ИИ не отнимает все профессии. Он меняет правила найма

Ещё несколько лет назад начинающему специалисту можно было предложить вполне понятный путь. Сначала простые задачи, затем более сложные, работа под контролем опытного коллеги, постепенное накопление практики и профессионального опыта. Так формировались разработчики, дизайнеры, аналитики, редакторы, маркетологи и специалисты множества других направлений.

Этот механизм был несовершенным, но работал. Компания получала сотрудника, которого можно было постепенно обучить собственным процессам, а новичок получал возможность войти в профессию.

Теперь часть этих начальных задач способны выполнять инструменты искусственного интеллекта. Написать черновик, подготовить простую иллюстрацию, обработать таблицу, составить типовой документ, сгенерировать фрагмент кода или подготовить краткое резюме большого текста — всё это уже не обязательно требует отдельного исполнителя.

Для бизнеса такая автоматизация выглядит логично. Если задача выполняется быстрее и дешевле, зачем тратить на неё рабочее время сотрудника?

Но возникает вопрос, который компании пока не всегда готовы себе задать: если искусственный интеллект забирает простые задачи, на которых учились начинающие специалисты, откуда через несколько лет возьмутся опытные профессионалы?

Не массовое исчезновение профессий, а изменение спроса

Разговоры о том, что искусственный интеллект скоро оставит миллионы людей без работы, часто строятся на слишком прямолинейной логике: если нейросеть умеет выполнять определённую задачу, значит, соответствующая профессия исчезнет.

На практике всё сложнее.

Профессия редко состоит из одной операции. Работа программиста — это не только написание кода. Работа журналиста — не только создание текста. Работа бухгалтера — не только обработка чисел. Работа юриста — не только поиск нужного документа.

Внутри каждой профессии есть множество процессов: постановка задач, сбор информации, проверка данных, принятие решений, взаимодействие с людьми, оценка рисков и ответственность за результат.

ИИ может автоматизировать отдельные этапы, ускорить другие и создать новые задачи. Но это не означает, что он автоматически заменяет человека, который отвечает за всю работу.

Именно такую картину показывает исследование Международной организации труда, опубликованное 1 июня 2026 года. Авторы проанализировали данные экспериментов, компаний, цифровых платформ и опросов работников в нескольких странах.

Их вывод достаточно сдержанный: крупномасштабное вытеснение работников пока ограничено. Выигрыш в производительности существует, но распределяется неравномерно. При этом заявленная сотрудниками экономия времени ещё не всегда превращается в измеримый рост выпуска продукции, заработков или занятости.

Основные риски исследователи связывают с усилением неравенства, сокращением возможностей для молодых работников и изменением организации труда.

Это важное различие. ИИ уже влияет на работу, но последствия не обязательно проявляются в виде массовых увольнений. Они могут быть гораздо менее заметными: компания просто открывает меньше вакансий, меняет требования к кандидатам или перестаёт нанимать людей на определённые начальные позиции.

Первыми под давлением оказались начинающие специалисты

Одно из наиболее интересных наблюдений последних исследований касается не всех работников сразу, а конкретной группы — молодых людей, которые только начинают профессиональную карьеру.

В августе 2026 года Стэнфордская лаборатория цифровой экономики опубликовала обновлённое исследование влияния генеративного ИИ на занятость. Авторы использовали данные расчёта заработной платы ADP, охватывающие миллионы работников в США, и проследили изменения до июня 2026 года.

Исследователи не обнаружили признаков массового вытеснения работников во всей экономике. Однако выявили другую тенденцию: занятость людей в возрасте 22–25 лет в профессиях с высокой подверженностью ИИ оказалась на 19% ниже уровня, который наблюдался бы, если бы она росла теми же темпами, что и занятость молодых работников в менее подверженных ИИ сферах.

Причём разница возникала преимущественно из-за сокращения найма молодых специалистов, а не из-за резкого увеличения увольнений. У опытных работников сопоставимого разрыва исследование не обнаружило.

Авторы подчёркивают, что это ранние описательные данные, а не доказательство того, что именно ИИ стал причиной всех изменений. На результаты могут влиять и другие факторы, включая состояние отдельных отраслей и особенности рынка труда. Но тенденция заслуживает внимания.

Похожую проблему показывает исследование Gartner, опубликованное в июле 2026 года. Согласно опросу руководителей HR, 22% респондентов сообщили, что хотя бы один руководитель подразделения в их организации прекратил нанимать сотрудников на начальные позиции из-за автоматизации с помощью ИИ.

При этом 95% опрошенных организаций уже внедрили ИИ в той или иной форме, но только одна из пяти заявила о значительном или трансформационном эффекте от его использования.

Получается любопытная картина: технологии внедряются очень широко, но ощутимую отдачу от них получает далеко не каждая компания. Тем не менее некоторые работодатели уже меняют кадровую политику.

