1700 человек прошли бесплатную профориентацию по тестированию, и 91% из них услышали не бодрое «добро пожаловать в IT», а обратное: возможно, вам туда не надо. На этом фоне карьерные советы AI выглядят особенно рискованно: чат-бот может звучать разумно, но пропускать признаки, за которые живой ментор обычно цепляется сразу. Для русскоязычной IT-аудитории это не философия про будущее труда, а вполне практичный вопрос: кому доверять, когда речь о месяцах обучения, деньгах и смене профессии.
Разбор опубликован автором Лилией Урмазовой, Senior Staff ML Evaluation Engineer с 25 годами опыта в IT, сообщает Habr / Карьера. Урмазова несколько лет вела бесплатный курс «Нужно ли тебе в тестирование?», который сначала был фильтром перед платным обучением, а затем стал отдельным профориентационным проектом. По ее словам, платный курс заморожен с января 2026 года: на фоне сокращений в российском IT автор считает неэтичным брать деньги за подготовку людей к рынку, где старт новичка стал куда менее предсказуемым.
Главная претензия к ChatGPT и аналогам в таком сценарии не в том, что они «глупые». Наоборот, они часто задают приличные вопросы, аккуратно формулируют риски и не обещают золотые горы напрямую. Проблема тоньше: карьерные советы AI опираются на слабую базу данных. Код можно запустить, перевод можно сравнить, финансовую модель можно проверить на числах. А карьерный переход длится месяцы или годы, и публичных качественных данных о том, кто как менял профессию, почему выгорел, где ошибся и чем закончил, очень мало.
Зато в интернете много другого сырья: SEO-статей, рекламных обещаний онлайн-школ, историй успеха без проверки и отзывов в стиле «я за три месяца вошел в IT». Если модель учится на таком массиве вместе с вакансиями и учебными программами, она неизбежно впитывает маркетинговый оптимизм. Получается консультант, который знает названия ролей, типовые дорожные карты и популярные навыки, но плохо понимает, как конкретный человек выдержит рутину, неопределенность, падение мотивации на третьем месяце и рынок джунов, где «хочу удаленку и 80 тысяч на старте» не всегда дружит с реальностью.
В статье это показано на вымышленной Анне: 29 лет, Нижний Новгород, работа экономистом в РЖД, риск сокращений, желание перейти в тестирование, поддержка мужа-программиста и ожидание зарплаты от 80 тысяч рублей на руки уже на испытательном сроке. ChatGPT ведет диалог не провально: уточняет опыт, спрашивает про задачи, отделяет интерес к обучению от интереса к работе, советует разобрать 15-20 вакансий и поговорить с действующим тестировщиком. На бумаге все прилично. В продакшене такой консультант прошел бы демо.
Но Урмазова насчитала в кейсе 11 «желтых флагов». Среди них мотивация «убежать» от сокращений, тяга к престижу и деньгам без ясного интереса к задачам, ориентация на удаленку, слишком короткий опыт обучения, зависимость от поддержки супруга из IT и любовь к понятным регламентам, хотя реальная работа в IT часто состоит из неполных требований и постоянного уточнения контекста. ChatGPT часть сигналов замечает, но не удерживает их в финальной логике. После фразы Анны о курсе тестирования модель фактически сужает рамку до тестирования и перестает всерьез рассматривать другие IT- и не-IT-варианты.
Это важный момент для разработчиков, продактов и руководителей, которые уже используют AI не только для кода, но и для решений о людях. Модель может быть хорошим собеседником для первичной структуризации: собрать вводные, составить список гипотез, предложить вопросы к рынку, помочь сравнить вакансии. Но она не видит командную работу, не проверяет реальный уровень навыков в стрессовой или групповой задаче, не читает резюме как опытный HR или ментор и не получает надежную обратную связь через год после своего совета. У нее нет нормального цикла «рекомендация — результат — разбор ошибки».
Для бизнеса здесь тоже есть неприятный вывод. Если соискатели массово используют чат-ботов как карьерных навигаторов, рынок получает больше людей с аккуратно оформленной, но плохо проверенной мотивацией. Для найма это означает больше кандидатов, которые прочитали дорожную карту, прошли вводный курс, научились говорить правильными словами, но еще не сталкивались с настоящей скукой профессии. Для образовательных проектов это удар по старой воронке «всем можно в IT»: AI легко масштабирует надежду, а вот ответственность за ошибочный выбор профессии пока масштабируется плохо.
Практичная позиция выглядит скучно, зато работает: не начинать диалог с ботом с готовой идеи «хочу в тестирование», жестко просить проверять гипотезы, заставлять модель задавать все важные вопросы из плана, просить задания с открытыми ответами, а не легкие квизы, и растягивать профориентацию хотя бы на несколько дней. Полноценная оценка, по опыту Урмазовой, занимает 8-16 часов чистого времени, включая тесты, задания и интервью. Двадцать шесть реплик в чате для решения о смене профессии — это не консультация, а экспресс-гадание с хорошей грамматикой.
Карьерные советы AI, вероятно, станут лучше, когда у моделей появятся специализированные датасеты, аккуратная обратная связь и инструменты проверки навыков. Но до этого момента самый здравый сценарий — использовать чат-бота как черновик вопросов, а финальное решение сверять с людьми, которые видели не только вдохновленные старты, но и тихие сходы с дистанции. Иначе IT-рынок получит еще одну автоматизацию: не подбора профессии, а самообмана.