Workslop / нейрохалтура в IT — Stack Overflow + Sonar + DORA 2025
подтвержденоB2025-2026 survey cycle
Исходное утверждение
Multiple 2025-2026 surveys фиксируют структурное явление workslop в IT-разработке. Stack Overflow Developer Survey 2025: 84% разработчиков используют ИИ-инструменты, но только 29% доверяют им (минус 11 п.п. от 2024). Sonar State of Code 2025: 96% не доверяют AI-generated code как functionally correct, но <50% reviewing его перед commit; 38% говорят review AI-кода требует больше effort, чем human-кода; 61% соглашаются что AI 'часто produces code that looks correct but isn't reliable'. Google DORA 2025: AI adoption correlates с почти 10% ростом нестабильности кода. AWS CTO Werner Vogels coined термин 'verification debt'. 470 open-source GitHub PRs analysis: AI-generated code содержит 1.7x больше дефектов, ошибки логики +75%, performance issues почти 8x чаще. Federal Reserve Bank of St. Louis: индивидуальная экономия 5.4% часов/неделя, но aggregate productivity gain — only 1.1%.
Оговорки
Stack Overflow — self-selected developer survey, не nationally representative, но largest dev survey
Sonar — commercial code review tool, possible interest in framing AI as risky
Google DORA report — peer-reviewed annual standard в industry
Federal Reserve study — academic source, более authoritative для productivity gap
Workslop как tragedy of the commons (qualitative arxiv analysis)
подтвержденоC2026 study
Исходное утверждение
Qualitative analysis (arxiv preprint, 2026) 1,154 постов в 15 discussion threads на Reddit и Hacker News посвящённых 'AI slop' в software development. Развит codebook из 15 codes в трёх thematic clusters: Review Friction (бремя на reviewers, эрозия доверия, контрмеры), Quality Degradation (повреждение codebases, knowledge resources, developer competence), Forces and Consequences (системные стимулы, mandated adoption, craft erosion, workforce disruption). Authors framed AI slop как tragedy of the commons: индивидуальные productivity gains externalize costs на reviewers, maintainers, broader community. Microsoft Research: AI-assisted code generation увеличивает defect rate на ~40% независимо от уровня developer.
Оговорки
Qualitative analysis self-selected community discussions (Reddit, HN) — observational level, не RCT
Tragedy of the commons frame — analytical model, не direct empirical measurement
Effective как conceptual frame связывающая микро-выгоду с макро-costs
Глобальный tech-layoff фон 2026 — RationalFX early-2026 estimate
частичноB/C
Исходное утверждение
RationalFX estimate for the first six weeks / early 2026 counted about 30,700 global technology-sector layoffs, including about 24,600 in the US, and projected that a constant pace could exceed 270,000 layoffs in 2026 vs roughly 245,000 in 2025. The same reporting attributes about 69,840 / 28.5% of 2025 tech layoffs to automation and AI adoption. This is a framing estimate, not an official labor-statistics series.
Оговорки
Do not phrase as "January 2026" only: the confirmed framing is first six weeks / early 2026.
RationalFX is an aggregator/analysis source, not an official labor-statistics authority.
The 2026 projection is a straight-line run-rate scenario, not a forecast with a labor-market model.
AI/automation attribution is employer/reporting-category based and should be used as directional context.
Рекомендуемая формулировка для публикации
По оценке RationalFX, за первые шесть недель 2026 года мировой tech-сектор уже объявил около 30,7 тыс. сокращений; если такой темп сохранится, год может превысить уровень 2025-го. В 2025 году около 28,5% tech-сокращений в этой базе были связаны с automation/AI adoption. Использовать как глобальную рамку, не как официальную статистику.
Софтлайн — AI-linked staff optimization, Q3 2025 to Q1 2026
подтвержденоB/C
Исходное утверждение
ПАО Софтлайн disclosed 10.3k employees as of 31 March 2026 vs about 11.1k in Q1 2025 materials, implying roughly 800 fewer employees / about 7.2% headcount reduction. CNews and company materials connect the optimization to AI adoption, post-acquisition integration and performance assessment. The highly qualified engineers/developers layer fell from about 6.2k to about 5.7k by share calculation, roughly a 10% decline, while Q1 2026 turnover grew 5% YoY to 25.1 bn RUB.
Оговорки
The 800 / 7.2% figure is derived from disclosed headcount, not a separately filed mass-layoff notice.
AI is one explicitly named factor among several: routine-process automation, development/testing efficiency, integration after 17 acquisitions, and systematic performance assessment.
Engineer/developer decline is a share-based calculation from disclosed headcount composition; phrase as approximate.
This is stronger as an AI-era efficiency/reallocation case than as one-for-one AI replacement evidence.
Рекомендуемая формулировка для публикации
Софтлайн — локальный российский аналог Oracle-case: компания снизила численность примерно на 800 человек при росте оборота Q1 2026 на 5% г/г; среди причин публично названы внедрение ИИ в рутинные процессы разработки/тестирования, интеграция после M&A и оценка эффективности.
Сбер — AI-assisted efficiency cuts and responsibility dispute
частичноB/C
Исходное утверждение
At AI Journey in November 2025, Herman Gref publicly said Sber had reduced almost / up to 20% of personnel identified as inefficient with AI assistance. Putin replied that there are no inefficient employees, only employees with whom management worked poorly. Later reporting said Sber paused or softened the process because the cuts and perceived competition with AI became a shock inside the company. Numeric headcount estimates around 13.5k-15k are secondary and should not be used as the primary fact without a filing.
Оговорки
Some reports say personnel broadly, others central apparatus; avoid claiming 20% of all Sber employees without annual-report confirmation.
The strongest verified fact is the public first-person statement and the responsibility dispute, not a precise headcount count.
Frank RG / 13.5k-15k numbers are useful context but secondary.
Рекомендуемая формулировка для публикации
Сбер даёт редкий публичный allocator-case: первое лицо прямо говорит об ИИ как инструменте выявления неэффективности, а ответ Путина переводит спор в плоскость управленческой ответственности за людей, которых алгоритм пометил как слабых.
