Если поставить рядом начинающего разработчика и современного ИИ-агента и попросить написать CRUD, сверстать форму, добавить несколько тестов и исправить простой баг, соревнование получится довольно унизительным для человека. Агент не знает продукт, не отвечает за последствия и периодически пишет опасную ерунду, но типовую работу выполняет настолько быстро, что прежняя экономическая роль джуниора начинает рассыпаться.
Я не думаю, что компании сейчас массово выбирают между «нанять человека» и «купить Claude». Работодатель решает другой вопрос. Нужны ли команде еще два начинающих разработчика, если senior с Cursor, Claude Code, Copilot или другим агентом способен закрыть значительную часть задач, которые раньше отдавали новичкам. Поэтому под угрозой не профессия junior-разработчика как таковая. Под угрозой старый способ входа в профессию через дешевые и относительно простые задачи.
У входной двери в IT уже образовалась очередь
Российский рынок изменился еще до того, как кодовые агенты научились самостоятельно ходить по репозиторию. Сейчас несколько факторов наложились друг на друга. Компании осторожнее нанимают, постпандемийный технологический бум закончился, кандидатов стало больше, а работодатели требуют от нового сотрудника быстрее приносить результат.
Картина у hh.ru довольно жесткая. В феврале число IT-вакансий было примерно на 36% ниже, чем годом ранее, число активных резюме выросло примерно на 30%, а hh.индекс для IT приблизился к 20 резюме на вакансию. Отдельно рынок сильно расходится по грейдам. В аналитике hh.ru приводится соотношение около 19 резюме на junior-вакансию против примерно 2,5 на senior-позицию. Гендиректор hh.ru Дмитрий Сергиенков описывает сдвиг прямо, бизнес реже готов брать людей «на вырост» и чаще ищет сотрудников, которые создают измеримую ценность сразу.
Но цифру 19 нельзя читать как «на каждую вакансию программиста откликаются ровно 19 джунов». hh.индекс считает активные резюме относительно вакансий и описывает напряженность рынка, а не фактическое число откликов на конкретное объявление. На популярную удаленную вакансию могут прийти сотни заявок, на нишевую региональную заметно меньше.
Еще одна оговорка касается самого слова junior. По данным hh.ru, около 13% IT-вакансий за прошлый год были доступны начинающим специалистам, почти 65 тысяч предложений. Но туда входят не только программисты. Среди доступных новичкам направлений много техподдержки, тестирования, системного администрирования, управления проектами и информационной безопасности. Ситуация именно у junior-разработчиков жестче, чем может показаться по общей цифре.
Деньги тоже показывают расслоение. Текущий калькулятор Хабр Карьеры дает для junior-специалистов IT ориентир около 95 тысяч рублей в месяц, для стажеров около 66-67 тысяч, тогда как медиана по рынку IT находится примерно вдвое выше. В реальных объявлениях разброс огромный. Можно встретить 40-60 тысяч за junior frontend, 70-110 тысяч за Python, 70-120 тысяч за Java и предложения выше 100 тысяч для более редких стеков.
Интереснее зарплаты выглядят требования. В объявлениях с пометкой Junior работодатели перечисляют Spring, PostgreSQL, Kafka, Git, JUnit, Docker, Kubernetes, CI/CD, REST API, Linux. Для Python встречаются Django или FastAPI, ORM, несколько типов баз данных, Docker и тестирование. Формально позиция стартовая, практически компания уже хочет человека, которого можно довольно быстро подключить к настоящему проекту.
Получается странный рынок. Junior все еще существует, но «неопытный разработчик» и «человек, которого всему научат на работе» перестали быть синонимами.
ИИ съедает не профессию, а нижние ступеньки лестницы
Главная ошибка в дискуссии про ИИ и разработчиков состоит в смешивании задачи и профессии. Модель умеет заменить отдельную работу, но из этого не следует автоматическая замена должности целиком.
Современные агенты особенно хорошо чувствуют себя там, где задача легко описывается и результат легко проверить. Создать компонент интерфейса. Добавить endpoint. Написать миграцию. Сгенерировать тесты. Перевести код на другую библиотеку. Найти использование функции по репозиторию. Исправить типовую ошибку. Подготовить документацию.
Именно такие задачи десятилетиями служили учебным полигоном для начинающих разработчиков.
Данные Anthropic хорошо показывают масштаб сдвига. В исследовании примерно 400 тысяч реальных сессий Claude Code пользователь в среднем принимал около 70% решений уровня «что сделать», а агент около 80% решений уровня «как сделать». Более половины сессий уже приходилось непосредственно на написание, исправление и тестирование кода. При этом специалисты с лучшим пониманием предметной области получали от агента больше полезной работы за один запрос и чаще доводили задачу до проверяемого результата.
