Рынок разработки не умер.

Но старая лестница входа в профессию реально трещит.

Ещё несколько лет назад путь начинающего специалиста выглядел относительно понятно:

университет / курс
→ стажировка
→ junior-позиция
→ простые задачи
→ баги, правки, CRUD, верстка, поддержка
→ опыт
→ middle

Компания брала человека с потенциалом, давала ему простые задачи, он ошибался, получал ревью, рос на реальном коде и постепенно становился инженером.

Теперь этот механизм ломается.

Не потому что разработчики больше не нужны.
А потому что простые задачи, на которых раньше учились джуниоры, всё чаще автоматизируются.

ИИ не уничтожил рынок разработки.
Он уничтожает старую тренировочную площадку, через которую люди входили в профессию.

Рынок не умер. Он стал менее добрым к входу без доказанной ценности

В России это уже видно по структуре вакансий.

По данным hh.ru, один из ключевых трендов найма 2026 года — поляризация рынка: джунов нужно меньше, сеньоров не хватает. В материале hh.ru приводится жёсткий контраст: около 19 резюме на одну junior-позицию против примерно 2,5 резюме на senior-позицию. То есть конкуренция внизу резко выше, а опытные специалисты по-прежнему в дефиците. (hh.ru)

Данные по вакансиям без опыта тоже показывают сжатие входа. «Эксперт» пишет, что в январе 2026 года доля вакансий для специалистов без опыта в IT составляла всего 10–11%, тогда как по рынку труда в целом — 37–38%. Почти половина IT-вакансий для новичков относится к техподдержке и смежным ролям, а на junior-программистов приходится лишь 1 из 7 вакансий для начинающих. (https://expert.ru)

Это важный сигнал.

Не “разработка умерла”.
А вход в разработку стал дороже, сложнее и требовательнее.

Рынок всё меньше платит за потенциал.
Он всё чаще платит за доказанную способность решать реальные задачи.

ИИ усиливает опытных и давит на входной уровень

Мировые данные показывают похожую картину.

Stanford Digital Economy Lab в исследовании Canaries in the Coal Mine? фиксирует снижение занятости ранних специалистов в профессиях, наиболее подверженных влиянию AI, включая software development и customer support. В обновлённой версии исследования авторы пишут о заметном падении занятости среди работников 22–25 лет в AI-exposed профессиях, при том что занятость более опытных работников в тех же областях оставалась стабильной или росла. (Stanford Digital Economy Lab)

Dallas Fed формулирует это ещё прямее: работники 22–25 лет в наиболее AI-exposed профессиях испытали примерно 13% decline in employment с 2022 года, тогда как занятость менее затронутых или более опытных работников была стабильной или росла. (dallasfed.org)

При этом Dallas Fed отдельно подчёркивает важный механизм: AI может замещать entry-level workers, но дополнять опытных специалистов, особенно там, где ценится не только формализуемое знание, но и опыт, контекст и tacit knowledge. (dallasfed.org)

Вот в этом и суть.

ИИ не одинаково влияет на всех.

Там, где человек просто выполняет типовую задачу, он начинает конкурировать с автоматизацией.

Там, где человек понимает систему, контекст, ограничения, риски и результат, ИИ становится усилителем.

Разработка продолжит расти. Но требования выросли

Важно не скатиться в истерику.

Спрос на сильных инженеров не исчезает.

Бюро статистики труда США прогнозирует рост занятости software developers, quality assurance analysts and testers на 15% с 2024 по 2034 год, что намного быстрее среднего по экономике. Ежегодно ожидается около 129 200 openings в этой группе профессий. (Bureau of Labor Statistics)

То есть тезис “разработчики больше не нужны” неверен.

Нужны.

Но другие.

Нужны люди, которые умеют:

• понимать бизнес-контекст;
• проектировать систему;
• работать с данными;
• держать архитектуру;
• проверять результат ИИ;
• интегрироваться с внешними системами;
• отвечать за последствия;
• доводить решение до продакшена;
• объяснять ценность заказчику.

Рынок не говорит: “нам больше не нужны инженеры”.

Он говорит:

нам больше не нужны люди, которые умеют только выполнять простые задачи без понимания системы.

Что именно сломалось

Раньше простые задачи были учебной площадкой.

Джуниор учился на:

• мелких багфиксах;
• простых формах;
• CRUD-интерфейсах;
• верстке;
• документации;
• типовых интеграциях;
• ручном тестировании;
• простых SQL-запросах;
• небольших скриптах;
• рутинной поддержке.

Эти задачи были не только полезны компании.

Они были ступеньками.

На них человек набивал руку, учился читать код, понимать архитектуру, проходить ревью, ошибаться, исправляться и постепенно становиться инженером.

Теперь значительную часть этой рутины может сделать AI.

Быстрее.
Дешевле.
Без онбординга.
Без зарплаты.
Без долгого обучения.

И вот здесь появляется трагический разрыв.

Если простые задачи забрала автоматизация, где новичку учиться?

Проблема не только в IT

Сейчас это особенно видно в разработке, потому что IT быстрее всех сталкивается с AI-инструментами.

Но логика шире.

