Бенчмарки нейросетей не видят 90% вашей работы - и это ваш шанс

В октябре 2026 года компания Mercor выкатила исследование, которое многие прочитали как приговор фрилансеру, а по факту оно про обратное. Если совсем коротко, 90% рабочих часов в США приходится на задачи, которые бенчмарки нейросетей вообще толком не измеряют. То есть громкие баллы моделей говорят про маленький и удобный для замера кусок работы, а большая часть того, за что вам реально платят, в этих тестах просто не видна.

Ниже разберу, что именно не видно, почему это ваш актив, и что с этим делать уже сейчас.

Я веду Telegram-канал «The Maslov», где без воды разбираю связки, нейросети и лидогенерацию и выкладываю готовые решения. Заходите в t.me/themaslow.

Откуда взялась цифра «90%» в исследовании Mercor?

Цифра «90%» не взята с потолка, за ней стоит довольно скучная, но честная методология. Mercor взял официальную классификацию профессий США и проверил, сколько реальных рабочих задач вообще попадает хоть в один публичный тест для нейросетей. Оказалось, что почти не попадает.

Если по шагам, исследователи сделали так. Взяли таксономию O*NET (это справочник профессий американского Бюро трудовой статистики) - 923 профессии и 18 797 рабочих задач. Отобрали 29 публичных бенчмарков для ИИ, по которым обычно и меряют модели. А дальше сопоставили, какие задачи из реальной работы хотя бы упоминаются в этих тестах. Причём порог поставили мягкий, ведь задача считалась покрытой, даже если на неё приходилось всего пять промптов из бенчмарка. То есть даже лёгкое касание уже засчитывали за «измеряем».

Сам Mercor проговаривает прямым текстом то, что нельзя упускать. Исследование не доказывает, что ИИ не способен делать те самые 90% работы, оно доказывает лишь, что мы пока не умеем мерить, способен он или нет. Разница огромная, и именно на ней держится весь дальнейший разбор.

Почему бенчмарки в принципе не меряют вашу работу?

Потому что тесты идут туда, где измерять легко и выгодно, и обходят стороной те участки, где у людей больше всего работы. Этот перекос не случайный, он системный, и Mercor показал его в цифрах. Дальше на примере юриста и секретаря суда хорошо видно, как это выходит на практике.

После того как исследователи выровняли данные по тому, насколько профессия вообще подвержена автоматизации, выяснилась неприятная вещь. Задачи, которые эксперты считают в профессии самыми важными, попадают в бенчмарки в шесть-десять раз чаще, чем задачи, признанные наименее важными. Тесты как будто ищут ключи под фонарём, потому что там светлее, а не там, где ключи на самом деле потеряли.

Самый наглядный пример из отчёта такой. Тесты плотно покрывают задачи юриста, который подвержен автоматизации, но почти не трогают задачи секретаря суда или помощника по тем же судебным делам, хотя они сидят в той же сфере и тоже под автоматизацией. Получается, вопрос вообще не в том, можно ли автоматизировать профессию, всё решает то, кого удобно посадить на тест.

А ещё отдельно отмечено, что примерно у 63% профессий есть задачи с физическим, завязанным на реальный мир компонентом, который в нынешние бенчмарки впихнуть почти невозможно.

И вот теперь главное для вас. Типичный фрилансер-таргетолог, директолог или маркетолог по трафику в принципе не попадает в топовые, хорошо измеренные категории вроде разработки, финансов и юриспруденции. Mercor прямо пишет про недоохваченный «длинный хвост» среднедоходной интеллектуальной работы, и это ровно та зона, где вы и работаете.

Ваша работа не попадает в тесты вовсе не из-за простоты, её просто неудобно оцифровать в задачу с правильным ответом.

Какие навыки фрилансера и маркетолога не попадают в тесты?

Это навыки, где нет единственно правильного ответа, который можно проверить автоматом. Я собрал из исследования и предметных разборов конкретный список, за который вам стоит держаться, вместо того чтобы держаться за «я быстро пишу тексты». Ниже шесть пунктов, и почти все они про работу с живыми людьми и про ответственность за итог.

