Исследование о рынке труда by Anthropic

В преддверии Недели медицинского образование в Сеченовском Университете оч актуально обсудить тренды рынка труда, которые обозначены в мартовском исследовании компании Anthropic.

Антропик сделал очень аккуратное, «экономическое» фото того, как ИИ уже сейчас затрагивает труд, и из него прямо торчат несколько важных выводов для биомедтеха и цифрового здравоохранения.

О чем исследование:

⏺ Исследователи вводят новый показатель observed exposure — «наблюдаемая экспозиция», то есть, насколько задачи реально автоматизируются LLM в рабочем контексте (а не только «по теории можно было бы автоматизировать»).​

⏺ Они склеивают три слоя: описание задач профессий, свою аналитику использования Claude (Anthropic Economic Index) и оценки «теоретической уязвимости» задач для LLM.​

⏺ Ключевой тезис: ИИ пока далеко не реализует свой теоретический потенциал, реальная автоматизация — лишь доля того, что модели уже «по бумаге» умеют.

Вывод неприятный для стереотипов: сильнее всего экспонированы не «низкоквалифицированные», а более образованные, высокооплачиваемые специалисты, часто женщины.

Так, LLM уже заметно заходят в мир программистов, финансовых аналитиков, саппорта и data entry — там модели теоретически покрывают до 60–90% задач, а в реальных usage‑логах Claude уже автоматизируют 30–75%. Внизу списка — повара, механики, официанты, охранники: физический и сервисный труд остаётся почти нетронутым. Массовой безработицы среди «экспонированных» Anthropic пока не видит, но для молодых 22–25 лет в этих профессиях фиксируется замедление найма: входные позиции сужаются, компании меньше берут джунов.

Что с биомедтехом? Если переложить это на медицину и life sciences, то в зоне скорой автоматизации оказываются не хирурги и не медсёстры, а широкий пояс knowledge‑ролей вокруг них. Это люди, которые пишут тексты и отчёты, сводят данные, координируют исследования и принимают рутинные решения по понятным правилам: клинические исследователи, биостатистики, медписатели, координаторы исследований, специалисты по страховой медицине, менеджеры качества.

Для экосистемы биомедтеха отсюда несколько практических выводов:

⏺ Стратегический фокус — не «ИИ заменит врача», а продукты для всех когнитивных и административных контуров вокруг клиники и фармы: документы, анализ данных, маршрутизация, взаимодействие с регуляторами и страховщиками.​

⏺ Самые интересные ниши — там, где теоретическая экспозиция уже высокая, а реальное использование ИИ пока минимально из‑за регуляторики, ответственности и отсутствия нормальной интеграции.​

⏺ В образовании по биомедтеху и цифровому здравоохранению надо честно говорить студентам: вход через «рутинную аналитическую работу» будет сжиматься, цениться будут доменная глубина, работа с пациентом и умение строить решения с опорой на ИИ, а не «вместо» него.

👻 Биомедтех в MAX

Российский биомедтех: кого ИИ-агенты заменят в первую очереди в первой линии

Исследование Anthropic про observed exposure показывает важную вещь: ИИ уже заметно заходит в «беловоротничковые» и аналитические профессии, но пока почти не трогает физический и сервисный труд. Самая высокая экспозиция — у программистов, финансовых аналитиков, саппорта и data entry, тогда как повара, механики и прочие «руки» в красной зоне почти не фигурируют. Для медицины и биомеда это означает: первыми будут меняться не операционные, а когнитивные и документальные роли вокруг пациента.

Если приземлить отчёт Anthropic на российскую систему здравоохранения, картина становится очень конкретной. В наших НМИЦ, университетских клиниках и страховых компаниях под раннюю автоматизацию попадают:​

⏺ Координаторы клинических исследований, специалисты по GCP и ОКИ: типовые письма, протоколы, визиты, логистика, заполнение форм, отчёты для ЛЭК и Минздрава — всё это ровно тот класс задач, который в работах Anthropic помечен как теоретически полностью экспонированный.

⏺ Медицинские писатели и регуляторщики: регистрационные досье, резюме данных, изменения инструкций, ответы на запросы регуляторов и страховых — смесь структурированного текста и жёстких шаблонов, где LLM могут удваивать скорость работы

⏺ Специалисты по страховой медицине, возмещению и контролю качества: кодирование услуг, медико‑экономическая экспертиза, апелляции, переписка с фондами — российский аналог тех самых office & admin / customer service, где у Anthropic высокая теоретическая экспозиция и растущая observed exposure - уже сейчас до 90% задач теоретически доступны моделям.

