Сохранение джунов и будущее кадровой воронки

Как мы знаем, рынок труда в некоторых сферах сейчас достаточно напряжен для соискателя и в материале про рынок ИТ специалистов ^[1] я показывал, что некоторым молодым специалистам достаточно трудно сейчас найти работу, это касается многих офисных профессий, не только ИТ.

Сами 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 ^[2] отмечает, что число начальных вакансий в США за последние 18 месяцев снизилось на 35%, и одной из причин этого называется как раз ИИ.

Вроде всё правильно

Деньги дорогие, бюджеты урезаются, руководители хотят качественный результат как можно раньше, а найм сам по себе стал аккуратным.

LinkedIn ^[3] писал, что найм в среднем держится примерно на 20% ниже допандемийного уровня, а hh отмечал, что компании в 2026 году все чаще фокусируются на удержании и найме под конкретные задачи, а не на вырост и в такой среде человек, которого еще нужно учить, действительно начинает выглядеть как роскошь.

Даже в big tech сигнал сейчас про избирательность. Microsoft замораживала найм в ряде крупных подразделений, при этом направления, связанные с Copilot, продолжают нанимать.

Где здесь 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 же будущую середину, ведь джун нужен не только затем, чтобы закрывать простые задачи. Главным образом, джун нужен как будущий профессионал.

Через начальный уровень люди учатся продукту, внутренней логике ^[4] 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 ^[5] 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 и 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. Просто 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 интерпретации моделей ML через SHAP. 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 какой-то перенос издержек из одной строки в другую, ведь 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.

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.

Я бы сказал так:

Самый дорогой сотрудник – это не тот, кого вы вырастили, а тот, кого вам потом не из кого вырастить.

Я регулярно разбираю такие темы в своём Telegram‑канале ^[6], если вам интересно глубже понимать аналитику, экономику и рынок труда, там регулярно выходят короткие заметки и обзоры актуальных событий.