1. Переговоры и согласование с живыми людьми. Провести клиента через правки, возражения и чужие хотелки до подписанного результата - это куда больше, чем просто написать письмо.
2. Ревью и приёмка результата. Отличить «вроде норм» от «вот это пойдёт в бой» по неявным критериям конкретного клиента, которые нигде не записаны.
3. Вкус. Понимание, почему один заголовок цепляет, а другой чуть-чуть мимо. Этот навык собирается годами мелких ошибок, и его нельзя скачать вместе с промтом.
4. Контекст бизнеса клиента. То, что узнаётся на созвонах и встречах и никогда не ложится в документ: с кем нельзя ссориться, что уже пробовали и обожглись, где у клиента реальные деньги.
5. Репутация и связи. Модель может описать вашу сеть контактов, но не может оказаться внутри неё и не может за вас кому-то позвонить.
6. Ответственность за выбор. Сделать десять вариантов - это только начало. Ценность в том, чтобы выбрать из них два, объяснить клиенту почему именно эти, и назвать, что результат подскажет делать дальше.

Когда клиентов уже пять-семь одновременно, эти шесть пунктов быстро превращаются в кашу без системы учёта задач - у меня есть разбор таск-трекеров для фрилансера, куда всё это сносить, чтобы ничего не терялось между клиентами.

Заметьте, Mercor считал по всей экономике США и говорил про задачи профессий вообще. А вот перевод на язык «что это значит лично для фрилансера» я делаю сам, вендор таких выводов не давал. И вывод простой. Нейросеть отлично делает первый черновик и перебор вариантов, но платят вам ровно за перечисленную выше работу, и бенчмарки её не видят в упор.

Как раз про то, как превратить вкус, контекст клиента и ответственность за результат в услугу, за которую платят дороже, я постоянно пишу в своём Telegram-канале. Если тема близка, загляните в «The Maslov», это t.me/themaslow.

«ИИ прошёл бенчмарк - значит, заменит» - где здесь ошибка?

Ошибка в том, что тест меряет узкую операцию, а работу целиком он не охватывает. Вот классический пример. Ещё в 2023 году нейросеть сдала американский экзамен на адвоката, и половина интернета решила, что юристы всё, их заменяют. Но работа юриста совсем не в том, чтобы весь день отвечать на вопросы экзамена. Экзамен служит всего лишь дверью в профессию, и с самой профессией он совпадает мало.

С громкими баллами моделей та же история. Когда выходит очередной релиз и показывает рекорд на каком-нибудь тесте, это говорит ровно про то, что модель хороша в этом конкретном тесте. Не больше. Если интересно, как я читаю такие релизы без хайпа и что из этого реально новое для маркетолога, у меня есть отдельный разбор свежих моделей - там ровно этот подход, смотреть на прикладную пользу, а не на циферку в анонсе.

И есть ещё один подвох, который видно только в полевой работе. Два разных навыка модель может делать с одинаково высоким баллом, но совершенно по-разному по духу. Одна осторожничает в оценке риска, другая рубит с плеча.

Средний балл по тесту этого не покажет, хотя для работы с конкретным клиентом именно это решает всё. Вам нужен исполнитель, который впишется в стиль решений вашего бизнеса, а «точный в среднем» этого не гарантирует.

Зачем ИИ нужен «человек внутри костюма»?

Затем, что нейросеть работает как турбина, а пилотом остаётесь вы. У меня есть любимый образ про то, как вообще стоит смотреть на ИИ в работе. Вы собираете себе костюм, где ИИ даёт мощность и скорость, а человек внутри отвечает за методологию, контроль и вкус. Турбина тащит, но куда лететь, на какой высоте и когда тормозить, решает тот, кто внутри.