Для рынка труда последняя деталь критична. ИИ не выравнивает всех программистов до одного уровня. Хороший инженер обычно получает более мощный инструмент, потому что лучше формулирует ограничения, видит неверное решение и понимает, что нужно проверить.
Поэтому сравнивать «junior против Claude» не совсем правильно. Компания сравнивает junior с ИИ против middle или senior с тем же ИИ. Во второй паре агент получает более качественное управление.
Но и тезис «ИИ всегда повышает производительность разработчика» не выдерживает проверки. Результаты исследований сильно зависят от типа работы.
В трех рандомизированных полевых экспериментах Microsoft, Accenture и еще одной компании доступ к кодовому ИИ-помощнику увеличил число выполненных задач у 4867 разработчиков примерно на 26%. Более молодые и менее опытные специалисты получали больший эффект. Отдельный квазиэксперимент с CodeFuse в Ant Group также обнаружил сильный рост выпуска кода.
А затем METR посадила опытных open-source разработчиков за хорошо знакомые им крупные проекты. С инструментами уровня начала прошлого года участники оказались примерно на 19% медленнее. Разработчики при этом были уверены, что ИИ ускорил работу. Более поздний эксперимент METR уже дал признаки ускорения на новых моделях, но исследователи признали выборку слишком смещенной для надежной оценки эффекта.
Противоречия здесь нет. Сгенерировать типовой код в новом небольшом проекте и изменить зрелую систему с десятилетием скрытых ограничений не одна и та же задача. Чем дороже ошибка и чем больше контекста находится не в исходниках, а в головах команды, тем меньше ценность простого умения быстро производить строки кода.
Есть ли уже доказательство, что ИИ отнимает работу у молодых
Самый сильный аргумент появился в американской статистике занятости. Stanford Digital Economy Lab изучила payroll-данные ADP по миллионам работников. У сотрудников 22-25 лет в профессиях с высокой экспозицией к генеративному ИИ занятость оказалась примерно на 19% ниже траектории, которую группа получила бы при динамике менее затронутых профессий. У более опытных работников сопоставимого разрыва исследователи не обнаружили.
Еще интереснее механизм. Разница возникла прежде всего из-за более слабого найма молодых сотрудников, а не из-за волны увольнений уже работающих. Такая картина очень хорошо соответствует сценарию тихой автоматизации. Компания никого демонстративно не заменяет нейросетью. Компания просто не открывает следующую junior-позицию.
Но превращать 19% в доказательство массовой замены людей ИИ нельзя. Авторы Stanford сами называют результаты ранними описательными индикаторами, а не причинной оценкой. В данных присутствуют тенденции, начавшиеся еще до генеративного ИИ, результат слабее в некоторых альтернативных государственных выборках, а контроль по образованию уменьшает часть эффекта.
Другие исследователи получают более осторожную картину. Budget Lab Йельского университета пока не видит статистически убедительного общего следа ИИ в занятости и зарплатах после сравнения похожих профессий с разной экспозицией. Исследователи Anthropic тоже не нашли систематического роста безработицы в наиболее затронутых профессиях, хотя увидели сигнал замедления найма работников 22-25 лет.
Поэтому формулировка «ИИ уже уничтожил пятую часть рабочих мест для молодежи» неверна. Корректнее сказать, что несколько независимых наборов данных показывают проблемы со входом молодых специалистов в профессии, где ИИ способен автоматизировать много задач, но отделить влияние ИИ от общего охлаждения рынка пока трудно.
Есть еще один любопытный сигнал. Indeed обнаружила восстановление американских вакансий разработчиков после многолетнего спада, однако большая часть прироста пришлась на senior-роли, а заметную долю дали вакансии с ИИ в названии. В отдельном анализе почти 70% объявлений software development относились к senior-уровню и лишь несколько процентов к entry-level. HackerRank получает похожую картину на собственных данных найма, активность по senior и lead растет быстрее, чем по junior и entry-level.
Похоже, ИИ пока не уничтожает разработку. ИИ меняет состав команды.
Почему работодателю все равно нужны джуниоры
У стратегии «оставим senior и дадим ему пять агентов» есть неприятная проблема. Senior-разработчики не появляются из воздуха.
Каждый сильный инженер когда-то правил простые баги, писал неидеальные тесты, получал замечания на code review и постепенно набирал контекст. Если компании автоматизируют весь слой учебной работы и перестанут инвестировать в начинающих специалистов, через несколько лет рынок может получить дефицит людей, способных проверять уже созданные агентами системы.