Positive Technologies — quiet restructuring / layoffs without confirmed AI causality
частичноB/C
Исходное утверждение
Employee and union-linked reports in 2025 described mass layoffs at Positive Technologies: a first wave of about 150-300 people and possible total reductions around 500. Company responses framed the process as internal transformation / profitability discipline. AI causality is not confirmed; the case is useful for the "quiet layoffs" mechanism where reductions may not pass through formal redundancy procedure.
Оговорки
Do not code as AI replacement: public evidence supports restructuring/profitability pressure, not AI causality.
The strongest value is employment-form visibility: not every reduction appears as an official redundancy event.
Employee/union reports need cautious phrasing and should be paired with the company-response context.
Рекомендуемая формулировка для публикации
Positive Technologies стоит использовать не как ИИ-замещение, а как пример тихой оптимизации в российском IT: часть увольнений может проходить вне публичной процедуры сокращения, что делает рынок хуже видимым для внешней статистики.
Russian IT junior squeeze and employer-market shift, 2025-2026
частичноB
Исходное утверждение
Russian IT labor-market reporting for 2025-2026 shows a shift from candidate market to employer market: IT vacancies declined roughly 20-30% vs 2024 in several analyses, resumes per vacancy rose sharply (secondary reports cite about 13 on average and up to 16 for some IT positions), and entry-level developers face stronger competition from both experienced candidates and AI-enabled workflow changes. Demand remains comparatively stronger for AI/ML, cybersecurity, DevOps/SRE and senior roles.
Оговорки
Exact 13/16 resumes-per-vacancy figures are secondary/aggregated and should not be treated as official hh.ru primary values unless traced to hh.ru release.
Junior squeeze is directionally robust, but segment definitions vary by source.
AI competition should be phrased as one mechanism among budget tightening, return migration, seniority bias and hiring selectivity.
Рекомендуемая формулировка для публикации
Для Биографии 5 это входная дверь: джуниоры оказываются между сжавшимися вакансиями, выросшим числом резюме на позицию и ИИ-инструментами, которые повышают планку производительности для entry-level работы.
Russian IT wage polarization and shortage-with-layoffs paradox
частичноB
Исходное утверждение
Russian IT salary growth slowed to about 4.1% YoY by 2026, below inflation in the cited reporting, while AI/ML engineers, cybersecurity specialists, DevOps/SRE and data roles retained much stronger salary bands. At the same time, Russian IT still reports structural shortages (official estimates around 500k-700k depending on period and methodology), while layoffs and involuntary exits are rising. This supports the "shortage and cuts at once" frame, not a simple oversupply story.
Оговорки
Salary bands differ strongly by city, stack, grade and source methodology.
Shortage figures around 500k-700k are not directly comparable across years and should be framed as official/market estimates, not a single stable deficit.
The paradox is structural: shortage in frontier/senior/security roles can coexist with cuts in lower-productivity, duplicated or post-M&A roles.
Рекомендуемая формулировка для публикации
Российский IT-рынок одновременно режет людей и сохраняет дефицит: нижний вход и массовые роли сжимаются, а AI/ML, ИБ, DevOps/SRE и senior-профили остаются дорогими. Это не обычный спад, а переразметка ценности навыков.
Russian AI operational dependency and security maturity gap, 2026
подтвержденоB/Crussia2026-06-01
Исходное утверждение
A K2 Cybersecurity / Kaspersky study, conducted from January to April 2026, surveyed 500 large Russian-market companies and focused on 210 organizations where AI is already used, piloted, embedded in products or considered a development direction. Among these organizations, 32% said business would continue if AI services became unavailable but with moderate losses, while a combined 11% already treated AI as critical for key processes or many operations.
Оговорки
Vendor/industry survey, not official administrative statistics; use as observational evidence about large-company practice.
The focused analytic base is 210 AI-engaged organizations, not all 500 companies in the broad sample.
Do not infer employment cuts from this claim; it measures operational dependency and governance pressure, not headcount.
Рекомендуемая формулировка для публикации
По исследованию K2 Кибербезопасность и «Лаборатории Касперского» (январь–апрель 2026), среди крупных российских компаний, уже работающих с ИИ, 32% ожидают умеренные потери при недоступности ИИ-сервисов, а 11% считают ИИ критически важным для ключевых или многих операций. Это лучше использовать как признак операционной зависимости от ИИ, а не как статистику занятости.
External AI model control and shadow-AI risk in Russian companies
подтвержденоB/Crussia2026-06-01
Исходное утверждение
In the same K2/Kaspersky survey, 61% of respondents said they tried to control employee use of third-party AI services but faced technological and organizational difficulties. Real control over external AI-service use was implemented by 29% of companies; 47% relied on passive monitoring and training, while 24% blocked access. The report explicitly warns that pure blocking can push employees into shadow AI through personal devices or unauthorized channels.
Оговорки
Survey reflects respondent self-report and vendor framing; it is useful for governance maturity, not for precise incident prevalence.
The 29/47/24 split describes approaches to external-model access control, not overall AI adoption.
Use “shadow AI risk” as a governance mechanism, not as proof that all blocked organizations have active leakage.
Рекомендуемая формулировка для публикации
В российском корпоративном контуре виден разрыв управления внешними ИИ-сервисами: 61% компаний пытаются контролировать их использование, но реальный контроль есть только у 29%; остальные в основном мониторят пассивно или блокируют доступ. В логике ProfGames это сигнал о новом корпоративном переводчике между человеком, моделью, данными и риском.
MLSecOps familiarity and maturity gap in Russian AI-using companies
подтвержденоB/Crussia2026-06-01
Исходное утверждение
The K2/Kaspersky survey reports that MLSecOps has not yet become a common AI-security management standard: 46% of respondents were unfamiliar with the approach, 40% knew it only superficially, and 14% understood its principles well. Among organizations with their own AI development, only 18% reported managed MLSecOps processes and 7% reported mature MLSecOps practice; 25% reported no MLSecOps processes.
