Сохранение джунов и будущее кадровой воронки
Рынок труда в ИТ и других офисных сферах становится заметно более осторожным. Компании стремятся контролировать фонд оплаты труда, сокращают сроки найма и хотят получать измеримый результат практически сразу. На этом фоне начинающие специалисты оказываются в наиболее уязвимом положении: работодателю приходится тратить месяцы на их обучение, а гарантии, что сотрудник останется в компании, нет.
Проблема выходит далеко за пределы российского рынка. По оценкам World Economic Forum, за последние 18 месяцев количество вакансий начального уровня в США сократилось на 35%. Одним из факторов называют распространение искусственного интеллекта. Дорогие кредиты, урезанные бюджеты и давление на руководителей заставляют бизнес нанимать не "на вырост", а под конкретные задачи.
LinkedIn оценивал общий уровень найма примерно на 20% ниже допандемийных значений. Российские работодатели также все чаще делают ставку на удержание текущих сотрудников и точечный поиск людей с уже сформированными компетенциями. В такой модели джун действительно может выглядеть не инвестицией, а затратным проектом с неопределенным результатом.
Даже крупные технологические компании демонстрируют избирательность. В отдельных подразделениях Microsoft приостанавливался набор, тогда как направления, связанные с Copilot и другими ИИ-продуктами, продолжали расширяться. Это показывает общий тренд: бизнес не отказывается от найма полностью, но перераспределяет ресурсы в пользу тех областей, где ожидает быстрый эффект.
При этом массовое сокращение начальных позиций несет скрытый риск. Компания может решить, что избавляется от низкопроизводительного уровня, однако на деле она нередко уничтожает собственную будущую профессиональную основу. Джун нужен не только для выполнения простых задач. Это первый этап подготовки специалиста, который со временем способен стать самостоятельным middle, а затем и senior.
В процессе работы начинающий сотрудник осваивает не только технологии. Он знакомится с архитектурой продукта, внутренними правилами, особенностями данных, требованиями безопасности, стилем коммуникации и реальными ограничениями бизнеса. Курсы и учебные проекты не могут полностью заменить такой опыт. Многие ошибки становятся понятны только после участия в настоящих рабочих процессах.
Если вход в профессию массово перекрывается, через несколько лет компании сталкиваются с нехваткой специалистов среднего уровня. А еще позднее начинает сокращаться количество сильных senior-сотрудников, способных руководить командами, принимать архитектурные решения и передавать знания. В результате краткосрочная экономия оборачивается более дорогим наймом и зависимостью от внешнего рынка.
Типичный сценарий развивается постепенно. Сначала организация сокращает наставничество, уменьшает число стажировок и передает простые операции автоматизированным инструментам. Фонд оплаты труда стабилизируется, middle- и senior-сотрудники вроде бы освобождаются от части нагрузки. Однако затем выясняется, что автоматизация покрывает не все задачи, а людей для контроля, интеграции и принятия решений недостаточно.
Работа, которую планировали убрать вместе с junior-позициями, начинает подниматься вверх по иерархии. Middle берет на себя больше рутинных операций, senior тратит время на проверку элементарных решений и исправление ошибок, а стратегические задачи откладываются. Вакансии для опытных специалистов могут месяцами оставаться открытыми, поскольку кандидатов с нужным сочетанием технических и бизнес-компетенций немного.
Государственная политика способна частично повлиять на ситуацию. Изменение контрольных цифр приема в университеты, поддержка отдельных образовательных программ и развитие профессиональной переподготовки помогают регулировать объем будущего предложения. Но такие меры не создают готовых middle и senior-специалистов. Между обучением и полноценной продуктивностью все равно остается несколько лет практики.
Особенно важно правильно оценивать влияние искусственного интеллекта. Следует различать автоматизацию отдельных операций и полную замену должности. Согласно исследованию Anthropic, 68% наблюдаемого использования Claude приходится на задачи, которые теоретически могут быть полностью выполнены языковой моделью. Однако в категории Computer & Math фактическое покрытие задач составляет около 33%. Это означает, что ИИ уже активно меняет работу, но пока не уничтожает целиком большинство начальных профессий.
