Активных ИТ-вакансий в сентябре стало на 33% меньше год к году, а число активных резюме выросло на 15%. Рынок труда в IT вошёл в 2026 год с более жёсткой конкуренцией за каждую позицию, сокращением удалёнки и новым ожиданием работодателей: специалист должен не просто пользоваться ИИ, а приносить с ним измеримый результат.
Об этом сообщает Habr / Карьера со ссылкой на наблюдения delivery-менеджера Outlines Tech Степана Сорокина. Его картина рынка не сводится к привычному тезису «нейросети заберут работу»: компании действительно автоматизируют рутину и пересматривают состав команд, но попытки заменить людей агентами нередко переносят их задачи на разработчиков и в итоге снижают скорость производства.
Особенно заметно сужается выбор для тех, кто рассчитывает на удалённый формат. В сравнении вакансий на hh.ru за август 2025-го и август 2026-го доля предложений с удалённой работой для аналитиков снизилась с 33% до 26%. Для системных администраторов и DevOps-инженеров показатель упал с 20% до 12%. Это не означает исчезновения распределённых команд, но удалёнка всё реже выступает стандартным условием вакансии и всё чаще становится предметом отдельных переговоров.
Зарплаты при этом не дают рынку ощущения восстановления. По данным Хабр Карьеры, медианная зарплата в IT в первом полугодии 2026 года составила 191 тысячу рублей — лишь на 4% выше предыдущего полугодия. В разработке медиана выросла на 1%, в аналитике — на 5%, а в менеджменте не изменилась. К началу ноября показатель второго полугодия на графике Хабр Карьеры составлял 175 тысяч рублей, хотя период ещё не завершён. Для кандидатов это означает простую вещь: ожидать автоматического роста оффера только из-за дефицита кадров уже не приходится.
ИИ сокращает рутину, но не всегда расходы
Главное изменение в найме — ИИ стал частью расчёта производительности. Нейросеть может за минуты собрать черновик технического задания, подготовить спецификацию или помочь разобраться в незнакомом коде. Но ускорение отдельной операции не равно снижению стоимости проекта: результат нужно проверить, исправить ошибки, соотнести с ограничениями бизнеса и встроить в существующую систему. На практике часть работодателей трактует эту разницу в свою пользу: если сотрудник с ИИ делает больше за те же восемь часов, дополнительная компенсация не предполагается.
Под наибольшим давлением оказались менеджерские и аналитические роли с большой долей повторяемых операций. По наблюдениям Сорокина, компании пытаются передавать агентам координацию, подготовку материалов и часть коммуникаций. Для начинающих проджектов это болезненно: рутинные задачи раньше были нормальной точкой входа в профессию — через них осваивали процессы, знакомились с командой и учились вести работу. Теперь этот слой задач всё чаще автоматизируют ещё до того, как он попадёт в вакансию.
Автор приводит пример проекта, где ради экономии сократили менеджера и распределили его обязанности между разработчиками. Команде пришлось самостоятельно обсуждать задачи с заказчиком, контролировать сроки и добиваться ответов. Формально штат уменьшился, но у инженеров стало меньше времени на код, а прежний объём работ команда выполнять уже не успевает. Такой сценарий важен и для руководителей: экономия на роли может оказаться фиктивной, если её функции не исчезли, а просто растворились в календарях более дорогих специалистов.
В аналитике ИИ уже используют как конвейер первичной подготовки документации. После встречи с бизнесом одна система может извлечь контекст, пользовательские сценарии и критерии приёмки, а другая — с учётом кода, API-контрактов и структуры данных подготовить техническую спецификацию. Аналитику остаётся проверить ограничения и исключения, которые модель могла пропустить. По оценке Сорокина, такая подготовка занимает 20–30 минут вместо дня и более. Ценность аналитика в этой схеме смещается от оформления документа к пониманию бизнеса, качеству вопросов и способности заметить риск до релиза.
Дефицит никуда не исчез — он стал точечным
На фоне избытка кандидатов в одних ролях сохраняется дефицит в других. Сорокин отдельно выделяет DevOps-инженеров: подходящего инфраструктурного специалиста найти по-прежнему сложно, хотя предлагаемые им деньги, по его наблюдениям, часто остаются на уровне одного-двух предыдущих лет. Часть инженеров компенсирует это несколькими параллельными проектами, а ИИ использует для шаблонов инфраструктуры и обслуживания нескольких заказчиков. Рынок труда в IT всё меньше похож на единый рынок: у тестировщика, менеджера, аналитика и DevOps-инженера сегодня могут быть совершенно разные переговорные позиции.
Для специалистов практический вывод не слишком романтичный, зато рабочий. Нужно осваивать ИИ на собственных задачах, но не превращать его ответы в некритичный производственный поток. Параллельно стоит углубляться в домен заказчика и устройство конкретного продукта: понимать не только happy path, но и отмены, исключения, интеграции и последствия изменений. Знание стека остаётся базой, однако именно контекст проекта и бизнеса делает сотрудника труднее заменимым — и другим человеком, и набором агентов.
Отдельный риск — перестать писать и проверять код самостоятельно. Если инженер получает готовое решение от модели, но не может объяснить его работу, оценить побочные эффекты и исправить сбой в проде, его скорость становится чужой скоростью. Компании уже сталкиваются и с обратной стороной сокращений: после ухода носителей знаний оставшейся команде трудно поддерживать систему, а попытка быстро вернуть уволенного сотрудника не всегда срабатывает. В 2026 году выигрывают не те, кто громче всех обещает заменить команду ИИ, а те, кто умеет встроить его в процесс без потери ответственности и памяти проекта.