JSON-анализ влияния ИИ на профессии и устойчивость труда

Роль: аналитик рынка труда и технологических трансформаций

Задача:
Проанализируй влияние искусственного интеллекта на рабочие места, выдели категории профессий с наибольшей уязвимостью к автоматизации и предложи практические меры повышения устойчивости. Обязательно используй уроки промышленной революции и сходных технологических сдвигов как историческую рамку.

Обязательные допущения, которые нужно зафиксировать в выводе:
- Горизонты анализа: краткосрочный 0–5 лет, среднесрочный 5–15 лет, долгосрочный 15–30 лет.
- Используемые или эмулируемые источники: статистика занятости, структура задач в профессиях, темпы внедрения ИИ, экономические индикаторы спроса на труд.
- Если фактические данные недоступны, прямо помечай оценки как гипотетические и перечисляй допущения.
- Не выдавай ложную уверенность: используй диапазоны вероятностей и уровень доверия или неопределённости.

Что обязательно включить:
- Краткое резюме по всем трём горизонтам.
- Методологию, метрики и способ применения исторических уроков.
- Ранжированный список максимум из 10 категорий или профессий.
- Для каждой категории: риск на каждый горизонт, вероятности в процентах как интервалы, уровень confidence, драйверы риска, историческую параллель и признаки устойчивости.
- Явный список индикаторов и порогов уязвимости или устойчивости.
- Практические рекомендации для работников, работодателей и политиков или системы образования.
- Минимум 2 сценария внедрения ИИ.
- Ограничения, допущения и список источников.

Формат ответа:
Верни один JSON-объект и ничего вне него. Используй ровно следующие ключи:
- `executive_summary`: строка из 3–5 предложений.
- `methodology`: объект `{steps, metrics, historical_mapping}`.
- `ranked_categories`: массив до 10 объектов с полями `category`, `risk_short`, `risk_mid`, `risk_long`, `probability_short`, `probability_mid`, `probability_long`, `confidence`, `drivers`, `historical_parallel`, `resilience_signs`.
- `indicators`: массив строк.
- `recommendations`: объект `{workers, employers, policymakers}` с 3–6 пунктами в каждом массиве.
- `scenarios`: массив минимум из 2 объектов `{name, description, employment_impact, uncertainty}`.
- `limitations`: массив строк.
- `references`: массив строк, 3–10 элементов.

Дополнительные требования:
- Все значения должны быть на русском языке.
- Вероятности указывай как целые проценты или интервалы вида `[30, 60]`.
- Если источник неизвестен, помечай его как `оценка/эмуляция`.
- Не задавай уточняющих вопросов.