Почему это происходит?

Потому что искусственный интеллект особенно удобен там, где работа состоит из повторяющихся, относительно понятных операций. А именно такие операции часто поручают новичкам.

Карьерная лестница теряет нижние ступени

Представим начинающего разработчика.

Ему поручают исправить небольшую ошибку, написать простой обработчик, подготовить тест, разобраться в существующем модуле или внести небольшое изменение в интерфейс. Задачи не самые сложные, но именно они позволяют понять устройство проекта, научиться читать чужой код, работать с системой контроля версий, разбираться в требованиях и видеть последствия собственных решений.

Теперь часть этих задач можно поручить ИИ.

Опытный разработчик формулирует запрос, получает вариант реализации, проверяет его и при необходимости исправляет. Производительность команды может вырасти. Но компания уже не обязательно видит необходимость нанимать отдельного новичка для выполнения простых операций.

С точки зрения текущего бюджета решение выглядит рациональным. С точки зрения развития команды возникает проблема.

Начинающий специалист не получает практики. Через несколько лет компании потребуется опытный разработчик, но людей, которые могли бы дорасти до такого уровня внутри организации, окажется меньше.

Похожая ситуация складывается в дизайне, аналитике, маркетинге, бухгалтерии, юридической работе и других направлениях.

Новичку часто поручают подготовку черновиков, сбор данных, проверку документов, оформление материалов, поиск информации и другие задачи, которые теперь можно частично автоматизировать.

В результате работодатели могут начать ожидать от начинающего сотрудника того, что раньше было характерно для специалиста с опытом: самостоятельности, способности принимать решения и понимания всей системы.

Но откуда взяться этому пониманию, если человек ещё не получил возможности поработать с ней?

Это не означает, что начальные позиции исчезнут полностью. Скорее, они будут меняться. Однако если компании массово перестанут создавать условия для обучения, профессиональный путь станет менее доступным.

Почему опытный специалист пока чувствует себя увереннее

У ИИ есть важное ограничение: он может быстро выполнять отдельные операции, но не всегда понимает контекст, в котором эти операции должны применяться.

В реальном проекте недостаточно получить работающий фрагмент кода. Нужно знать, зачем он нужен, какие системы от него зависят, как он повлияет на безопасность, производительность и дальнейшую поддержку.

Недостаточно создать рекламный текст. Нужно понимать продукт, аудиторию, позиционирование, юридические ограничения и последствия публикации.

Недостаточно подготовить финансовую таблицу. Нужно знать, откуда взялись исходные данные, насколько они достоверны и какие решения можно принимать на их основании.

Опытный специалист обладает не только набором технических навыков. У него есть профессиональная память: понимание типичных ошибок, неудачных решений, особенностей отрасли и последствий тех или иных действий.

Он умеет заметить, когда задача сформулирована неправильно, когда результат выглядит убедительно, но не соответствует реальности, и когда предложенное решение создаёт новые проблемы.

Именно поэтому ИИ нередко усиливает опытного работника, а не заменяет его.

Но здесь есть важная оговорка: опыт сам по себе не гарантирует безопасности. Если значительная часть работы специалиста состоит из стандартизированных операций, его положение тоже может измениться.

Разница заключается не в возрасте и не в должности. Она в том, насколько человек способен отвечать за результат целиком, а не только выполнять отдельные инструкции.

Программисты: от написания кода к управлению сложностью

IT-отрасль стала одной из наиболее наглядных площадок для наблюдения за этими изменениями.

Генеративные модели умеют создавать функции, писать тесты, объяснять ошибки, предлагать архитектурные решения, генерировать SQL-запросы и помогать с документацией.

Это не означает, что разработка программного обеспечения стала автоматической. Но привычная ценность отдельных навыков меняется.

Если раньше способность быстро написать типовой код могла быть заметным преимуществом, теперь такой результат можно получить за считаные минуты. Ценность смещается к пониманию задачи, архитектуры, данных, безопасности и качества реализации.

Исследование Института экономики труда IZA, опубликованное в июне 2026 года, посвящено именно изменению требований к начинающим разработчикам. Авторы проанализировали данные онлайн-вакансий в США и обнаружили относительное снижение количества вакансий для младших разработчиков по сравнению со старшими после появления ChatGPT. В исследовании приводится оценка в 14–15%.

Авторы также отмечают, что работодатели стали чаще требовать от начинающих специалистов большего опыта. В оставшихся вакансиях заметнее стали навыки решения проблем, коммуникации и внимательности к деталям, а не только владение конкретными ИИ-инструментами.

Для разработчика это означает постепенный переход от роли исполнителя к роли инженера, который управляет системой.

