ИИ ломает вход в профессию: что делать джунам и тем, кто их нанимает
Про ИИ и рынок труда легко уйти в крайности: либо всех уволят, либо ничего не происходит. Честная картина — между ними, и она важнее обеих, особенно для тех, кто нанимает и растит людей.
Массовой безработицы нет — а точечный удар есть
Начнём с хороших новостей, потому что они достоверны. Подробный разбор David Rotman в MIT Technology Review (май 2026) показывает: массовой безработицы из-за ИИ пока нет. Более того, в профессиях, сильнее затронутых ИИ, безработица даже ниже средней, а программирование продолжает расти — пусть и примерно на 3% медленнее прежнего. Апокалипсиса не случилось.
Но есть точечный удар, и бьёт он в одно конкретное место. Экономист Эрик Бриньолфссон фиксирует снижение позиций начального уровня в ИИ-экспонированных профессиях. Уязвимее всех — молодые специалисты, особенно начинающие разработчики 22–25 лет. То есть проблема не в том, что увольняют опытных, а в том, что всё труднее стать опытным.
(Stanford Digital Economy Lab / ADP, ноябрь 2025; данные США, не РФ)
В российской воронке найма видна та же асимметрия с другой стороны: по оценкам hh.ru, на джуниорскую позицию приходит порядка 19 откликов, а на сеньорскую — около 2,5. Это статистика откликов, а не безработицы, — но она показывает, как забился именно вход.
Парадокс: эксперт дороже, а стать им труднее
Сложим одно с другим — и получится парадокс, который должен волновать каждого рекрутера и каждого, кто отвечает за обучение.
ИИ делает экспертизу дороже, а стать экспертом — труднее.
ИИ делает экспертизу дороже: суждение, опыт, способность отвечать за результат ценятся всё выше. Но стать экспертом становится труднее. Потому что ступени, на которых вырастают, — разобрать типовой случай, написать черновик, сверить данные — это ровно то, что ИИ забирает первым.
А научиться, не пройдя через борьбу с задачей, нельзя. Итан Моллик формулирует это так: если срезать усилие, теряешь тот самый момент озарения, ради которого обучение и существует. Джуниор, за которого ИИ делает учебные задачи, получает результат — но не получает роста.
Поэтому главный вопрос индустрии сместился. Он больше не сводится к тому, заменит ли ИИ специалиста. Он звучит так: как человек вообще станет специалистом, если ИИ делает за него учебные задачи?
Что с этим делать — два адресата
Если вы джуниор (в любой профессии):
- → Сознательно ищите борьбу и реальную ответственность, а не задачи, которые ИИ закроет за вас. Рост — там, где трудно.
- → Используйте ИИ, чтобы углубиться после того, как сами прошли через задачу, а не вместо этого. Сначала свой подход — потом сверка с инструментом.
- → Стройте адаптивность как привычку и регулярно делайте аудит своих задач, чтобы видеть, где вы растёте, а где имитируете рост.
Если вы нанимаете и растите людей:
- → Берегите ту борьбу с задачами, на которой собирается экспертиза. Не оптимизируйте учебную лестницу под краткосрочную выработку — иначе через пару лет в команде не окажется выросших сеньоров.
- → Перепроектируйте онбординг так, чтобы у джунов оставались формирующие задачи, даже если ИИ может сделать их быстрее. Скорость здесь — ложная экономия.
- → Помните про оборотную сторону — де-скиллинг, когда опора на ИИ незаметно размывает собственный навык специалистов.
Обзор кластераНавыки, которые не заменит ИИ →
Коротко
Апокалипсиса нет — но вход в профессию сузился. Это уже не абстракция: если вы перестраиваете подбор и рост людей под реальность с ИИ, это конкретная задача найма и развития прямо сейчас.
Источники: David Rotman, MIT Technology Review, «A reality check on the AI jobs hysteria» (26.05.2026); Stanford Digital Economy Lab / ADP (ноябрь 2025, данные США); Э. Бриньолфссон (−16% позиций начального уровня); Mollick (2024), «Co-Intelligence»; данные hh.ru по воронке найма. Адаптация и комментарии — FutureHub, июнь 2026.
