Как мы знаем, рынок труда в некоторых сферах сейчас достаточно напряжен для соискателя.
В недавнем материале про рынок ИТ специалистов я показывал, что молодым специалистам достаточно трудно сейчас найти работу, это касается многих офисных профессий.
Компании зажаты между необходимостью расти и при этом не сильно увеличивать тот же ФОТ.
И получается вопрос: зачем нам нужен джун, которого нужно около года учить, и еще не факт, что он останется работать.
Это касается не только России. Причины немного отличаются, но в целом всё то же.
World Economic Forum отмечает, что число начальных вакансий в США за последние 18 месяцев снизилось на 35%, и одной из причин этого называется как раз ИИ.
Я регулярно разбираю такие темы в своём Telegram-канале, если вам интересно глубже понимать аналитику, экономику и рынок труда, там регулярно выходят короткие заметки и практические примеры.
Вроде всё правильно
Деньги дорогие, бюджеты считают жестче, руководители хотят качественный результат как можно раньше, а найм сам по себе стал аккуратным.
LinkedIn отмечает, что найм в среднем держится примерно на 20% ниже допандемийного уровня, а hh.ru отдельно подчеркивает, что компании в 2026 году все чаще фокусируются на удержании и найме под конкретные задачи, а не на вырост.
В такой среде человек, которого еще нужно учить, действительно начинает выглядеть как роскошь.
Даже в big tech сигнал сейчас про избирательность. Reuters совсем недавно писал, что Microsoft заморозила найм в ряде крупных подразделений, при этом направления, связанные с Copilot, продолжают нанимать.
Где здесь главная ловушка
Сразу нужно отметить, что описываемый ниже эффект будет лишь в том случае, если вся ситуация носит массовый характер (к чему всё идет, но разными темпами), локальная компания может даже не почувствовать каких-то изменений.
Основная проблема тут в том, что компания думает, будто режет низкопроизводительный слой. А на деле часто режет свою будущую середину.
Джун нужен не только затем, чтобы закрывать простые задачи. Главным образом, джун нужен как будущий потенциал.
Через начальный уровень люди учатся продукту, внутренней логике решений, ограничениям данных, культуре общения, ошибкам, которые нельзя понять по курсам и гайдам.
Без этого через 2-3 года неоткуда взять крепкого middle, а через 5 лет - устойчивого senior.
Была еще заметка от WEF. Они там пишут, что краткосрочная экономия на начальных позициях может обернуться долгосрочными рисками: ослаблением преемственности, более слабой передачей знаний и замедлением адаптации компаний к ИИ.
Один из возможных сценариев тут такой:
сначала все выглядит четко: ФОТ не разгоняем, онбординга меньше, наставничество сократили (высвободили силы middle и senior), простые задачи вроде бы автоматизируются.
потом оказывается, что людей среднего уровня не хватает, senior перегружен операционкой, а вакансия мидла с сильным опытом висит на сайте не один месяц.
Да, государство теоретически может частично сглаживать такие перекосы - например, менять набор на отдельные специальности и тем самым влиять на будущий объем предложения на рынке труда.
Но это не отменяет главной проблемы - такой механизм скорее регулирует масштаб рынка, а не создает для компаний готовых middle и senior специалистов.
Если вход начинающих специалистов на рынок сжимается слишком сильно, то через несколько лет бизнес сталкивается с тем, что экономия на старте превращается в дефицит опыта в середине воронки.
Состав джунов и ИИ
На мой взгляд, нужно корректно отдавать себе отчет в том, что сейчас с рынком ИИ и как он влияет на начальные профессии.
Ведь одно дело, когда ИИ умеет делать часть задач и другое - когда ИИ заменяет целиком начальную должность.
Anthropic в мартовском исследовании по влиянию ИИ на рынок труда показывают, что 68% наблюдаемого использования Claude приходится на задачи, которые теоретически полностью выполнимы LLM.
Но в категории Computer & Math реальное покрытие задач пока около 33%. И зазор тут между "заменяет должность" и "делает часть задач" думаю очевиден.
Мне сложно представить джуна, который не умеет работать с нейронками, но всё же - нужно уметь с ними работать, так как в этом случае скорость работы возрастает, а это для работодателя тоже важно.
Безусловно есть такое, что некоторые менеджеры на местах не видят в нейросетях ценности и не готовы брать джуна без приличного полотна знаний: от HTML и JS до развертывания shap на модель ML. Но при этом, тренд в эту сторону не остановить уже.
А если перегнуть
Разберем пессимистичные сценарии, они больше всего будоражат умы.
Часть работы, которую предполагалось убрать вместе с junior ролями, на практике просто поднимается вверх по иерархии - на middle и senior сотрудников.
Сами задачи ведь никуда не исчезают, раз их не выполнит junior, то выполнит middle. И если в компании не готовы к реальному выводу штатной позиции из расписания, то middle будет делать эту работу на пару с senior.
И получается, компания экономит на младшем уровне, но одновременно делает более ценных специалистов менее продуктивным.
И это уже не оптимизация, а перенос издержек из одной строки в другую.
Senior позиции обычно нужен компании не чтобы закрывать 40 простых тикетов, а чтобы решать редкие, дорогие и неоднозначные задачи.
Как только компания начинает регулярно использовать таких специалистов как замену начинающим, она сама себе режет маржу, качество и устойчивость. Особенно в функциях, где опыт накапливается через практику: аналитика, разработка, финансы, продукт, консалтинг, рекрутмент.
Как это можно обойти
Ориентацию бизнеса на опытных специалистов можно понять, эти специалисты могут вывозить самый различный спектр задач, но при этом забывать о начинающих специалистах это достаточно опасно.
Как сохранить вход в профессию так, чтобы он не был благотворительностью для бизнеса, но и не ломал будущую кадровую конструкцию?
Я бы начал как минимум с такого подхода:
Меньше джунов, а больше точности. Массовый набор на начальные позиции идет мимо, поэтому джуны нужны только под конкретные задачи с понятным маршрутом развития.
Джун как AI роль. Брать специалиста с пониманием и умением работы с ИИ, потому что это может помочь более опытным коллегам.
Это не про ИТ сферу, но допустим наверняка не все в бухгалтерии знают про ИИ и если есть информация, которую можно делать через ИИ (не бухгалтер - не знаю), то джун может не только свои задачи решить через ИИ, но и те задачи, что решают опытные коллеги. Смысл думаю понятен.
Считать не только стоимость найма, но и стоимость отсутствия воронки. Не нанятый вовремя джун через 3 года может превратиться в ненайденного middle, а это уже совсем другие проблемы и финансовые и операционные. Много данных по найму анализировал, и поверьте, есть и вакансии, которые закрываются и по году и по три.
Вывод
Благотворительность это не про бизнес, сохранять кого-то из жалости плохая идея для предпринимателя. Но и выжигать начальный уровень под лозунгом "ИИ все ускорит" - тоже плохая стратегия. Ведь так вы режете компетенции попросту.
И, возможно, главная ошибка ближайших лет будет в том, что компании слишком поздно поняли:
Самый дорогой сотрудник - это не тот, кого вы вырастили. А тот, кого вам потом не из кого вырастить.