Нужно не просто получить код, а понять, подходит ли он для конкретного проекта. Не просто сгенерировать запрос к базе данных, а оценить его корректность и влияние на производительность. Не просто попросить модель исправить ошибку, а разобраться, почему она возникла и не скрывает ли исправление более серьёзную проблему.

При этом фундаментальные знания становятся не менее важными, а более востребованными.

Человек, который не понимает алгоритмы, структуры данных, сетевые протоколы, базы данных и принципы безопасности, рискует превратиться в оператора генератора кода. Он может получать впечатляющие результаты, но не всегда сможет объяснить, почему система работает именно так и что произойдёт при изменении условий.

ИИ ускоряет разработку. Но скорость не равна инженерному качеству.

Работодатели тоже не до конца понимают, что делать

Внедрение искусственного интеллекта создаёт для компаний не только возможности, но и организационные трудности.

Недостаточно купить подписку на ИИ-сервис и предложить сотрудникам использовать его в работе. Нужно определить, какие процессы можно автоматизировать, кто проверяет результаты, как защищаются данные и кто отвечает за ошибки.

Если сотрудник использует модель для подготовки отчёта, кто проверяет цифры? Если ИИ предлагает программное решение, кто отвечает за его безопасность? Если система автоматически обрабатывает обращения клиентов, кто вмешивается при нестандартной ситуации?

Автоматизация требует пересмотра процессов, а не просто добавления нового инструмента.

Исследование Международной организации труда указывает на неравномерность результатов внедрения ИИ. Сотрудники могут экономить время, но это не всегда превращается в сопоставимый рост измеряемой производительности. Причина может заключаться в том, что освободившееся время не всегда используется для более ценных задач, а сами организации не успевают перестроить рабочие процессы.

В этом заключается одна из главных ошибок технологического оптимизма: считать, что внедрение инструмента автоматически улучшает бизнес.

Если компания не меняет организацию работы, не обучает сотрудников и не пересматривает распределение ответственности, она может получить лишь дополнительный слой сложности.

Какие навыки будут дорожать

Вопрос «какие профессии исчезнут?» постепенно становится менее полезным, чем вопрос «какие навыки останутся востребованными?».

В августе 2026 года Международная организация труда опубликовала совместный доклад о меняющейся структуре навыков в эпоху ИИ. В нём рассматривается рост значения когнитивных, социальных, цифровых и специализированных технических компетенций.

Особое внимание уделяется способности адаптироваться, критически оценивать информацию, работать с данными и сохранять самостоятельность при использовании автоматизированных систем.

Можно выделить несколько направлений, значение которых будет расти.

Понимание предметной области. Чем лучше человек знает свою профессию, тем точнее он способен оценивать предложения ИИ и замечать ошибки.

Критическое мышление. Генерация ответа не означает, что ответ верен. Умение проверять факты, источники, расчёты и предположения становится необходимой частью работы.

Системное мышление. Важно понимать не только отдельную задачу, но и её место в общем процессе: зависимости, ограничения, риски и последствия.

Коммуникация. Постановка задачи, согласование требований, объяснение решений и работа с людьми остаются важными даже при высокой автоматизации.

Ответственность. Чем больше операций делегируется алгоритмам, тем важнее человек, который понимает последствия и может принять окончательное решение.

Работа с ИИ. Умение формулировать запросы — лишь начало. Гораздо важнее понимать возможности и ограничения моделей, выбирать подходящий инструмент и проверять результат.

Не стоит воспринимать этот список как универсальную инструкцию для всех профессий. Конкретный набор навыков будет зависеть от отрасли. Но общий принцип очевиден: ценность смещается от выполнения стандартной операции к способности решать более сложную задачу.

ИИ создаёт новые рабочие места, но не обязательно для тех, кто потерял старые

У технологических изменений есть и другая сторона.

Распространение ИИ создаёт спрос на специалистов по машинному обучению, инфраструктуре, обработке данных, безопасности, интеграциям и сопровождению моделей. Компании нуждаются в людях, которые умеют внедрять новые технологии в реальные процессы.

Однако не стоит считать, что каждый человек, чья работа автоматизируется, сможет просто перейти в разработку искусственного интеллекта.

Новые рабочие места требуют других знаний, опыта и подготовки. География вакансий также имеет значение: возможности в одном регионе могут сильно отличаться от ситуации в другом.

Показателен пример Швейцарии. По данным опубликованного 28 октября 2026 года Swiss AI Jobs Report, в период с июля 2025-го по июнь 2026-го в стране было размещено почти пять тысяч вакансий, связанных с искусственным интеллектом. Это на 32% больше, чем за предыдущий сопоставимый период. При этом значительную часть спроса сформировали малые и средние предприятия.

Но эти цифры говорят о росте спроса на определённые компетенции, а не о том, что новые вакансии автоматически компенсируют все изменения в других профессиях.

Рабочие места, создаваемые новой технологией, и рабочие места, которые она трансформирует, не обязательно совпадают по квалификации, месту расположения и уровню оплаты.