Оговорки
Vendor/industry survey; evidence level should remain B/C even though the report itself is the primary source for its own numbers.
The maturity percentages apply to organizations with their own AI development where that survey section is relevant, not necessarily the entire broad sample.
Use as a professional-boundary signal: MLSecOps / AI security engineering is emerging, but standardization is incomplete.
Рекомендуемая формулировка для публикации
MLSecOps в России пока не стал массовой нормой: 46% респондентов не знакомы с подходом, 40% знают его поверхностно, 14% хорошо понимают принципы; зрелая практика есть только у 7% компаний с собственной AI-разработкой. Это сигнал появления новой профессиональной границы, а не доказательство массовой зрелости.
Post-March 2026 update — labor, education, healthcare and governance
targeted verification of primary reports, official guidance, peer-reviewed papers and high-signal corporate filings
ai-23
PwC 2026 Global AI Jobs Barometer — AI exposure, wages and seniorized entry-level demand
подтвержденоBglobal2026-06
Утверждение
PwC’s 2026 Global AI Jobs Barometer reports that AI-exposed industries show faster productivity growth and stronger labor-market outcomes than less-exposed industries: revenue per employee grew 35% in more AI-exposed sectors while less-exposed sectors fell 10%; jobs grew 52% in more-exposed sectors vs 36% in less-exposed sectors; wages grew 24% vs 17%; workers with AI skills commanded a 62% wage premium; and entry-level jobs increasingly require seniorized expectations, with junior roles in AI-exposed occupations about seven times more likely to require skills usually expected of experienced workers.
Оговорки
PwC analysis is correlational and based on job ads, sector financial data and exposure categories; do not present as causal proof that AI created jobs or wage growth.
The “seven times” seniorization claim is an employer-demand / vacancy-language signal, not a direct measure of actual worker competence.
Use as global labor-market evidence; country-level effects can diverge strongly.
Рекомендуемая формулировка для публикации
PwC 2026: AI-exposed sectors are not simply shrinking. They show stronger productivity, wage and job-growth signals, while the entry gate hardens: AI-exposed junior roles are much more likely to ask for senior-like skills. Use this as a labor-market polarization / seniorization signal, not as causal proof of AI job creation.
New York Fed / Liberty Street Economics — AI and job postings, May 2026
подтвержденоBus2021-2026
Утверждение
A May 2026 New York Fed Liberty Street Economics analysis of Lightcast job postings finds no sharp, occupation-wide decline in job postings that can be cleanly attributed to ChatGPT-style AI. The authors report that occupations with stronger AI exposure did not show distinct posting trends relative to other occupations, and that junior/senior and flexible/non-flexible comparisons did not produce a clear AI-specific pattern. Their interpretation is cautious: early posting data do not yet show broad AI-driven hiring contraction, even though task exposure and firm-level effects may still be emerging.
Оговорки
Job postings measure labor demand, not hires, layoffs or wages.
The analysis can miss firm-level substitution, internal redeployment, and sector-specific shocks that do not appear as broad posting declines.
Use as counterweight to strong-displacement claims, not as proof that AI has no labor-market effect.
Рекомендуемая формулировка для публикации
NY Fed/Lightcast (May 2026) is an important counter-signal: by vacancy data alone, a broad ChatGPT-driven hiring collapse is not visible yet. This should temper claims about immediate mass displacement while preserving the narrower entry-level and task-exposure evidence.
Microsoft 2026 Work Trend Index — Frontier Firm and human-agent work redesign
подтвержденоB/Cglobal2026-04
Утверждение
Microsoft’s 2026 Work Trend Index frames the next work model as a “Frontier Firm”: teams composed of employees plus AI agents. The report says it is based on a large multinational worker sample, Microsoft 365 telemetry and LinkedIn data, and emphasizes that organizational redesign, not tool access alone, predicts AI impact. It introduces “Frontier Professionals” as early adopters who delegate work to agents and spend more time on judgment, strategy and orchestration.
Оговорки
Corporate/vendor report; useful as enterprise-practice signal, not independent causal labor evidence.
Telemetry and survey claims should not be merged with employment counts or layoff causality.
Strongest use is conceptual and organizational: new division of labor between worker, manager and AI agent.
Рекомендуемая формулировка для публикации
Microsoft WTI 2026 is best coded as an organizational-design signal: the frontier is not “one person with a chatbot”, but teams where humans allocate, supervise and verify agent work. For ProfGames this moves competence from doing the task to routing, judgment and responsibility.
Snap 2026 operating restructuring under AI-era product focus
подтвержденоA/Bus2026-04
Утверждение
Snap announced a new operating structure in April 2026 with workforce reductions reported at about 1,000 employees. The company framed the change around sharpening product focus, efficiency and long-term growth in a product environment heavily shaped by AI. Secondary reporting tied the restructuring to AI-era product and code-generation changes, but direct one-for-one AI replacement should not be asserted from the company release alone.
Оговорки
Primary company release confirms restructuring, but exact AI-causality is partly media/analyst framing.
Use as AI-era product-organization restructuring, not as proof that each eliminated role was replaced by AI.
If citing exact headcount numbers, prefer company filing / investor release over media summaries.
Рекомендуемая формулировка для публикации
Snap 2026 is an AI-era restructuring signal: product focus and efficiency narrow the organization, while AI changes the work surface. Do not overclaim direct AI replacement unless citing a specific executive statement or filing.
A Science article by Cornell-linked researchers argues that widespread generative-AI misuse in higher education requires assessment reform rather than reliance on detection. The Cornell release summarizes the authors’ position: AI misuse has become common enough that universities must redesign assessment around authentic, process-aware and supervised forms rather than treating AI use as a purely individual misconduct problem.
Оговорки
Science article is primarily assessment-policy synthesis/commentary, not a new administrative count of cheating cases.