На практике нейросети чаще становятся усилителем специалиста. Они помогают подготовить черновик кода, составить тесты, найти очевидную ошибку, обработать документацию или быстро разобраться с незнакомым API. Но оценить корректность результата, учесть контекст продукта, заметить скрытые риски и встроить решение в существующую систему должен человек.
Поэтому современный джун должен не конкурировать с ИИ, а уметь продуктивно использовать его. Важными навыками становятся формулирование запросов, проверка ответов, работа с контекстом, тестирование сгенерированного кода и понимание ограничений моделей. При этом базовые знания никуда не исчезают: без понимания HTML, JavaScript, алгоритмов, сетей, баз данных или статистики невозможно надежно контролировать результат нейросети.
Есть риск, что часть менеджеров будет воспринимать ИИ как повод отказаться от начинающих сотрудников. Такой подход кажется логичным, пока задачи остаются простыми и типовыми. Но по мере усложнения проекта возрастает потребность в людях, которые умеют разбираться в неоднозначных требованиях, задавать правильные вопросы и связывать техническое решение с целями бизнеса.
Опасен и другой сценарий: компании сохраняют только узкий круг сильных специалистов, рассчитывая, что они полностью компенсируют нехватку начального уровня. В краткосрочной перспективе это может сработать, но нагрузка быстро становится чрезмерной. У опытных сотрудников сокращается время на развитие, растет риск выгорания, а критически важные знания концентрируются у нескольких человек.
Есть и более сбалансированная модель. Компания может оставить программы стажировок, но сделать их короче и практичнее; использовать ИИ для подготовки учебных материалов и проверки типовых заданий; разделить обучение на этапы; привязывать наставничество к конкретным бизнес-результатам. Тогда расходы на развитие новичков становятся управляемыми, а сам процесс - более прозрачным.
Полезно заранее определить, какие задачи подходят начинающим специалистам. Это могут быть автоматизация отчетов, подготовка тестов, первичный анализ данных, документация, техническая поддержка и небольшие улучшения продукта. Главное - обеспечить понятные границы ответственности и обязательную проверку результата более опытным сотрудником.
Не менее важна система оценки прогресса. Вместо абстрактного требования "быстро вырасти" следует фиксировать конкретные этапы: освоение инструментов, самостоятельное выполнение типовых задач, способность находить и объяснять ошибки, участие в командных обсуждениях. Такой подход помогает понять, действительно ли инвестиции в сотрудника дают результат.
Сохранение джунов не означает необходимость нанимать всех подряд и игнорировать эффективность. Речь идет о поддержании непрерывной кадровой воронки. Если бизнес полностью перекрывает вход, он экономит сегодня, но создает дефицит компетенций завтра. В условиях ускоряющейся автоматизации компаниям особенно нужны люди, которые будут расти вместе с технологиями, а не только пользоваться уже готовыми решениями.
Вероятно, начальные профессии продолжат меняться. Часть рутинных обязанностей исчезнет, требования к самостоятельности повысятся, а период адаптации станет более насыщенным. Но это не обязательно означает исчезновение джунов. Скорее, изменится их роль: от исполнителя простых операций к специалисту, который умеет быстро учиться, работать с ИИ, проверять результаты и постепенно брать на себя ответственность.
Главный вывод заключается в том, что кадровая воронка не формируется мгновенно. Между первым рабочим местом и появлением сильного профессионала проходят годы. Компании, которые учитывают этот горизонт, продолжают инвестировать в начинающих сотрудников, даже когда рынок заставляет экономить. Те же, кто полностью отказывается от джунов, рискуют столкнуться с нехваткой middle и senior тогда, когда исправить ситуацию быстро уже не получится.