Поэтому формула «ИИ уничтожит одни профессии, но создаст другие» слишком проста. Между исчезновением одной задачи и появлением новой работы существует период адаптации, который не каждый работник способен пройти без поддержки.

Самая большая опасность — не безработица, а разрыв между поколениями специалистов

Представим рынок, на котором компании используют ИИ для выполнения большей части простых задач.

Опытные сотрудники становятся продуктивнее. Организации сокращают потребность в начальных позициях. Молодым специалистам сложнее получить первую работу. Через несколько лет работодатели сталкиваются с нехваткой людей, которые имеют необходимый практический опыт.

Это не фантастический сценарий, а вполне понятный риск, на который указывают исследования рынка труда.

Профессиональная компетентность не появляется автоматически после прохождения онлайн-курса. Она формируется через практику: ошибки, обратную связь, участие в реальных проектах, общение с коллегами и постепенное увеличение ответственности.

Если исчезают начальные задачи, необходимо создавать другие способы обучения.

Компании могут поручать новичкам более сложные задачи под контролем наставников, организовывать внутренние учебные проекты, развивать программы стажировок и оценивать не только скорость выполнения операций, но и способность понимать процессы.

Образовательным учреждениям тоже придётся адаптироваться. Подготовка специалиста должна включать не только освоение инструментов, но и умение работать в условиях, когда часть операций выполняет ИИ.

Иначе возникнет странная ситуация: работодатели будут требовать от выпускников опыта, который сами перестали помогать им получать.

Что делать специалисту уже сейчас

Не нужно пытаться соревноваться с ИИ в скорости генерации текста, кода или изображений. В такой гонке человек часто проиграет — и это не делает его бесполезным.

Гораздо разумнее пересмотреть собственную профессиональную роль.

Во-первых, стоит использовать ИИ для ускорения рутинных операций, но не передавать ему без проверки ответственность за результат.

Во-вторых, важно укреплять фундаментальные знания. Инструменты меняются быстро, а понимание принципов работы систем остаётся полезным гораздо дольше.

В-третьих, необходимо учиться видеть задачу целиком. Специалист, который понимает бизнес-процесс, требования заказчика, ограничения инфраструктуры и последствия решения, обладает преимуществом перед человеком, который умеет только выполнять инструкции.

В-четвёртых, стоит развивать способность объяснять свою работу. Чем больше автоматизации появляется внутри команды, тем важнее согласование решений между людьми, системами и подразделениями.

Наконец, не следует считать владение конкретной нейросетью самостоятельной профессией. Сегодня востребован один сервис, завтра другой. Профессиональная ценность должна строиться на знаниях и способности решать задачи, а не на запоминании интерфейса очередного инструмента.

Будущее работы зависит не только от технологий

Искусственный интеллект действительно меняет рынок труда. Но направление этих изменений определяется не только возможностями моделей.

Большую роль играют решения работодателей, образовательных учреждений, государства и самих работников.

Компания может использовать ИИ исключительно для сокращения расходов. А может направить освободившееся время на улучшение продукта, повышение качества услуг и развитие сотрудников.

Можно отказаться от найма новичков, потому что простые задачи теперь выполняет алгоритм. А можно перестроить обучение так, чтобы молодые специалисты раньше получали возможность заниматься более содержательной работой.

Можно рассматривать ИИ как дешёвую замену сотруднику. А можно использовать его как инструмент, который расширяет возможности человека и позволяет решать задачи, ранее недоступные небольшой команде.

Технология сама по себе не выбирает между этими сценариями. Выбор делают организации и люди, которые определяют правила её применения.

Вместо заключения

Главное изменение, которое приносит искусственный интеллект на рынок труда, может оказаться не таким очевидным, как массовые увольнения или исчезновение привычных профессий.

Меняется сама стоимость профессионального опыта. Стандартные операции становятся дешевле, скорость выполнения задач перестаёт быть исключительным преимуществом, а работодатели всё чаще ожидают от сотрудников способности самостоятельно разбираться в сложных ситуациях.

Но у этой трансформации есть обратная сторона. Если компании перестанут нанимать и обучать начинающих специалистов, через несколько лет им будет сложнее находить опытных сотрудников. Если образование сведётся к обучению работе с очередными инструментами, выпускники окажутся зависимыми от технологий, которые постоянно меняются.

Искусственный интеллект может выполнять всё больше работы. Но профессионализм по-прежнему требует понимания, опыта, ответственности и способности принимать решения.

Возможно, будущее принадлежит не тем, кто быстрее всех научится пользоваться нейросетями, а тем, кто сможет соединить возможности машин с собственными знаниями и профессиональным суждением.

ИИ меняет не только то, как мы работаем. Он заставляет заново ответить на вопрос, что вообще делает человека специалистом.