Use alongside Guardian/Turnitin/Ofqual facts for empirical and policy anchors.
Do not infer one global cheating rate from this article.
Рекомендуемая формулировка для публикации
Cornell/Science 2026 supports the “detector failure → assessment redesign” arc: the institutional response is not just catching AI text, but changing what counts as evidence of learning.
Ofqual published AI and coursework integrity resources in March 2026 for schools in England. The guidance explicitly treats generative AI as an assessment-integrity and governance issue: leaders are expected to set policy, communicate expectations, support teachers, and design controls for coursework rather than relying only on detection after submission.
Оговорки
Official guidance for England; do not generalize mechanically to Ireland/Scotland/Wales or universities.
It is a governance signal, not an empirical claim about prevalence of AI misuse.
Best used as evidence that assessment authorities are moving from ad hoc detection to institutional controls.
Рекомендуемая формулировка для публикации
Ofqual 2026 makes the coursework problem administrative: AI integrity is now a school-leadership and assessment-design obligation, not only a teacher’s suspicion about a submitted essay.
JAMA 2026 — ambient AI scribe changes clinician time and visit volume
подтвержденоA/Bus2026-04
Утверждение
A JAMA study published in April 2026 reports that ambient AI scribe adoption was associated with reduced after-hours documentation time and increased visit quantity. The abstract reports reduced “pajama time” by 15.4 minutes per 8 scheduled patient hours and higher visit quantity, including increases reported for primary care and specialist visits. This is a workflow-productivity signal, not a claim that AI replaces clinicians.
Оговорки
Study design and setting matter; use the exact association language unless randomized/causal claims are warranted by the full paper.
Ambient scribes shift documentation work and supervision burden; they do not eliminate the clinician’s responsibility for note accuracy.
Use with the NHS/GMC bridge material as a clinical-workflow signal, not as evidence about training-place bottlenecks.
Рекомендуемая формулировка для публикации
Ambient AI scribes are best coded as documentation-workflow compression: clinicians may spend less after-hours time on notes and see more visits, but the liability and verification layer remains with the professional.
European Commission 2026 draft guidelines on high-risk AI systems
подтвержденоAeu2026-06
Утверждение
The European Commission opened consultation in June 2026 on draft guidelines for high-risk AI system classification under the AI Act. The guidance is relevant to professional reproduction because employment, worker management, access to education/training and vocational pathways are among the AI Act areas where classification determines governance duties, documentation and oversight obligations.
Оговорки
Draft/consultation status; do not cite as final binding interpretation until guidelines are adopted.
High-risk classification is use-case specific; not every AI tool used by an employer or school is automatically high-risk.
Use as a regulatory-translation signal: professional gates are being reclassified by function and risk.
Рекомендуемая формулировка для публикации
EU AI Act implementation is moving from abstract principles to classification work: whether a tool sits at the gate to education, work or worker management determines the compliance burden.
arXiv 2026 — Debt Behind the AI Boom in generated pull requests
подтвержденоCglobal2026-03
Утверждение
The March 2026 arXiv preprint “The Debt Behind the AI Boom” analyzes 1,134 tasks and roughly 250,000 generated pull requests across multiple AI agents in JavaScript/TypeScript repositories. It reports that many generated PRs pass automated checks, but manual review still finds extensive required fixes; reported issue categories include broken functionality, async problems, security weaknesses and inconsistent behavior. This strengthens the “workslop / review burden / technical debt” signal for software work.
Оговорки
Preprint, not peer-reviewed; evidence level remains C until replicated or published.
Benchmark setting and language/ecosystem scope limit generalization to all software engineering.
Use as a technical-debt and review-burden signal, not as a universal defect-rate estimate.
Рекомендуемая формулировка для публикации
The 2026 AI-code-debt preprint is useful as a workslop mechanism: passing automated tests is not the same as producing maintainable professional code; review and repair costs move to senior engineers/maintainers.
Anthropic/arXiv 2026 — AI assistance and coding skill formation
подтвержденоA/Bglobal2026-02
Утверждение
Anthropic-affiliated randomized experiments on developers learning a new asynchronous Python library report that AI assistance reduced later evaluation performance by about 17 percentage points / two grade points (Cohen's d=0.738, p=0.010), with no statistically significant average acceleration in completion time. The useful claim is not 'AI makes programmers worse' but 'delegating unfamiliar work to AI can compress task completion without forming the debugging/code-reading skill needed for oversight.'
Оговорки
Preprint / company-affiliated research; treat as high-signal RCT evidence but not yet peer-reviewed.
The setting is a controlled new-library learning task, not all programming work.
The paper distinguishes interaction patterns: cognitively engaged AI use can preserve learning better than full delegation.
Рекомендуемая формулировка для публикации
AI coding assistance is not automatically a shortcut to competence: in a randomized new-library task it hurt conceptual understanding, code reading and debugging, while engaged explanatory use was less damaging.
NBER w34836 — firm data on AI adoption and expected job effects
подтвержденоBglobal2026-03
Утверждение
NBER Working Paper 34836 surveys nearly 6,000 senior executives at firms in the US, UK, Germany and Australia. It reports that 69% of firms actively use AI, but nine-in-ten executives report no own-firm employment or productivity impact over the past three years. Looking three years ahead, executives expect average own-firm productivity +1.4%, output +0.8% and employment -0.7%; US employees instead expect employment +0.5%, marking an expectations gap.
Оговорки
Working paper, not peer-reviewed NBER journal publication.
Forward-looking figures are executive expectations, not measured realized effects.
Use as a counterweight to sensational layoff narratives: wide adoption can coexist with small reported near-term firm effects.
Рекомендуемая формулировка для публикации
The NBER firm survey is a moderation signal: AI adoption is broad, but most executives still report little realized own-firm employment/productivity effect, while expecting larger effects over the next three years.
