Занятость молодых специалистов 22–25 лет в профессиях, чувствительных к автоматизации, снизилась на 16%, тогда как у сотрудников 30+ в тех же сегментах она выросла на 6–12%. Для тех, кто строит карьеру в IT, это неприятный, но полезный сигнал: рынок не схлопнулся, зато начал безжалостно выносить все, что раньше считалось «входом в профессию».
Об этом пишет Habr / Карьера в разборе о том, почему паника вокруг «смерти офисных профессий» часто уводит не туда. Главная мысль текста проста: генеративный ИИ и правда съел большой пласт простых задач, на которых раньше учились джуны, стажеры, начинающие аналитики, редакторы, переводчики и тестировщики. Но из этого не следует, что всем пора менять клавиатуру на сварочный аппарат и массово уходить в ручной труд.
Повод для таких разговоров у рынка есть. На выпускной церемонии Carnegie Mellon в 2026 году глава Nvidia Дженсен Хуанг заявил, что для электриков, сантехников, монтажников, техников и строителей «настало их время». Логика понятна: бум ИИ требует не только моделей и чипов, но и физической инфраструктуры. Нужны дата-центры, электросети, охлаждение, стойки, кабельные трассы и люди, которые все это собирают, подключают и обслуживают. 9 июня 2026 года Meta анонсировала программу America’s Workforce Academy с бюджетом 115 млн долларов. В нее входят бесплатное обучение, стипендии и подготовка кадров для рабочих специальностей, включая сварщиков, сантехников, электриков и специалистов по оптоволокну.
На этом фоне идея «спастись в физике» выглядит почти рационально. Проблема в том, что это слишком удобный массовый совет для слишком разных людей. Карьера в IT не исчезает по щелчку только потому, что часть начальных задач отдали машине. Исчезает другое: старый, местами скучный, но рабочий механизм входа в профессию. Раньше новичок мог брать дешевые и простые задачи, ошибаться на них, набивать руку и постепенно наращивать стоимость своей работы. Теперь многие из этих задач делает ChatGPT, Claude, Copilot и другие инструменты. Клиент уже приходит не за первым черновиком, а за тем, кто сможет проверить, исправить и довести результат до внятного состояния.
Первый этаж профессий просел сильнее всего
Именно это подтверждают данные, на которые ссылается источник. Oxford Internet Institute проанализировал онлайн-платформы и зафиксировал снижение спроса на типы задач, которые генеративный ИИ способен частично закрывать. В письменном переводе и копирайтинге падение составило 20–50% относительно ожидаемой траектории. Сильнее всего просели короткие задачи, которые легко формализовать в промпт и быстро проверить. При этом рынок не стал меньше в целом: спрос на машинное обучение вырос на 24%, а разработка ИИ-чат-ботов почти утроилась. Иными словами, работа никуда не делась, но она сместилась вверх по уровню сложности и ближе к узкой специализации.
Для новичков это, пожалуй, худшая комбинация. От них уже ждут умения проверять машинный результат, видеть слабые места в коде, тексте, аналитике или тестах, но сам путь к этим навыкам стал уже. Возникает неприятный парадокс: чтобы валидировать вывод ИИ, нужно понимать предмет руками, а простых задач, на которых это понимание раньше набиралось, становится меньше. Стэнфордский анализ рынка, приведенный в материале, хорошо ложится на эту картину: в автоматизируемых профессиях молодые сотрудники теряют позиции, а более опытные, наоборот, выигрывают. Не потому, что ИИ «любит сеньоров», а потому, что он особенно эффективно вымывает базовый уровень, где ценность исполнителя раньше держалась на терпении, скорости и дешевизне.
На этом месте в дискуссии обычно появляется обещание, что ручной труд надежнее любого ноутбука. Частично это правда. Электрика, сварка, монтаж и обслуживание инфраструктуры не превращаются в один хороший промпт. Ошибки там стоят слишком дорого, а физическое присутствие пока не заменишь моделью. Но и здесь источник предлагает не идеализировать картину. Спрос на рабочие профессии во многом подпитывается американским инфраструктурным циклом вокруг дата-центров. Axios, как отмечается в статье, связывает программу Meta с дефицитом квалификации и одновременно напоминает: дата-центры получают льготы, нагружают инфраструктуру, а после завершения стройки создают меньше постоянных рабочих мест, чем обещают на старте. Business Insider пишет о похожем дисбалансе: на этапе строительства занятость высокая, после ввода объекта в эксплуатацию людей нужно заметно меньше.
Что это значит для рынка и для самих специалистов
Отсюда неприятный, но полезный вывод для русскоязычной аудитории. Карьера в IT не требует срочного побега в соседнюю отрасль только потому, что ИИ стал хорошо справляться с черновой работой. Требуется другое: быстрее добираться до уровня, на котором ценится не механическое исполнение, а способность судить о качестве результата. Для разработчика это означает глубже понимать архитектуру, ограничения конкретного проекта, стоимость ошибок и контекст, в котором автогенерация начинает тормозить, а не ускорять. Для аналитика и редактора — уметь не просто производить текст или отчет, а находить противоречия, слабые допущения и места, где машина звучит уверенно, но ошибается.
Показателен и пример из исследования METR, которое упоминается в исходном тексте. Опытные open-source-разработчики, работавшие в знакомых проектах, ожидали, что ИИ ускорит их примерно на 24%. После эксперимента им даже казалось, что ускорение составило около 20%. Но фактические замеры показали обратное: задачи, выполненные с ИИ, заняли на 19% больше времени. Причина скучная и потому особенно убедительная: промпты, ожидание ответа, проверка, исправления, подгонка под кодовую базу, разбор неверных решений. В зрелой среде накладные расходы легко съедают весь выигрыш. Это не аргумент против ИИ, а аргумент против наивной веры, что любой специалист с подсказчиком автоматически становится сильнее.
Именно поэтому самый уязвимый персонаж на новом рынке — не тот, кто далек от ИИ, и не тот, кто работает руками, а тот, кто застрял в зоне базового минимума. Если ваша ценность сводится к типовому черновику, простому переводу, шаблонному тесту или однообразной правке, вас действительно начинают сравнивать не с коллегой, а с интерфейсом модели. Если же вы умеете принимать инженерные решения, проверять пограничные случаи, отвечать за результат и связывать задачу с бизнес-контекстом, ИИ становится не заменой, а неидеальным, местами капризным инструментом.
Главный вопрос теперь звучит не «куда срочно уйти из IT», а «какой именно уровень компетенции рынок перестал субсидировать». Ответ, похоже, уже виден: он перестал щедро платить за первый этаж. А значит, следующим конкурентным преимуществом станет не умение делать работу по инструкции, а способность быстро выйти за пределы инструкции и понять, где машина экономит время, а где аккуратно разрушает профессию изнутри.