Лучшие из имеющихся данных говорят, что ИИ затрудняет получение первой работы в профессиях, на которые он влияет сильнее всего, причём ущерб выражается в сокращении числа вакансий, а не в увольнениях. Исследование Stanford, которое опирается на миллионы записей о зарплатных ведомостях, показывает: занятость работников 22–25 лет в профессиях с наибольшей подверженностью ИИ на 19% ниже уровня, который был бы, если бы они шли вровень с коллегами из менее подверженных сфер (Stanford Digital Economy Lab). У работников от 26 лет в этих же профессиях сопоставимого разрыва нет.
Это не то же самое, что «ИИ забирает все рабочие места». Авторы называют свои цифры предварительными и описательными, другие исследователи не видят потрясений в масштабах всей экономики, а часть трендов началась ещё до ChatGPT. Тем не менее американцы, похоже, чувствуют тревогу: опрос AP-NORC показал, что 64% считают, что ИИ развивается слишком быстро (AP).
В этом материале мы разбираем, что говорят заслуживающие доверия исследования, где они расходятся, какие роли подвержены влиянию сильнее всего и что могут сделать джуниор-специалист и нанимающий менеджер. Каждая цифра ниже взята из источника, который мы открывали в этом году, и каждый раз мы называем этот источник.
Эти четыре цифры взяты из трёх разных исследований с разной методикой, поэтому не складывайте их. Читайте их как одну картину с разных сторон: меньше вакансий для джуниоров там, где ИИ лучше всего справляется с первым черновиком.
Что нашло исследование Stanford
Исследование называется «Canaries in the Coal Mine?», его авторы, команда Digital Economy Lab в Stanford, впервые опубликовали его в 2025 году. Последняя редакция использует данные ADP о зарплатных ведомостях до 2026 года и показывает, что с момента первой публикации разрыв неуклонно рос (Stanford). По словам самих авторов, это «ранние описательные индикаторы», а не причинно-следственные оценки.
Разница резкая. С конца 2022 по 2026 год занятость в возрасте 22–25 лет упала на 11% в двух квинтилях профессий с наибольшей подверженностью ИИ и выросла на 10% в трёх наименее подверженных квинтилях (обновление Stanford). Для работников от 26 лет сопоставимого разрыва исследование не находит и отмечает, что эффект проявляется главным образом через сокращение найма молодых, а не через рост увольнений.
Столбцы показывают, почему итоговый разрыв больше, чем любая из двух цифр по отдельности. Одна группа потеряла позиции, другая выиграла, поэтому расстояние между ними шире, чем падение на 11%.
Авторы предлагают объяснение механизма. Молодые работники приносят формализованные знания, те, что преподают в аудиториях и записывают в документации, а именно их ИИ воспроизводит хорошо. Опытные сотрудники опираются на неявные знания, накопленные за годы. Исследование находит спад там, где ИИ заменяет труд, и стабильную или растущую занятость там, где ИИ его дополняет (Stanford). Один тест исключил очевидное альтернативное объяснение: профессии, подверженные ИИ, в среднем менее чувствительны к процентным ставкам, чем остальные, и исследователи «не находят убедительных подтверждений» того, что изменения ставок объясняют падение найма на начальные позиции (Stanford о процентных ставках).
Другие данные, указывающие в ту же сторону
Экономисты Anthropic пришли к похожему выводу другим путём. В их работе 2026 года построен показатель «наблюдаемой подверженности», который сочетает то, что умеют языковые модели, с тем, как люди реально используют Claude на работе. Программисты стоят первыми с 75% охвата задач, операторы ввода данных получили 67%. Для возраста 22–25 лет в статье сообщается о снижении вероятности найти работу на 14% в подверженных профессиях с момента запуска ChatGPT, хотя результат назван лишь на грани статистической значимости (Anthropic).
Hiring Lab из Indeed изучал вакансии. В профессиях с наибольшей подверженностью (разработка ПО, ИТ-поддержка, данные и аналитика, маркетинг и финансы) доля начальных позиций в объявлениях упала с 29% до 10% между 2021 и 2026 годами, а доля старших выросла с 22% до 47% (Indeed Hiring Lab). Тот же анализ показал, что объявленные зарплаты в подверженных профессиях растут быстрее: на 46% с 2021 года против 25% в наименее подверженных, но почти вся эта надбавка достаётся опытным ролям.