⏺ Аналитики в фарме и медтехе: поиск и сводка литературы, стандартные отчёты по безопасности и эффективности, фармаконадзор, презентации для ВК, подготовка слайдов — то, что вписывается в observed exposure через реальные кейсы использования Claude, тот класс задач, где уже фиксируется регулярное использование моделей в работе даже если работодатели и регуляторы об этом еще не подозревают.​

Общий мотив: это хорошо оплачиваемые, женские и более образованные профессии — именно так описывается самая экспонированная группа в отчёте Anthropic. Пока массового роста безработицы там не видно, но найм молодых 22–25 лет в такие профессии уже просел: компании меньше берут людей на вход, где рутинную когнитивную работу можно переложить на ИИ. Для биомедтеха это сигнал: новые карьеры нужно строить сразу «поверх моделей», а не под старую логику, где младший специалист = человек, который делает всю однообразную бумажную работу.

Если смотреть на это глазами экосистемы, то продуктовые возможности лежат именно в этих «скучных» местах, которые никто не хочет видеть инновацией. Не ИИ‑хирург, а нормальная автоматизация протоколов, отчётности, коммуникации и страховых кейсов, с доведением до реального observed exposure, который сегодня является лишь фрагментом теоретического потенциала моделей. И те университеты и акселераторы, которые первыми начнут готовить специалистов и команды под этот ландшафт, будут не «защищать от ИИ», а конструировать новые роли — там, где ИИ закрывает рутину, а человек берёт на себя сложное принятие решений, коммуникацию и дизайн систем.

👻 Биомедтех в MAX

ИИ меняет вход в науку и R&D

В логике Anthropic как раз исследовательские и высококвалифицированные роли оказываются сильно экспонированными: литературные обзоры, анализ данных, подготовка статей, отчётов и грантовых заявок — всё это задачи, которые модели уже умеют ускорять в разы. Это не убирает исследователя, но резко удешевляет и ускоряет «грязную» часть его работы. На уровне рынка труда это проявляется не массовыми увольнениями, а сжатием входного слоя: меньше потребность в младших сотрудниках, которых брали «таскать данные и писать черновики».

Что это значит для образовательных программ про исследования

Традиционная траектория в науке и R&D: сначала много ручной рутины (искать статьи, чистить данные, набивать отчёты), потом — переход к дизайну экспериментов, постановке исследований и управлению проектами. В мире, где значительная часть этой рутины делегируется ИИ, программы, которые продолжают «готовить к рутине», выпускают людей с быстро обесценивающимся skill‑set’ом.

Новые акценты:

⏺ Учить не «как правильно оформить статью», а как строить исследовательский пайплайн, в котором ИИ работает на этапах поиска литературы, генерации гипотез, планирования эксперимента и интерпретации результатов.

⏺ Переносить фокус с технических навыков подготовки документов на компетенции дизайна исследований, постановки вопросов, выбора методологии, проверки валидности и воспроизводимости.

⏺ Вшивать в курсы постоянный вопрос: какую часть этой исследовательской задачи может взять на себя ИИ сейчас, а какую — в ближайшие 3–5 лет, и что тогда остаётся «человеческим ядром» профессии.

R&D‑акселерторы и программы по инновационным компетенциям

Акселерационные и «инновационные» программы почти всегда затрагивают R&D — будь то университетские лаборатории, корпоративные НИОКР или стартапы. Их логика тоже должна измениться:

⏺ В кейсах и проектах нужно просить команды не просто «сделать продукт», а перерисовать исследовательский и разработческий контур: какие задачи по анализу, моделированию, валидации, документации делают люди, а какие — ИИ.

⏺ В модуль по «инновационным компетенциям» стоит добавить отдельную тему: управление портфелем исследований в условиях, когда стоимость генерации гипотез и прототипов падает, а узким ресурсом становится не время, а экспертиза и экспериментальная база.

⏺ В практику по грантам, заявкам и отчётности — работу с ИИ как с стандартным инструментом, но с явным обсуждением рисков: фабрикация данных, «галлюцинации» в обзорах, утечка чувствительной информации.

Новый профиль исследователя и R&D‑лидера

Образовательные программы, которые ориентируются на R&D, должны прямо переписать профиль выпускника:

⏺ Не «человек, который умеет делать всё руками», а человек, который умеет проектировать исследовательский процесс в команде, где ИИ встроен по умолчанию.

⏺ Не «исполнитель чужих гипотез», а носитель навыков формулировать сильные исследовательские вопросы, отбирать валидные результаты из лавины автоматизированно сгенерированного материала, настраивать критерии качества.

⏺ Не «давайте научим писать диссертацию», а «давайте научим управлять жизненным циклом исследования/разработки: от идеи и дизайна до прототипа, регуляторной стратегии и внедрения».