Harvard/SSRN 2025 — GenAI as seniority-biased technological change
подтвержденоB/Cus2025-10
Утверждение
A Harvard working paper by Seyed M. Hosseini and Guy Lichtinger uses US résumé and job-posting data covering roughly 62 million workers and 285,000 firms (2015-2025). It identifies GenAI-adopting firms through postings for dedicated GenAI integrator roles and reports that junior employment in adopting firms fell relative to controls from 2023Q1, with estimates around -7.7% after six quarters and roughly -10% in a triple-difference design, while senior employment continued to rise. The reported mechanism is slower junior hiring, not higher separations.
Оговорки
Working paper; not peer-reviewed and not a direct causal census of all AI adoption.
Keep alongside NY Fed / Lightcast counter-signal: one dataset finds seniority-biased effects among adopters, while broader vacancies do not yet show a universal collapse.
Рекомендуемая формулировка для публикации
Use the Harvard/SSRN paper as an entry-gate mechanism: in firms with observable GenAI integration, junior employment/hiring weakens relative to senior roles, suggesting seniority-biased technological change rather than a uniform jobs crash.
Berkeley/Science 2026 — largest undergrad AI-use study and assessment reform
подтвержденоBus2026-05
Утверждение
Berkeley's 2026 release for the Science article describes a very large undergraduate AI-use study and emphasizes both unequal access/use patterns and cheating/misuse pressure. It reinforces the claim that higher education cannot treat AI as a detector-only problem: assessment design, transparent use rules and process-aware evaluation become part of credential integrity.
Оговорки
The Berkeley page was partially inaccessible from the local browser because of Cloudflare, but the Science DOI and metadata are verified.
Use the Berkeley release for framing/access/misuse context; use the Science article for the formal assessment-reform claim.
Avoid quoting exact prevalence numbers unless taken directly from the Science article/report tables.
Рекомендуемая формулировка для публикации
The Berkeley/Science node is an education-provenance signal: widespread undergraduate AI use and misuse move the problem from individual cheating cases to assessment architecture and equitable access.
Strada 2026 — employer survey on entry-level hiring in the AI era
подтвержденоBus2026-05
Утверждение
Strada Institute surveyed nearly 1,500 executives and senior talent leaders. Among employers that had at least explored AI and hire entry-level employees, 46% reported AI increased entry-level hiring volume in 2025 versus 13% reporting a decrease; for 2026, 46% expected a positive impact and 17% a negative impact. The report also says AI shifts entry-level work away from routine/admin tasks toward analytical and judgment responsibilities, and that critical thinking/communication rank above AI literacy for entry-level hires.
Оговорки
Employer survey, not administrative hiring outcomes.
The positive aggregate result hides segmentation: some firms use AI to automate routine entry tasks and reduce entry hiring.
Use as a counter-signal to 'entry-level is dead', not as proof that junior squeeze is false.
Рекомендуемая формулировка для публикации
Strada is the clean counter-signal: many employers expect AI to raise rather than reduce entry-level hiring, but the content of entry-level work becomes less routine and more judgment/analysis-heavy.
ВНИИ труда / Коммерсантъ 2026 — оценка рабочих мест под риском ИИ
подтвержденоB/Crussia2026-05
Утверждение
Коммерсантъ сообщает о исследовании ФГБУ ВНИИ труда, представленного 18 мая 2026 года: в среднем около 7,5% работников в регионах РФ могут в ближайшие годы остаться без прежней работы из-за внедрения ИИ. По пересказу статьи, наивысшие критические риски замещения трудовых обязанностей названы для служащих (82%), специалистов среднего уровня (64%) и специалистов высшего уровня (60%); для неквалифицированных рабочих риск ниже (37%).
Оговорки
Публично доступна журналистская статья, а не полный методический отчёт ВНИИ труда; уровень B/C, не A.
Формулировка 'останутся без прежней работы' не равна автоматическому чистому росту безработицы: возможны переходы, переобучение и изменение задач.
Использовать как российский прогноз риска/структурной экспозиции, а не как подтверждённое сокращение уже произошедших рабочих мест.
Рекомендуемая формулировка для публикации
По пересказу Коммерсанта, ВНИИ труда оценивает потенциально затронутую ИИ долю рабочих мест в регионах РФ примерно в 7,5%, причём риск выше для служащих и специалистов, а не только для низкоквалифицированного труда.
California / Newsom 2026 — AI workforce disruption executive order
подтвержденоA/Bus2026-05
Утверждение
California Governor Gavin Newsom signed Executive Order N-6-26 on 21 May 2026 to prepare workers and businesses for potential AI disruption. The order directs state labor/workforce agencies to analyze AI impacts on employment and recommend ways to help workers and businesses adapt, making workforce disruption an explicit state-level governance object rather than a purely corporate HR issue.
Оговорки
The official website/PDF was intermittently slow from the local environment; the official URL and search snippets verify the order and framing.
This is a planning/governance signal, not evidence of realized layoffs.
Use as 'long state' anticipatory capacity: measuring and preparing for labor disruption before it is administratively visible.
Рекомендуемая формулировка для публикации
California's AI workforce executive order is a governance signal: the state treats AI labor disruption as something to measure, plan for and route through workforce institutions, not merely as private firm optimization.
Block 2026 — AI-linked workforce reduction under Jack Dorsey
подтвержденоCus2026-02
Утверждение
Reporting on Block's February 2026 announcement says the Square/Cash App parent planned to cut more than 4,000 jobs / about 40% of its workforce, with Jack Dorsey explicitly tying the smaller team to AI/intelligence tools and saying a significantly smaller team can do more with the tools Block is building. This is one of the clearer corporate AI-efficiency layoff narratives, but still company narrative rather than independent measurement of task substitution.
Оговорки
Primary corporate letter/filing should be preferred if later mirrored publicly; current accessible source is press reporting with Reuters restricted locally.
Do not infer one-for-one AI replacement for every eliminated role.
Code as corporate narrative/evidence level C unless a filing provides exact workforce and restructuring numbers.
Рекомендуемая формулировка для публикации
Block is a sharp AI-efficiency corporate narrative: management linked a much smaller workforce to compounding intelligence-tool capability, but the causal mapping from AI to each cut role remains unverified.