Точки говорят о том, что больше всего от ИИ выигрывают те, кто уже знает дело. Для начальных вакансий в подверженных профессиях надбавка к зарплате над малоподверженными составляет 2 пункта, для средних ролей 12, для старших 17. Сам Indeed резюмирует, что ИИ «скорее дополнял квалифицированных работников, чем заменял их».
Данные LinkedIn вписываются в картину на более грубом уровне. В его руководстве для выпускников 2026 года сказано, что скорректированный на сезонность показатель найма на начальные позиции в США упал на 6% за зимний квартал по сравнению с тем же периодом годом ранее, а многие студенты выпускаются почти без опыта применения ИИ в повседневной работе, хотя работодатели ищут именно такие навыки (LinkedIn).
Где доказательства неоднозначны
Начнём со скептиков, у них тоже есть реальные данные. Yale Budget Lab отслеживает, как меняется структура профессий и как долго люди остаются безработными. В его отчёте сказано, что хотя тревога по поводу ИИ и рабочих мест широко распространена, «наши данные говорят, что она остаётся в основном умозрительной», а исполнительный директор Марта Гимбел сказала Fortune, что на данный момент крупных макроэкономических эффектов нет. В том же материале Fortune приводятся данные Oxford Economics, основанные на Challenger, Gray & Christmas: ИИ называли причиной около 55 000 объявленных сокращений в США за первые 11 месяцев 2025 года, всего 4,5% от общего числа. Там же звучит версия об «AI washing», когда компании списывают на ИИ сокращения, у которых другие причины (Fortune).
Работа Anthropic согласна с общей картиной: систематического роста безработицы среди сильно подверженных работников с конца 2022 года нет. Её авторы называют замедление найма молодых ранним сигналом, который проявляется в найме раньше, чем в безработице (Anthropic).
Есть и оговорки внутри самой работы Stanford. Эффект выражен сильнее в выборке ADP, чем в национальных опросных ориентирах, он уменьшается при контроле за образованием, а часть расхождения началась ещё до бума генеративного ИИ (Stanford).
Свежие цифры по выпускникам тоже не катастрофичны. По последним данным New York Fed, безработица среди недавних выпускников (22–27 лет) составляет около 5,6%, а неполная занятость 42% и слегка растёт (New York Fed).
Меняются и взгляды экономистов. В последнем квартальном опросе экономистов Indeed индекс распространения риска вытеснения ИИ для работников с высшим образованием составил 55,6 (значение выше 50 означает растущий риск), а 45% участников назвали чистый эффект ИИ на занятость незначительно отрицательным. Эксперты ожидают, что сильнее всего сократятся административная поддержка и разработка ПО (Indeed Hiring Lab).
Общественные настроения опережают данные. В опросе AP-NORC, в котором участвовали 2140 взрослых, 27% сказали, что ИИ развивается примерно в правильном темпе, 8% сочли темп слишком медленным, а около 8 из 10 назвали чрезвычайно или очень важным, чтобы правительство держало ИИ под контролем человека (AP). Беспокойство о работе — часть этой картины. Тревога не доказывает вытеснение, но она влияет на то, как молодые люди и их родители воспринимают рынок труда.
Нашу оценку изменили бы три вещи. Рост безработицы среди молодых в подверженных профессиях, что означало бы, что замедление найма переходит в потерю работы. Восстановление начальных вакансий в подверженных профессиях. Или сокращение разрыва в данных Stanford, когда появятся новые данные по найму 2026 года. Пока ничего из этого не произошло, разумна позиция, изложенная выше.
Наш вывод: утверждение, что ИИ тихо истончает нижнюю ступень лестницы в ряде профессий, хорошо подкреплено. Утверждение, что ИИ вызывает всеобщий коллапс рынка труда, не подкреплено. Тот, кто говорит, что данные однозначно определяют причину, опережает исследования.
Какие роли подвержены сильнее всего, а какие слабее
Подверженность определяется задачей, а не отраслью. В списке Anthropic наиболее охваченных профессий лидируют программисты, представители службы поддержки клиентов и операторы ввода данных. На другом конце примерно у 30% работников в его данных охват нулевой, среди них повара, мотомеханики, спасатели, бармены и посудомойщики (Anthropic).
Рисунок ниже — наше редакционное размещение типичных начальных профессий по двум вопросам: насколько работа рутинна и задокументирована и насколько ИИ используют для этих задач. Это помощь для суждения, а не измерение, так что смещайте любую точку, с которой ваш опыт не согласен.
В правом верхнем углу кластер, где найм начинающих уже поредел. Маркетинг и финансы расположены посередине, а по данным Indeed о вакансиях обе сферы входят в самую подверженную группу. Роли в левом нижнем углу зависят от рук, физического присутствия и суждений в реальном времени, поэтому в данных о подверженности они почти не заметны.