Практические шаги для программ

Чтобы это не было только риторикой, в куррикулумы можно встроить:

⏺ Курсы и практики по «исследованиям с ИИ»: студент/резидент выполняет один и тот же R&D‑кейс «по‑старому» и с интеграцией ИИ‑инструментов, сравнивает скорость, глубину и риски.

⏺ Проекты, где цель — сократить долю ручных задач в лаборатории или R&D‑подразделении, а не просто «применить ИИ».

⏺ Модули по этике и управлению рисками в научных и разработческих работах с ИИ: воспроизводимость, конфиденциальность данных, корректность авторства.

👻 Биомедтех в MAX

Дрилл & Дилл: первый шаг к акселератору для стомато-стартапов

Рады анонсировать новую классную активность! Открываем подачу заявок на нашу совместную технологическую секцию для стартапов и молодых ученых в рамках стоматологической конференции @belayaraduga (лучшей частной стоматологии по моему скромного мнению, а лучшая гос - это, конечно, же стоматология Института стоматологии Сеченовского Университета на м. Киевская).

Что за активность
⏺ 1 июня 2026 года на Открытой медицинской конференции будет работать отдельное направление для стартапов и исследовательских команд, создающих технологии для стоматологического рынка.
⏺ Экосистема технологического предпринимательства Сеченовского университета выступает партнером и куратором этого трека.

Кого приглашаем
⏺ Команды стартапов и проектные группы, разрабатывающие продукты и сервисы для стоматологии, клиник и пациентов.
⏺ Исследователей и учёных в области стоматологии, медицины, медицинской инженерии, ИИ и цифровых технологий, которые готовы показать результаты своих работ рынку.
⏺ Институциональных и частных инвесторов, интересующихся новыми медтех‑решениями и возможностями для пилотирования и масштабирования.

Формат участия
⏺ Стендовые доклады двух типов: клинические постеры и технологические постеры, посвящённые продуктам и технологиям для стоматологии.
⏺ В рамках технологических постеров команды смогут получить обратную связь от врачей, управленцев клиник, пациентов и инвесторов, а также найти партнёров для пилотов.

Зачем это стартапам и учёным
⏺ Проверить гипотезы и продуктовые решения на живой аудитории отраслевых экспертов и практиков.
⏺ Найти клиники для пилотных проектов, инвесторов и менторов из медтех‑сообщества SechenovTech.

Как подать заявку
⏺ Регистрация и подробности участия доступны на сайте конференции brconf.ru (выбирайте формат стендового технологического постера).
⏺ Команды Сеченовского университета и партнёрских вузов могут дополнительно рассчитывать на консультационную поддержку Экосистемы технологического предпринимательства Сеченовского Университета при подготовке материалов.

👻 Биомедтех в MAX

Приглашаю всех на сессию, которую я буду модерировать завтра в рамках Недели медицинского образования в Сеченовском университете — поговорим о том, как искусственный интеллект не просто помогает преподавателям и веселит студентов, а реально меняет саму структуру образования.

Сессия «ИИ и медицинское образование: будущее, которое учится само»
31 марта 14:00-15:30

Как изменится университет, если искусственный интеллект уже не просто «помогает преподавателю», а проектирует курс, ведёт студента за руку по персональной траектории и даже создает образовательную экосистему вокруг каждой дисциплины? Что будет ценностью профессора — сценарий, наставничество, вдохновение или алгоритмическая точность? И готовы ли мы к тому, что границы университетского образования стремительно размываются под давлением стартапов и инновационных платформ?

Продолжая дискуссию, начатую исследованием Anthropic о трансформации рынка труда, на сессии попробуем взглянуть, как сдвиг в роли ИИ может затронуть подготовку будущих врачей и устойчивость самой университетской модели во второй четверти XXI века. Ведь если ИИ учится и учит одновременно — что остаётся человеку?

Спикеры и темы:
⏺ Евгений Табунин, основатель mPro — Мультиагентная ИИ‑система в образовании: переход к адаптивному персонализированному обучению
⏺ Дарья Арчакова @archi_vc, генеральный директор ООО «Архитектоника», студентка 5 курса Института стоматологии им. И.М. Боровского — LMS‑платформа для морфологических дисциплин (гистология) с модулем LLM + RAG для формирования клинического мышления через диалог
⏺ Максим Гоголев, основатель платформы Dr.Sarha — ИИ‑платформа для интеллектуального подбора контента с многоязычным переводом, адаптивным тестированием и персонализированной аналитикой прогресса
⏺ Алла Панченко, Сеченовский Университет — Генеративное медобразование: как ИИ меняет дизайн программ

Сессия приглашает преподавателей, исследователей и стартап‑команды к разговору об образовательной реальности, в которой ИИ уже не инструмент, а партнер в обучении — и, возможно, архитектор новой модели университета.