Challenger June 2026 — AI becomes the leading stated reason for US job-cut announcements
подтвержденоBus2026-07
Утверждение
Challenger, Gray & Christmas reported that US-based employers announced 45,849 job cuts in June 2026 and 443,604 through the first half of 2026. Artificial Intelligence was the leading stated reason for job cuts for the fourth consecutive month: 14,029 announced cuts in June, 101,743 year-to-date, about 23% of all first-half cuts. The May report had recorded 38,579 AI-cited cuts, 40% of May cuts, and 87,714 year-to-date through May.
Оговорки
Challenger tracks announced job-cut plans by stated employer reason, not realized layoffs or independently measured task substitution.
AI can be cited as a restructuring narrative or allocation label; do not infer that every listed role was technically replaced by an AI system.
Use as a corporate-labor-market signal that AI has become an explicit layoff category, not as a causal administrative dataset.
Рекомендуемая формулировка для публикации
By mid-2026, Challenger data show AI as the leading stated reason in US job-cut announcements for several months, but this is employer-cited layoff taxonomy rather than causal proof of substitution.
Gallup Q1 2026 — half of US employees use AI at work at least occasionally
подтвержденоBus2026-04
Утверждение
Gallup reported that in Q1 2026, for the first time in its measurement, half of employed American adults used AI in their role at least a few times a year. 13% reported daily use and 28% reported use a few times a week or more. Among AI users, leaders were more likely than individual contributors to report an extremely positive productivity impact (21% vs 13%). The survey ran February 4-19, 2026 among 23,717 employed US adults.
Оговорки
Self-reported workplace use, not direct productivity measurement.
The result is US-only and includes occasional use; daily/frequent use is much lower than the headline half.
Leadership advantage may reflect task mix, autonomy and selection rather than AI alone.
Рекомендуемая формулировка для публикации
Gallup is an adoption-floor signal: AI use at work has become mainstream in the US, but frequent use and productivity gains are uneven and skew toward leaders and certain work types.
Anthropic Economic Index Survey/Cadences 2026 — exposure anxiety, junior concern and delegation cadence
подтвержденоB/Cus2026-06
Утверждение
Anthropic reported an 81,000-user survey connecting Claude usage to economic perceptions: respondents in more AI-exposed roles had greater concern about AI-driven job displacement, early-career respondents were more concerned than senior workers, and respondents reporting the largest speedups also expressed higher displacement concern. In the June Cadences report, close to 6 in 10 respondents chose a higher AI-capability band for the next year than for today, over one third expected AI to handle most or nearly all of their work tasks in 12 months, and over one third put the probability of a junior colleague losing a job in the next year above 60%.
Оговорки
Anthropic survey respondents are Claude users, not a representative labor-force sample.
The report links self-reported perceptions and privacy-preserving usage patterns; it does not measure actual future job loss.
Useful for perceived exposure, delegation cadence and junior-risk expectations; pair with NY Fed/NBER counter-signals for realized labor outcomes.
Рекомендуемая формулировка для публикации
Anthropic adds a perception-and-usage signal: heavy AI users often feel more productive and more exposed, with particular anxiety around junior colleagues and early-career workers.
OECD Skills in the AI Age 2026 — skill transition as policy problem
подтвержденоA/Bglobal2026-07
Утверждение
OECD published the 36-page policy paper “Skills in the AI age” on 8 July 2026. The abstract frames AI as a general-purpose technology that may enhance productivity, growth and job creation, but also create displacement if the transition is poorly managed. It states that AI employment effects differ across sectors, regions, cities and skill levels, and that adapting requires new skills aligned with evolving labor-market demands, with policymakers playing an essential role.
Оговорки
Policy paper, not a single causal labor-market estimate.
Use for institutional framing of skills and transition management, not for exact displacement counts.
Country and occupation-specific impacts require separate sources.
Рекомендуемая формулировка для публикации
OECD treats AI labor disruption as a managed skills-transition problem: the risk is not only replacement, but uneven adaptation capacity across sectors, places and skill levels.
OECD 2026 — system-level policy responses for GenAI in higher education
подтвержденоAglobal2026-07
Утверждение
OECD published Education Spotlight No. 23 on 17 July 2026, describing how GenAI affects higher education across learning support, teaching and assessment, skills and knowledge, research, and administration. The abstract highlights risks around data protection, academic integrity, equity, reliability of generated content, and impact on student knowledge and skills, and identifies five areas of emerging system-level policy response.
Оговорки
This is a governance/policy synthesis, not a measurement of learning outcomes.
Use as evidence that higher education is moving from ad hoc AI rules toward system-level adoption policy.
The five policy areas should be quoted from the PDF if used verbatim.
Рекомендуемая формулировка для публикации
OECD’s July 2026 higher-education spotlight confirms that GenAI governance is moving from individual misconduct to system-level policy: assessment, data, equity, reliability and skill formation are now one problem.
OECD/European Commission 2026 — AI Literacy Framework for primary and secondary education
подтвержденоAeu2026-06
Утверждение
OECD and the European Commission published a 64-page AI Literacy Framework for primary and secondary education on 18 June 2026. The report defines AI literacy as knowledge, skills and attitudes that help learners understand how AI systems work, critically evaluate outputs, and use AI ethically and creatively; it establishes a common framework for desired learner outcomes inside and outside school.
Оговорки
Framework/guidance, not an outcome evaluation.
Use as long-state/institutional response to AI-native education, not proof of successful implementation.
Local curriculum adoption will vary by country and system.
Рекомендуемая формулировка для публикации
The OECD/EC AI literacy framework is a long-state signal: school systems are beginning to define AI competence as a general civic and professional literacy, not a specialist programming skill.