Одна оговорка: низкая подверженность не означает высокую зарплату или хорошие перспективы. По данным Anthropic, сильно подверженные работники в среднем ещё и зарабатывают на 47% больше, так что профессии под давлением часто те, ради которых люди учились усерднее всего. Выбирайте направление по соответствию себе, а не из страха.
Почему давление приходится на найм, а не на увольнения
Компания редко объявляет, что заменила джуниора моделью. Она просто не открывает вакансию. Старшему инженеру, который может получить приличный первый вариант от ИИ-инструмента, меньше нужен ещё один помощник, так что штат, который мог бы вырасти, ни в чьей статистике увольнений не появляется.
Долгосрочное беспокойство находится в правой части этой схемы. Начальные позиции всегда были местом, где люди осваивают неявную часть работы. В эссе для MIT Technology Review Георгиос Петропулос из USC утверждает, что автоматизация задач джуниоров грозит повредить тому, как организации выращивают навыки, и предлагает оплачиваемые стажировки, программы ученичества и стимулы для работодателей, чтобы поддержать найм начинающих (MIT Technology Review).
Чего работодатели говорят, что хотят от джуниоров
Работодатели сообщают, что навыки работы с ИИ быстро входят в требования к начальным позициям. NACE, которая опрашивает работодателей о найме выпускников, обнаружила, что более трети начальных вакансий теперь требуют навыков работы с ИИ, почти втрое больше, чем в её осеннем опросе. 28% работодателей заявили, что ищут начинающих специалистов, умеющих пользоваться ИИ, а почти 60% дают стажёрам проекты с использованием ИИ-инструментов (NACE).
Не все студенты успевают за этим. В студенческом опросе NACE 2026 года приняли участие более 17 000 студентов, и среди выпускников 31% назвали навыки работы с ИИ малозначимыми или незначимыми для карьеры, 40% — очень или крайне важными, а 50,5% ещё не начали их развивать (NACE).
Индикаторы показывают несоответствие, на которое стоит реагировать. Работодатели проверяют навыки работы с ИИ на стажёрах, а половина выпускников ещё не начала. Одна оговорка: данные работодателей получены от 185 организаций, которые сами решили ответить, так что воспринимайте их как направление, а не как перепись. Опрос NACE также показал, что более половины работодателей говорят, что ИИ не сокращает начальные задачи, и лишь 11% обсуждали замену должностей ИИ.
Навыки и инструменты, которые делают джуниора привлекательнее
Навыки, о которых говорят работодатели NACE, прикладные: выбрать подходящий ИИ-инструмент для задачи, писать хорошие промпты, проверять и дорабатывать результат (NACE). Никто не просит выпускника обучать модель. Нужен человек, который умеет ею пользоваться и замечать её ошибки. Петропулос называет выигрышной комбинацией владение ИИ плюс экспертизу в предметной области (MIT Technology Review).
Вот практический порядок действий на ближайшие 30 дней.
- Выберите одну целевую роль и прочитайте десять свежих вакансий на неё. Отметьте, какие инструменты и задачи встречаются не один раз.
- Хорошо освойте двух универсальных ассистентов. ChatGPT и Claude — очевидная пара, а наш обзор альтернатив ChatGPT поможет, если хотите третий вариант для сравнения.
- Примените ИИ в реальной работе и сохраните подтверждения: исследовательская записка, очистка данных, небольшое приложение. Запишите, в чём ИИ ошибся и как вы это заметили. Именно такая история проверки запоминается интервьюерам.
- Если ваша цель техническая, практикуйтесь с ассистентом для кода, например GitHub Copilot, Cursor или Claude Code, и будьте готовы объяснить код, который не печатали сами. Наш рейтинг ИИ-ассистентов для кода ранжирует всё поле.
- Если ваша цель — тексты, исследования или операционная работа, добавьте инструмент для поиска, например Perplexity, рабочего ассистента вроде Notion AI и редактор вроде Grammarly, и покажите «до» и «после» на реальном документе.
- Пройдите один структурированный курс, чтобы навыки были подтверждены документом: Google Prompting Essentials или AI For Everyone на Coursera, либо LinkedIn Learning. В более широком рейтинге обучения ИИ есть и другие варианты.
- Подтяните отклик. Помочь могут конструктор резюме из рейтинга ИИ-конструкторов резюме, например Resume Worded, и партнёр для тренировки из рейтинга подготовки к интервью, например Interview Sidekick, если итоговые слова остаются вашими.
