Паники про «ИИ отнимет работу у всех» пока не случилось, но неприятная статистика уже видна там, где рынок обычно ломается первым: среди новичков. В профессиях с высокой зависимостью от генеративного ИИ занятость у работников 22–25 лет снизилась на 16%, и именно стартовые вакансии выглядят сейчас самым уязвимым звеном для тех, кто пытается зайти в IT и смежные цифровые роли.
Об этом пишет MIT Technology Review: издание ссылается на рабочую статью Stanford Digital Economy Lab, опубликованную в ноябре 2025 года. Исследователи зафиксировали относительное снижение занятости у молодых работников в наиболее «подверженных ИИ» профессиях даже после поправки на другие факторы, влияющие на найм. У более опытных сотрудников в этих же ролях такого падения не обнаружили. И в этом, пожалуй, вся суть: рынок не схлопнулся целиком, но первая ступень карьерной лестницы уже начала скрипеть.
Особенно тревожно то, что речь идет не о случайной просадке «где-то там в экономике», а о вполне ожидаемом механизме замещения. Генеративный ИИ хорошо справляется с теми задачами, на которых раньше и держался входной билет в профессию: черновики, первичный анализ, рутинный код, сортировка запросов, подготовка документов, суммаризация, базовая коммуникация. Именно через такие задачи джуниоры обычно получали первый опыт в проде, учились не по курсам, а по реальным сбоям, странным кейсам и чужим правкам в 23:40. Если компания закрывает этот слой работы ИИ, ей и правда можно не брать лишнего junior-разработчика, младшего аналитика или сотрудника поддержки. В квартальном отчете это выглядит красиво. Через несколько лет — уже не факт.
В материале есть и второе важное подтверждение тренда. Отчет Anthropic, вышедший в марте 2026 года, дает дополнительные, хотя и не окончательные, основания думать в ту же сторону: проблемы концентрируются именно в раннем найме, а не в занятости вообще. Параллельно с этим слабеет и общий рынок для выпускников. По данным Федерального резервного банка Нью-Йорка, в четвертом квартале 2025 года безработица среди недавних выпускников колледжей в США выросла до 5,6%, а уровень неполной занятости — то есть доля тех, кто работает на позициях, обычно не требующих высшего образования, — достиг 42,5%. Это максимум со времен пандемии. Сваливать все на ИИ было бы слишком удобно, но и делать вид, что ИИ тут ни при чем, уже не получается.
Для русскоязычной IT-аудитории здесь важен не американский сюжет сам по себе, а логика происходящего. Если генеративные инструменты берут на себя слой типовой разработки, первичного ресерча, обработки тикетов и подготовки контента, компании начинают пересматривать сам смысл младших ролей. И вот тут рушится старая мантра «выучи кодинг — дальше рынок все сделает сам». MIT Technology Review прямо пишет: предпосылка, на которой больше десяти лет строились образовательные инициативы в духе learn to code, больше не выглядит надежной. ИИ уже неплохо переводит спецификацию в стандартный код, воспроизводит шаблоны и чинит предсказуемые ошибки — ровно то поле, на котором и выращивали массу начинающих специалистов.
Из этого не следует, что джуны больше не нужны. Следует другое: стартовые вакансии придется проектировать заново. Ценность молодого сотрудника теперь не в том, что он вручную делает десять однотипных задач, а в том, что он умеет использовать ИИ как ускоритель и при этом понимает, где результату нельзя доверять. Поэтому на первый план выходят не абстрактные «навыки будущего», а набор вполне приземленных компетенций: AI literacy, работа с данными, навыки prompt-based workflow, верификация вывода модели, доменная экспертиза и способность связать ответ машины с контекстом бизнеса. Если говорить совсем просто, рынку нужен не человек, который соревнуется с моделью в написании шаблонного кода, а человек, который умеет ставить ей задачу, проверять результат и отвечать за последствия.
Отсюда и практический вывод для бизнеса. Компании, которые сейчас экономят на младшем найме, могут через несколько лет получить неприятный кадровый провал: эффективные senior-специалисты второй половины 2030-х не появятся из воздуха. Их выращивают из сегодняшних джунов, стажеров и младших инженеров. Если автоматизировать весь учебный слой работы, фирма краткосрочно поднимет маржу, но потом обнаружит, что внутри почти не осталось людей, которые понимают, как на самом деле ведут себя ее собственные AI-процессы, где они ошибаются и как их страховать. В этом смысле entry-level найм — не благотворительность и не строка расходов «на вырост», а инвестиция в будущую управляемость компании.
Для университетов и программ переподготовки сигнал тоже довольно жесткий. Автор материала предлагает встраивать ИИ-грамотность и навыки проверки результатов моделей в обычные образовательные треки, а не оставлять это факультативом «для интересующихся». Плюс усиливать оплачиваемые стажировки, кооп-программы, apprenticeship-модели и проекты с работодателями, чтобы студенты до выпуска получали не только диплом, но и опыт принятия решений в реальной рабочей среде. Для государств рецепт не новый по форме, но новый по фокусу: налоговые льготы, субсидии на зарплаты и гранты на обучение для компаний, которые нанимают молодежь в структурированные роли с использованием ИИ. Архитектура таких стимулов уже существует, вопрос в том, кто первым адаптирует ее под стартовые вакансии эпохи генеративных моделей.
Главный вопрос теперь не в том, «заменит ли ИИ людей», а в том, кто будет выращивать людей, способных работать рядом с ИИ и после него. Если первая карьерная ступень продолжит исчезать тихо и без громких заголовков, рынок получит не массовую безработицу, а дефицит опыта на несколько лет вперед — и это для отрасли может оказаться дороже любой краткосрочной экономии. Подробнее об исходном материале — в .