Anthropic Claude for Teachers 2026 — platformization of K-12 teacher workflow
подтвержденоCus2026-07
Утверждение
Anthropic introduced Claude for Teachers on 14 July 2026, offering verified US K-12 educators free premium Claude access, a library of teaching skills, and a direct connection to evidence-based curricula mapped to academic standards in all 50 states. The product is free for individual educators who sign up by 30 June 2027 for a full year, with a school/district offering announced as forthcoming.
Оговорки
Corporate product announcement; do not treat as independent evidence of improved learning outcomes.
Useful as a platformization signal: teacher planning, standards mapping and instructional scaffolding become AI-mediated workflow.
US K-12 only at launch.
Рекомендуемая формулировка для публикации
Claude for Teachers is a corporate-platform signal: AI vendors are moving from student cheating discourse into teacher workflow, standards mapping and lesson-design infrastructure.
GenAI.mil 2026 — DoD internal AI marketplace reaches mass institutional use
подтвержденоB/Cus2026-07
Утверждение
Nextgov/FCW reported on 1 July 2026 that Cameron Stanley, the DoD chief digital and artificial intelligence officer, said GenAI.mil had reached a record almost 1.7 million users and more than 100,000 custom agents. The report also says the DoD planned to add more models and move GenAI.mil to higher classification levels, while already hosting capabilities from multiple major vendors at Impact Level 6 and 7.
Оговорки
Specialized press report quoting a named official, not an independently audited usage release.
“Users” may include registered or active platform users depending on DoD definition; avoid converting to daily active users unless sourced from a specific statement.
Use as institutional adoption / public-sector workflow signal, not employment impact evidence.
Рекомендуемая формулировка для публикации
GenAI.mil is a public-sector adoption signal: a large state employer is normalizing internal AI marketplaces and custom agents as work infrastructure, not merely experimenting at the edge.
arXiv 2026 — career choice under heterogeneous AI exposure
подтвержденоCus2026-07
Утверждение
Steele and Cruz (arXiv, submitted 16 July 2026) compare six projections of occupational AI exposure, propose a model using 2025 query data from Anthropic and OpenAI, and report marked heterogeneity across models. Their abstract says post-2020 models tend to show positive relationships among AI exposure, salaries and occupational complexity; jobs in healthcare practice show the strongest balance of higher pay with lower AI exposure; and high-Claude-use jobs where AI acts as a complement rather than substitute are modestly higher-paying.
Оговорки
Preprint, not peer reviewed.
Exposure estimates depend heavily on model assumptions and usage norms; the paper itself emphasizes heterogeneity.
Use as a career-routing/exposure-map signal, not as definitive forecast of safe occupations.
Рекомендуемая формулировка для публикации
The July 2026 career-choice preprint strengthens the “AI-un-exposed is not simply low-skill” point: some high-pay professional fields, especially healthcare practice, may combine lower AI exposure with strong wages.
Bloomberg/Fortune 2026 — banking AI pressure on junior analyst apprenticeship ladder
подтвержденоB/Cglobal2026-06
Утверждение
Bloomberg reporting republished by Fortune on 7 June 2026 frames banking and finance as an apprenticeship-ladder risk zone. It reports executive statements that some jobs will be eliminated or no longer required as AI is implemented, describes AI-powered screening in early finance hiring, and cites Debasish Patnaik of McKinsey QuantumBlack saying banks are cutting junior analyst classes by as much as two-thirds while sourcing roughly 62% of AI talent from those same cohorts. The article also notes targeted use cases including customer service, transaction and trade monitoring, wealth-management avatars and AI call summarization.
Оговорки
Press reporting with consultant and executive statements; not administrative payroll data.
Use as a finance-sector apprenticeship-pressure signal, not as proof of realized mass cuts across all banks.
The “as much as two-thirds” figure is about junior analyst classes in some banking contexts, not all entry-level finance jobs.
Рекомендуемая формулировка для публикации
Banking is a clean ProfGames case: AI pressure appears first at the apprenticeship interface — screening, junior analyst intake, customer-service/monitoring workflows — while senior judgment remains rhetorically protected.
Прямой первоисточник RANEPA brain drain monitoring
Все ссылки secondary через Meduza; цифра ~10% returnees
gap-02критичность: highrussia
Структура российского IT-рынка по сегментам
Бигтех/госсектор/midmarket/стартапы по выручке — публично нет от АРПП/РУССОФТ/ВШЭ ИСИЭЗ в требуемом разрезе на 2025-26
gap-03критичность: highrussia
Точные численные пороги Постановления №1949
Апрельские 2026 подзаконные акты Минцифры на момент проверки в публичных правовых системах не консолидированы; первоисточником станет Приказ Минцифры о перечне ИТ-профессий
За платным/закрытым контентом CNews Analytics; помечать 'secondary source only, primary not located'
gap-05критичность: lowrussia
Авито Работа AI-вакансий ×2
Корпоративная аналитика без первичной методологической публикации
gap-06критичность: mediumrussia
Гринатом цифровая занятость (25 000 / 55 000)
Пресс-релизы Росатома/Гринатома в публичной выборке отсутствуют для этих конкретных чисел
gap-07критичность: highrussia
Прямая каузальная оценка AI-effects на российском payroll
Нет аналога Brynjolfsson-Chandar-Chen на российской payroll-базе; Сбер/Тинькофф/Яндекс могли бы сделать через Bcoin/SDA, но публично не делают