Мой принцип по любому ИИ-инструменту простой, я называю его «меньше магии, больше метрик». Любая новая модель или тулза у меня проходит через простую проверку. Сколько рутины она реально снимает, где риск, что она нагаллюцинирует, и во сколько это обходится в деньгах и времени против ручного труда. Если инструмент не даёт денег, скорости или качества, он отправляется в архив, а на обложку не попадает. Эту работу за вас не сделает ни один бенчмарк, потому что он не знает ни вашего клиента, ни вашей экономики.

Поэтому для меня нейросеть не замена человеку, а усилитель. Она разгоняет того, кто уже умеет думать, ставить задачу и отвечать за результат. А тому, кто сам не понимает, что он делает и зачем, пачка промтов ничем не поможет, я это много раз видел на практике.

Куда на самом деле уходит время, которое «освободил» ИИ?

Оно никуда не исчезает, оно смещается в проверку и координацию. Это важный момент, потому что многих пугает именно он. Если первый черновик теперь делается за минуту, значит, работы стало меньше и платить будут меньше. На деле состав работы меняется, а объём остаётся.

Экономисты давно описали этот эффект, его называют болезнью Баумоля. Когда одну часть работы удаётся удешевить и ускорить, оставшаяся часть, которую ускорить нельзя, становится относительно дороже и заметнее в общем времени. С нейросетями происходит ровно это. Сгенерировать вариант стало дёшево, а вот проверить его, подогнать под задачу и довести до сдачи по-прежнему остаётся ручной и небыстрой работой.

Коллеги, которые много работают с ИИ-кодом, говорят об этом прямее некуда. Проверка чужого и сгенерированного кода теперь занимает у них чуть ли не больше времени, чем само написание, потому что редактировать его бывает тяжелее, чем написать с нуля. Если вы как раз берётесь за такие инструменты, у меня есть разбор команд Claude Code в терминале для первой недели. Там хорошо видно, что сам запуск модели занимает пять минут, а дальше начинается та самая проверка и доводка, которую никакой тест не измеряет.

Для маркетолога и фрилансера вывод обнадёживающий. Вы теряете только самую дешёвую часть работы, ту, которую и так не особо ценили. А ценность смещается туда, где вы сильны. Это приёмка, контекст и решения.

Чтобы было нагляднее, вот как делится ваша работа после прихода нейросети.

Клиент говорит «просто прогоню через ИИ» - что отвечать?

Отвечать спокойно и по делу. Промпт у клиента есть, а прикладного навыка нет, и именно за него он и платит. Это самая живая боль аудитории, когда заказчик приходит и предлагает треть прежней ставки, потому что «ну там же теперь нейросеть всё сама делает».

Я эту ловушку хорошо знаю ещё по инфокурсам про нейронки. Вам дают пачку промтов, но не дают понимания, как адаптировать их под конкретную задачу. А в реальной работе задачи каждый раз разные, заказчик хочет другой тон, другую нишу, другую специфику. Дали промпт на коммерческое предложение для маркетингового агентства, отлично, сгенерил. А если нужно под нишу ремонта квартир? Вот здесь и заканчивается демо-навык и начинается работа, за которую берут деньги.

Так и клиенту стоит объяснять, без наезда и без паники. Да, черновик он теперь получит и сам за минуту. Вопрос в том, кто поймёт, что из этого черновика работает на его продажи, а что сольёт бюджет в трубу. Кстати, даже поисковики уже учатся отличать пустой ИИ-текст от настоящей экспертизы. Google с 1 октября 2026 года прямо назвал фейковых AI-экспертов обманом для сайтов. Рынок двигается туда же, куда стоит прийти и вашему клиенту. Ценится уже не сама генерация, важно то, что за ней стоит.

Короткая формула для разговора такая. Если клиент хочет платить за нажатие кнопки, он платит за нажатие кнопки. Если он хочет результат в деньгах, то платит за человека, который доведёт нажатие кнопки до результата. Это разные услуги и разные ценники.

Как превратить непокрытые бенчмарками навыки в оффер?

Нужно перестать продавать производство текстов и начать продавать то, что остаётся после генерации. Звучит просто, на практике большинство фрилансеров этого не делает и продолжает конкурировать ценой за «напишу пост».

Разверну по шагам, как я это вижу.