Одни курсы вас не выделят, ведь их проходят все. Выделяет короткое конкретное портфолио и честный рассказ о том, как вы использовали ИИ. Подробнее о поиске работы читайте в нашем руководстве по ИИ-инструментам для соискателей.
Прежде чем выбирать путь, проверьте, насколько подвержена ИИ должность, на которую вы метите. Тест ниже превращает выводы выше в пять вопросов.
Результат — повод подумать, а не прогноз. Высокий балл не значит, что роль нужно обходить стороной. Он значит, что вам понадобятся более весомые доказательства работы и понятный способ показать, что вы умеете контролировать результат ИИ.
Четыре карьерных хода, которые согласуются с данными
Исследования подсказывают несколько ходов, за которыми стоит реальная логика. Ни один из них не гарантирован.
Роль с активным использованием ИИ подходит, если вы можете показать, что хорошо управляете инструментами: именно этот навык работодатели добавляют в вакансии. Практическая сфера — страховка, ведь такие роли показывают наименьший охват в данных Anthropic. В небольшой команде джуниорам часто раньше доверяют более широкий круг задач, хотя данных о найме по этому поводу у нас нет, так что это обоснованная ставка. Подтверждение навыков объединяет все три пути: проекты и стажировки превращают тощее резюме в убедительное.
Кому стоит тревожиться больше всех? Тому, кто целится в разработку ПО, поддержку клиентов или ввод данных через стандартную воронку найма и рассчитывает только на диплом. Кто может немного выдохнуть? Тот, кто идёт в работу, требующую физического присутствия, лицензии или постоянного контакта с людьми. Но и им стоит освоить базовые инструменты, ведь цифры NACE говорят, что требования распространяются.
Если вы нанимаете джуниоров
Исследования — предупреждение и для менеджеров. Если ступень джуниоров исчезнет, исчезнет и ваш будущий приток сеньоров с неявными знаниями. Данные Indeed показывают, что доля старших позиций в объявлениях в подверженных профессиях уже выросла до 47%, а этим людям нужно было откуда-то взяться.
Выделяются три хода. Перестройте роль джуниора вокруг контроля результата ИИ и обработки исключений, а не ручного первого черновика. Закрепите за каждым джуниором конкретного сеньора и с первой недели давайте настоящую работу на ревью. И пишите вакансии, в которых указано, какими навыками работы с ИИ вы реально пользуетесь, потому что расплывчатые требования отпугивают хороших кандидатов. Данные NACE о том, что почти 60% работодателей дают стажёрам проекты на основе ИИ, говорят, что у лидеров это уже стандартная практика.
Частые вопросы
ИИ действительно забирает начальные вакансии?
Он сокращает найм в некоторых профессиях, а это не то же самое, что увольнять людей. Самые сильные доказательства — исследование Stanford по зарплатным ведомостям и данные Indeed о вакансиях, и оба показывают меньше открытых позиций для джуниоров в подверженных профессиях. Ни один из прочитанных нами источников не показывает всеобщего коллапса рынка труда.
Какие начальные профессии безопаснее всего от ИИ?
Меньше всего подвержены работы, требующие физического присутствия или постоянного контакта с людьми: в данных Anthropic это повара, бармены и спасатели. Безопасно не значит хорошо оплачивается, так что учитывайте и зарплату, и рост.
Стоит ли по-прежнему учиться на программиста или бухгалтера?
Данные говорят, что найм на начальные позиции в разработке и смежных сферах просел, но не говорят, что эти навыки бесполезны. Авторы Stanford отмечают, что эффект уменьшается при контроле за образованием, а найм замедлился сильнее для джуниоров, чем для опытных сотрудников. Если пойдёте, планируйте показывать проекты с ИИ и настоящие стажировки.
Действительно ли работодатели хотят от выпускников навыков работы с ИИ?
Да, и доля растёт. NACE обнаружила, что более трети начальных вакансий теперь требуют навыков работы с ИИ, хотя прямо упоминают их лишь 16,5% описаний вакансий. Навыки прикладные: выбрать подходящий инструмент, хорошо писать промпты и проверять результат.
Причина слабого рынка труда для выпускников в ИИ?
Это один из кандидатов. Команда Stanford проверила процентные ставки и обнаружила, что они не объясняют картину, а авторы Stanford говорят, что часть трендов началась ещё до бума генеративного ИИ. Относитесь с подозрением к любой истории с единственной причиной.