За новое фото - спасибо пресс-службе Сеченовского Университета)

Зал Адреналин, 2 этаж

👻 Биомедтех в MAX

Венчур после 2025: денег больше, сделок меньше. Что это значит для биомеда?

Повод для очередной серии постов — свежий глобальный отчёт по венчурному рынку от KPMG. Это одна из крупнейших аудиторских и консалтинговых фирм в мире, «большая четвёрка»: они видят одновременно корпорации, фонды и государства, поэтому у них хороший обзор того, куда реально текут деньги, какие сектора становятся «магнитами» и что умирает тихо.

В отчёте много интересного:
⏺ глобальный венчур снова >500 млрд долларов в год, но сделок меньше — рынок ушёл в сторону крупных, концентрированных раундов;
⏺ AI забирает непропорционально много капитала, но healthtech и biotech в Европе и ряде регионов вполне себе живут и даже бьют рекорды;
⏺ на горизонте вырастает defense / dual‑use, куда здравоохранение всё очевиднее встраивается.

Что будет в серии постов на этой неделе:
⏺ аналитика как изменилась гравитация венчура и где в ней место медтеха;
⏺ мысли о AI как к конкуренте и инфраструктуре для биомеда;
⏺ разбор европейских кейсов (Oura, онко‑биотех и раунды для редких заболеваний);
⏺ defense / dual‑use как новый коридор для медтех‑проектов;
⏺ региональные окна возможностей и короткий чек‑лист, как переписать питч‑дек под новый цикл.

Будете читать вместе со мной или прочитаете отчет сами?)

👻 Биомедтех в MAX

Новая гравитация венчура: меньше сделок, больше денег (серия постов по отчету KPMG)

За 2025 год глобальный венчурный рынок сделал трюк, который снаружи выглядит как «всё хорошо», а изнутри — как «стало сложнее почти всем».

Совокупный объём инвестиций вырос с ~392 до более чем 500 млрд долларов в год. Это третий результат за всю историю, чуть ниже аномального пика 2021‑го. При этом сделок стало заметно меньше: инвесторы двигаются в сторону «меньше, но крупнее».

Что это значит для биомедтеха:

⏺на ранних стадиях деньги есть, но их выдают людям, у которых траектория внятна с первого слайда, — просто потому, что фондов и сделок меньше;

⏺ на поздних стадиях рынок снова готов платить за масштаб — медианные оценки и размеры раундов по сериям A–D в США, Америке и Европе уже возвращаются к уровням 2021 года, но сейчас это «премия за продуманность», а не за хайп;

⏺ между seed и серьёзным growth‑раундом теперь зияет более широкий «каньон»: либо ты научился перепрыгивать его за счёт данных, клиники, выручки и понятной регуляторной логики, либо застреваешь в вечном дофинансировании.

Для основателей биомед‑проектов это история не про «денег нет», а про то, что рынок стал очень избирательным к тому, кого он вообще считает кандидатом на большой чек.

👻 Биомедтех в MAX

AI съедает венчур: где здесь место для биомедтеха?

Если смотреть только на заголовки, может сложиться ощущение, что венчур превратился в гигантский фонд поддержки пары десятков AI‑компаний. В топ‑десятке раундов за квартал — Anthropic с 15 млрд, мегараунды Databricks, Project Prometheus и других, и это только США.

AI действительно стал главным пылесосом капитала: и в глобальной, и в американской статистике именно он объясняет, почему объём рынка растёт, пока количество сделок падает. При этом внутри самой диаграммы по секторам видно, что медицина — не выжженное поле: healthcare‑сервисы, мед‑девайсы, фарма/биотех не исчезают, а держат стабильную долю, просто фон у них теперь другой.

Как с этим жить биомеду:

⏺ конкурировать за внимание инвестора вам приходится не только с соседними мед‑стартапами, а с инфраструктурой для дата‑центров, модельных компаний и AI‑платформ;

⏺ попытка «дорисовать AI в презентацию» больше не работает — инвестор уже отличает «AI как слой» от «AI как наклейка»;

⏺ здравый ход — честно ответить себе, где именно AI может стать инфраструктурой для вашего продукта: анализ изображений, триаж пациентов, прогнозирование исходов, автоматизация рутины в клинике, оптимизация цепочки поставок и т.п.

В посте завтра будет конкретный европейский пример, где healthtech не просто выживает в этом AI‑цикле, а забирает рекордные раунды.

👻 Биомедтех в MAX