1. Назовите в оффере ответственность, а не процесс. Вместо «пишу тексты и настраиваю рекламу» это звучит как «отвечаю за то, чтобы заявки были целевыми и доходили до продажи». Генерацию при этом можно хоть десять раз ускорить нейросетью, клиент покупает не её.
2. Привяжитесь к деньгам клиента, а не к объёму произведённого. Маркетолог, который завязан на выручку и удержание клиента, вытесняется куда труднее, чем тот, кто завязан на количество показов и постов. Первого не заменить кнопкой, второго - запросто.
3. Продавайте скорость обработки, а не только трафик. Приведу замеренную историю из своей практики. Если заявку обработали в первые десять минут, целевых лидов выходит порядка 80-90%. Если перезвонили через два часа, целевых остаётся 20-30% от силы. Несвоевременная обработка заявок - одна из самых болючих болей почти всего бизнеса в России, и вот тут связка «человек плюс ИИ-помощник» даёт клиенту живые деньги, а не красивую картинку.

Смысл во всех трёх шагах один. Вы упаковываете в услугу ровно то, что бенчмарки не видят, то есть контекст, скорость реакции и ответственность за цифру на выходе.

Почему расслабляться рано и чего не гарантирует исследование

Mercor своим исследованием никого не успокаивает, и сказать об этом надо прямо. Оно доказывает, что мы не измеряем 90% работы, но совсем не доказывает, что эти 90% навсегда останутся за человеком. Защита у вас есть, только работает она как фора по времени, и считать её пожизненной страховкой нельзя.

Есть известная ловушка рассуждений про швейцара. Формально единственная измеримая функция швейцара - открывать дверь, и её легко заменить турникетом. Кажется, что швейцара спасёт куча неизмеримых побочных функций: узнавать жильцов, принимать посылки, замечать чужих. Но в жизни швейцары как профессия всё равно сокращаются, когда автоматизируют их измеримое ядро.

Мораль простая, и работает она в обе стороны. Неизмеримые навыки реально защищают, но вечной гарантии не дают, если кто-то всё-таки научится измерять и автоматизировать ядро вашей работы.

Плюс сам отчёт даёт консервативную оценку. На мой взгляд, «покрыто хорошо» у Mercor по факту означает «покрыто хоть как-то», порог в отчёте мягкий. То есть глубина покрытия сложных задач может оказаться даже ниже заявленной. Поэтому моя позиция ровно посередине между алармистами и теми, кто кричит «ИИ никогда не заменит». ИИ не заменит вас завтра и даёт вам время. Но это время надо вложить в дело, иначе фора пройдёт впустую.

Что делать прямо сейчас, чтобы остаться видимым для клиента

Самое короткое резюме всей статьи такое. Перенесите свою ценность туда, куда не дотягивается тест, и сделайте её видимой для клиента. Дальше три конкретных шага, которые можно начать сегодня, не дожидаясь, пока рынок передоговорится о ценах без вас.

1. Выпишите свои задачи в два столбика. Слева - то, что нейросеть уже делает за минуту (черновики, варианты, рутинный ресёрч). Справа - то, что остаётся на вас (приёмка, контекст, переговоры, решение). Перестаньте продавать левый столбик как главную ценность, он дешевеет на глазах.
2. Внедрите ИИ в левый столбик осознанно. Возьмите один инструмент, адаптируйте его под свою реальную задачу, протестируйте на живом проекте и доведите до результата. Пять процентов осмысленно внедрённого полезнее тысячи промтов из гугл-таблицы, которую вы один раз открыли и закрыли.
3. Переупакуйте оффер вокруг правого столбика. Пропишите клиенту, за что он платит, когда генерация стала бесплатной: за скорость обработки, за целевые заявки, за ответственность по деньгам. Эту работу бенчмарки не измеряют, и именно она теперь стоит дороже всего.

Если разбор был полезен и хотите больше такого про связки, нейросети и деньги в маркетинге, я собираю всё это без воды в своём Telegram-канале «The Maslov». Заходите в t.me/themaslow.