ВПЛИВ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ ТА ІНДИВІДУАЛЬНІ ДОХОДИ В УКРАЇНІ В УМОВАХ ВІЙНИ (ЗА ДАНИМИ ОПИТУВАННЯ ДОМОГОСПОДАРСТВ У 2023–2024 рр.)
DOI:
https://doi.org/10.15407/economyukr.2026.07.085Ключові слова:
доходи членів домогосподарств; зайнятість; великі мовні моделі; автоматизація завдань; модель відбору ХекманаАнотація
Великі мовні моделі (ВММ) мають значний потенціал для автоматизації і підсилення багатьох когнітивних завдань. Вони здатні істотно впливати на рівень зайнятості та індивідуальні доходи, водночас створюючи виклики й відкриваючи нові можливості для української економіки, ринок праці якої перебуває під значним тиском через агресію РФ, масову міграцію і майбутній дефіцит робочої сили в період відбудови. Використовуючи існуючі дослідження, здійснено порівняння професій, указаних у соціально-економічному опитуванні домогосподарств України у 2023–2024 рр., з професіями США, для яких оцінено потенціал автоматизації за допомогою ВММ і побудованих на їх основі програмних продуктів. Для усунення потенційного зміщення вибірки, що виникає через неможливість спостерігати доходи непрацевлаштованих осіб, застосовано регресійну модель відбору Гекмана (Heckit), яка спочатку моделює ймовірність зайнятості, а на другому кроці визначає ключові чинники, пов’язані з індивідуальним доходом. Встановлено, що дохід членів домогосподарств статистично значущо корелює з рівнем впливу ВММ на виконання професійних завдань. Отримані результати можуть свідчити про те, що технології ВММ у майбутньому здатні підвищувати продуктивність і радше доповнювати, ніж автоматизовувати (замінювати) робочі місця. Водночас результати можна інтерпретувати інакше: у разі широкої інтеграції ВММ у бізнес-процеси в майбутньому це може впливати на доходи багатьох працівників, що вимагає розроблення державних програм перекваліфікації і підвищення кваліфікації, щоб запобігти негативним соціально-економічним наслідкам на ринку праці.
Посилання
Eloundou, T., Manning, S., Mishkin, P., Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science. Vol. 384. P. 1306–1308. https://doi.org/10.1126/science.adj0998
Heyets, V., Blyzniuk, V., Nykyforuk, O. (2022). Topical aspects of social quality policy in the post-conflict economy of Ukraine. Economy of Ukraine. 65. 6(727). 3–22. https://doi.org/10.15407/economyukr.2022.06.003 [in Ukrainian].
Shyshkin, V. (2024). Changes in the level and structure of household income in Ukraine under the influence of a full-scale war. Economy and Society. No. 62. https://doi.org/10.32782/2524-0072/2024-62-166 [in Ukrainian].
Blyzniuk, V., Burlai, T., Huk, L. (2025). The state and possibilities of human capital development in Ukraine in the military and recovery context. Economic theory. No. 3. P. 31–68. https://doi.org/10.15407/etet2025.03.031 [in Ukrainian].
Handa, K., Tamkin, A., McCain, M., Huang, S., Durmus, E., Heck, S., Mueller J. et al. (2025). Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations. arXiv preprint arXiv: 2503.04761. P. 1–38. https://doi.org/10.48550/arXiv.2503.04761
Chen, D., Kane, C., Kozlowski, A., Kunievsky, N., Evans, J. (2025). The (Short-Term) Effects of Large Language Models on Unemployment and Earnings. arXiv preprint arXiv:2509.15510. P. 1–22. https://doi.org/10.48550/arXiv.2509.15510
Klein Teeselink, B. (2025). Generative AI and Labor Market Outcomes: Evidence from the United Kingdom. SSRN Working Paper. P. 1–46. https://doi.org/10.2139/ssrn.5516798
Engberg, E., Koch, M., Lodefalk, M., Schroeder, S. (2025). Artificial intelligence, tasks, skills, and wages: Worker-level evidence from Germany. Research Policy. Vol. 54. Iss. 8. P. 1–14. https://doi.org/10.1016/j.respol.2025.105285
Engberg, E., Görg, H., Lodefalk, M., Javed, F., Längkvist, M., Monteiro, N., Kyvik-Nordas H. et al. (2024). AI unboxed and jobs: a novel measure and firm-level evidence from three countries. IZA Discussion Paper. No. 16717. P. 1–47. URL: https://ssrn.com/abstract=4691172
Webb, M. (2020). The Impact of Artificial Intelligence on the Labor Market. SSRN Electronic Journal. P. 1–61. https://doi.org/10.2139/ssrn.3482150
Chen, Q., Ge, J., Xie, H., Xu, X., Yang, Y. (2025). Large language models at work in China’s labor market. China Economic Review. Vol. 92. P. 1–18. https://doi.org/10.1016/j.chieco.2025.102413
Verbeek, M. (2004). A Guide to Modern Econometrics. 2nd ed. Erasmus University Rotterdam, John Wiley & Sons Ltd., Hoboken. P. 228–232.
Heckman, J. (1979). Sample Selection Bias as a Specification Error. Econometrica. Vol. 47. Iss. 1. P. 153—161. https://doi.org/10.2307/1912352
Toomet, O., Henningsen, A. (2008). Sample Selection Models in R: Package sampleSelection. Journal of Statistical Software. Vol. 27. Iss. 1. P. 1–23. https://doi.org/10.18637/jss.v027.i07
Blau, F., Kahn, L., Boboshko, N., Comey, M. (2024). The Impact of Selection into the Labor Force on the Gender Wage Gap. Journal of Labor Economics. Vol. 42. Iss. 4. P. 1093–1133. https://doi.org/10.1086/725032
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Видавничий дім "Академперіодика" НАН України
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