gap-08критичность: mediumrussia
Bloomberry / Live Data Technologies для РФ
Динамика PM/BA/coordinator/HRBP по российским вакансиям с разбивкой tactical vs accountable — нет в открытом доступе
gap-09критичность: mediumrussia
Workslop в российском корпоративном контексте
BetterUp-style исследования отсутствуют
gap-10критичность: highglobal
Долгосрочные effects junior squeeze
7-10 лет, на которых акцентирует цикл, ещё нет данных. Stanford-данные покрывают 2022-25; прогнозы BLS до 2034 — это extrapolation
gap-11критичность: mediumuae
UAE long-term spillover
Прогнозы Brookings/Carnegie/IISS об устойчивости экспат-модели — пока спекулятивны; данных по тому, кто из MBZUAI graduates через 5 лет остаётся в UAE и кто переходит в Stargate UAE / G42, ещё нет
gap-12критичность: mediumrussia
Эффект Постановления 1949
Первые отчёты будут только в 2026-27, методология валидации (как считать '3% льгот') в АРПП оспаривается
gap-13критичность: mediumglobal
Bifurcation tactical vs accountable orchestrators
Концептуально хорошо описано (Microsoft New Future of Work 2025), но операционализация — открытая задача
gap-14критичность: highglobal
Кросс-страновое сравнение junior:middle:senior ratio
Нет единой методологии; PwC, BLS, hh.ru, China MOE считают по-разному
gap-15критичность: mediumchina
Микро-данные по DeepSeek/Moonshot/Zhipu hiring
Качественные истории есть (recodechinaai), но количественных panel-данных — нет
gap-16критичность: C—
Точные числа Irish-specific AI cheating data (vs UK general)
UK studies применимы как контекст; Irish-specific surveys не найдены
gap-17критичность: B—
Independent verification GitHub blocking specifics в 2025 для paid subscribers
Только secondary source (mosdigitals.ru) сообщает о full blocking даже с paid subscription
gap-18критичность: C—
Конкретные cases применения 6 O 151/23 принципа
Прецедент подтверждён, но subsequent applications не отслежены
gap-19критичность: B—
Independent verification Школа 21 / Иннополис employment claims (100% trudoustroistvo)
Минцифры цифры от конца 2022; subsequent данные partial
Рекомендации
Готово к публикации
ru-02 Постановление №1729
ru-07 OutRush 4-я волна
ru-09 Концепция миграционной политики РФ 2026-30
ru-12 Yandex SourceCraft AI-агенты
ru-16 Минцифры План 2030
ai-20 Anthropic Labour Market Impacts March 2026
ai-21 Anthropic Economic Index — географическое распределение
ai-22 Stanford Canaries in the Coal Mine
reg-24 GPhC OSPAP UK
reg-25 German Skilled Immigration Act
reg-27 China Young Thousand Talents
reg-28 China returnees 1978-2024
corp-29d Salesforce / Benioff
corp-29e Klarna
corp-29g Microsoft 2025 layoffs
corp-29h Bloomberry 180M jobs
corp-29i PwC AI Jobs Barometer
corp-29j WEF Future of Jobs
corp-29k MIT NANDA
Требует уточнения
ru-01 — Заменить точные пороги '>1 млрд ₽ и >100 чел.' на 'крупные ИТ-компании с долей IT-выручки и значительным размером'; уточнить '3% от налоговой экономии'
ru-03 — ИСПРАВИТЬ '3% налог на прибыль' на '5% налог на прибыль до 2030'
ru-11 — Школа 21 '100% трудоустройство' — отметить как corporate self-claim
ai-19 — AI Index productivity '72% маркетинг' — ИСПРАВИТЬ на 50%
reg-23 — Teaching Council Ireland processing time '4/8 недель' — ИСПРАВИТЬ на 6/12 недель; Route 4 — special education only, использовать Routes 1-2 для general overseas
reg-26 — UK Apprenticeships '509→354' — добавить, что 509 — пик 2015/16 до Levy reform; 393,400 (2018/19) — другая reference point
reg-30 — UAE 'бюджет $30 млрд / AED 112 млрд' — ИСПРАВИТЬ: AED 335 млрд — projected economic impact, не explicit budget
corp-29f — Amazon '−14 000 = AI' — REFRAME: Jassy explicitly framed as culture, не AI; AI-attribution — media narrative
ru-10 — '850 тыс. реестровых' — это нелегальные мигранты МВД, НЕ IT-индикатор; УДАЛИТЬ или radically downgrade в IT-контексте
Убрать или понизить
corp-29a — IBM '$250 000 инвестиций в new collar к 2025' — primary не найден
ru-13 — Гринатом '25 000 → 55 000 цифровой бизнес', '+30 000 IT за 7 лет' — не подтверждено в первоисточнике; 1С:ERP часть VERIFIED
reg-30 — MBZUAI Silicon Valley lab (40+40) — primary не найден
corp-29c — EY +61 000 'технологистов' с 2023 — secondary only
ru-18 — Российская сегментация IT-рынка — оценочные, без публичной методологии
ru-15 — Лига цифровой экономики и Программный продукт цифры выручки — primary не найден в выборке
Guidance для статьи B
Use B-pack claims with explicit evidence_level marks in narrative text
For Ireland biography: Route 1/2 standard process with EU 2005/36/EC, Timebound Provision до 31.12.2027 (b-ire-01); avoid using Route 4 as universal
For Germany biography: anchor in EU AI Act timeline (b-ger-01) + AILD withdrawal (b-ger-02) + ProdHaftG-E (b-ger-03) + 6 O 151/23 precedent (b-ger-04)
For India-UK biography: anchor in PLAB→UKMLA transition (b-ind-01) + 5 March 2026 Prioritisation Act (b-ind-02) + 91,999 applications stat (b-ind-03)
For China biography: anchor in YTT data (existing reg-27, reg-28) + Pangram 26% (b-chn-01) + 72.2% retractions (b-chn-02); use Saveetha (b-chn-03) only as cross-country illustration
For Russia-IT biography: anchor in 152-ФЗ amendment from 28.02.2025 (b-rus-it-01) + GitHub trade controls (b-rus-it-02) + workslop measurements (b-rus-it-03) + tragedy of the commons frame (b-rus-it-04)
When citing 152-ФЗ: be precise about scope — primary collection ban (NOT full transborder transfer ban). Use exact wording from caveats
When citing GitHub blocking paid subscribers in 2025: use partially_verified status, mention secondary source only
Школа 21 / Иннополис: cite as "по данным компаний" / "without independent verification"
For Pareto matrices in B: use claims as anchor for scenarios — each scenario should reference specific facts from this pack
For synthesis chapter cross-comparison: use translator maintenance cost asymmetry as organising principle