Инженерные руководители такую угрозу видят. В опросе LeadDev 84% руководителей ожидали отрицательного влияния ИИ на развитие junior-разработчиков, 62% называли судьбу начинающих инженеров одной из главных проблем внедрения кодовых агентов. HackerRank одновременно фиксирует довольно парадоксальную ситуацию. Работу сложно найти почти трем четвертям опрошенных разработчиков, но большинство технических руководителей тоже жалуются, что трудно найти подходящих кандидатов.
Еще тревожнее разрыв между ощущением навыка и реальным пониманием кода. В опросе BairesDev 85% junior-разработчиков говорили, что ИИ помог им лучше понимать программирование. Среди senior-разработчиков, которые работают рядом с новичками, лишь 16% считали, что джуниоры полностью понимают сгенерированный код, который отправляют в работу. Исследование коммерческой компании нельзя принимать за универсальную статистику отрасли, но проблема легко узнаваема любым человеком, который проверял большой ИИ-сгенерированный pull request.
Получается новый риск. Раньше слабый junior писал слабый код медленно, поэтому senior успевал его увидеть. Теперь слабый junior способен произвести слабого кода очень много.
Поэтому будущий начинающий разработчик нужен не как дешевый генератор функций. Нужен человек, который умеет пользоваться моделью и одновременно способен поймать ее на ошибке.
- Писать код без агента. Не потому, что компании запретят ИИ, а потому, что без фундаментальных знаний невозможно понять, когда модель ошиблась.
- Читать чужой код. Работа все чаще начинается не с пустого файла, а с большого репозитория, логов, diff и чужих решений.
- Отлаживать систему. Стек вызовов, SQL, HTTP, права доступа, состояние приложения и сетевые ошибки ценнее скорости набора синтаксиса.
- Проверять результат модели. Тест должен доказывать нужное свойство программы, а не просто становиться зеленым после пятой попытки агента.
- Понимать Git, базы, контейнеры и CI/CD. Современная стартовая вакансия все реже ограничивается одним языком программирования.
- Уметь ставить задачу. Чем больше кода пишет агент, тем выше цена ошибочного требования.
- Знать основы безопасности. Модель спокойно сгенерирует SQL-инъекцию, ошибку авторизации или утечку секрета, если разработчик не задаст ограничения и не проведет проверку.
Я бы поэтому не советовал новичку соревноваться с моделью в количестве написанных строк. Такое соревнование уже бессмысленно. Намного полезнее взять небольшой сервис и показать весь цикл работы. Постановка задачи, архитектурное решение, код с помощью агента, тесты, Docker, CI, анализ зависимостей, проверка безопасности, разбор ошибок модели и объяснение каждого спорного решения.
Такое портфолио говорит работодателю гораздо больше, чем еще один калькулятор погоды, полностью собранный по промпту.
Мой прогноз довольно жесткий. Junior-разработчики не исчезнут, но работодатели будут нанимать их меньше и требовать от них больше. Исчезает промежуточная профессия «человек, которому дают четко сформулированные простые задачи и платят за их перевод в код». Кодовый агент слишком хорошо попал именно в такую экономическую нишу.
Первым рынок выкинет не джуниора. Первым рынок выкинет разработчика, чья единственная ценность совпадает с тем, что модель уже умеет делать сама.
Заменит ли ИИ junior-разработчиков?
Полная замена пока не подтверждается данными. Гораздо реалистичнее сокращение числа стартовых позиций и исчезновение части простых задач, на которых раньше обучались начинающие разработчики.
Почему junior-разработчику стало сложнее найти работу?
Одновременно сократилось число вакансий, выросло количество кандидатов и повысились требования работодателей. ИИ усиливает тенденцию, потому что часть типовой разработки теперь может выполнять существующая команда с кодовыми агентами.
Какая сейчас зарплата у junior в IT?
По данным текущего калькулятора Хабр Карьеры, ориентир для junior IT находится около 95 тысяч рублей в месяц. Конкретные вакансии разработчиков дают значительно более широкий диапазон в зависимости от стека, города и требований.
Какие задачи ИИ забирает у junior-разработчиков первыми?
Проще всего автоматизируются хорошо описанные и легко проверяемые задачи. Типовая верстка, CRUD, тесты, документация, небольшие исправления, миграции и простые интеграции уже хорошо подходят кодовым агентам.
Стоит ли сейчас идти учиться на программиста?
Да, если обучение строится вокруг инженерного мышления, отладки, архитектуры, данных, безопасности и работы с ИИ. Учить только синтаксис языка ради выполнения шаблонных задач становится все менее выгодной стратегией.