В России уже резко растёт число вакансий, где требуются навыки работы с ИИ. В первом квартале 2026 года работодатели разместили более 16,5 тыс. вакансий с такими требованиями — в 2,7 раза больше, чем годом ранее. И это касается не только программистов: AI-навыки требуют у клиентских менеджеров, маркетологов, аналитиков, дизайнеров, продуктовых менеджеров и специалистов колл-центров. (rb.ru)

Это значит, что похожий сдвиг придёт и в другие интеллектуальные профессии.

Контент.
Дизайн.
Аналитика.
Маркетинг.
Клиентский сервис.
Консалтинг.
Образование.

Везде, где раньше новичок входил через простую рутину, ИИ будет эту рутину сжимать.

Новая формула входа в профессию

Старая формула:

покажи потенциал → получи простую задачу → вырасти в процессе

Новая формула:

докажи способность → получи доступ к сложной среде → расти через реальные задачи

И это принципиальный сдвиг.

Теперь недостаточно сказать:

“Я хочу в IT.”

Нужно показать:

• как ты думаешь;
• как разбираешься в задаче;
• как работаешь с неопределённостью;
• как принимаешь обратную связь;
• как проверяешь результат;
• как используешь AI;
• как отвечаешь за то, что AI сгенерировал;
• как доводишь работу до результата.

Новая валюта рынка — не сертификат.

Новая валюта рынка — доказательство действия.

Почему курсов и LMS уже недостаточно

Классическая образовательная модель часто выглядит так:

урок → тест → сертификат

Но рынок больше не верит в сертификат как в доказательство готовности.

Потому что сертификат не отвечает на главные вопросы:

• умеет ли человек держать сложность;
• способен ли он работать в команде;
• понимает ли он бизнес-задачу;
• может ли он принять ревью;
• способен ли он исправить ошибку;
• умеет ли он работать с AI без магического мышления;
• может ли он довести решение до работающего состояния.

Поэтому обучение должно становиться ближе к боевой среде.

Не просто курс.
А испытание.
Не просто тест.
А реальная задача.
Не просто сертификат.
А портфолио действий.
Не просто “я прошёл обучение”.
А “вот что я сделал, вот как меня проверили, вот какой результат получился”.

McKinsey в материале о ранних карьерных ролях в agentic organization пишет похожую вещь: entry-level роли нужно проектировать не как “то, что осталось после автоматизации”, а как осознанные developmental task combinations — через раннее включение в реальные проблемы, structured rotations, парную работу junior/senior и участие в постановке вопросов, проверке outputs и интерпретации результатов. (McKinsey & Company)

Это ровно та логика, к которой рынок приходит вынужденно.

Два режима обучения: без AI и с AI

ИИ нельзя просто запретить.

Это глупо.

Но ещё глупее — дать новичку AI и думать, что он автоматически станет инженером.

Нужны два режима.

Режим 1. Тренировка без AI

Здесь человек тренирует инженерные мышцы:

• алгоритмы;
• структуру данных;
• архитектурное мышление;
• причинно-следственные связи;
• отладку;
• чтение кода;
• проектирование;
• понимание ограничений.

Это как спортзал.

Экзоскелет может помочь в работе, но мышцы всё равно нужно тренировать.

Режим 2. Производство с AI

Здесь человек учится использовать AI как инструмент:

• ставить задачу;
• задавать рамки;
• проверять результат;
• находить ошибки;
• управлять контекстом;
• тестировать поведение;
• не прятаться за модель;
• отвечать за финальное решение.

Главное правило:

ИИ может ускорить работу, но он не должен заменить мышление.

Как мы ответили на это в Metabot

В Metabot мы давно были сторонниками сильной инженерной школы.

Мы работаем не с игрушечными задачами.

Metabot — это не просто “накликать бота”.

Это среда, где есть:

• сценарии;
• код;
• интеграции;
• данные;
• состояния;
• события;
• AI-компоненты;
• операторы;
• клиенты;
• ошибки;
• бизнес-контекст;
• аналитика;
• реальные последствия.

То есть весь тот “грязный” контекст, которого не хватает учебным задачам.

Именно поэтому мы начали перестраивать вход в нашу экосистему.

Мы не делаем обычную партнёрскую программу в стиле:

заполни форму → получи презентацию → продавай → получи процент

Мы строим испытательную траекторию.

Потому что нам нужны не случайные лиды, а люди, способные думать, доводить и работать со сложностью.

Metabot + Orion + Eventzilla: испытательная среда вместо обычной партнёрки

Наша связка выглядит так:

Metabot — среда проектирования живых систем
Orion — навигация по траектории
Eventzilla — испытания, сдача работ и доказательства
Metarex — ревью, обратная связь и реальные задачи

Metabot даёт технологическую среду.

Orion ведёт человека по траектории: миссии, задания, этапы, переходы, достижения.

Eventzilla фиксирует испытания: регистрацию, сдачу работы, дедлайны, оценки, доказательства участия.

Это антипаттерн классической партнёрской программы.

Мы не набираем всех подряд.
Мы не обещаем лёгкий вход.
Мы не делаем вид, что сложную систему можно понять за один созвон.

Мы говорим:

докажи, что ты способен работать со сложностью — и тогда мы будем двигаться дальше.

Почему Eventzilla здесь важна

Eventzilla решает ключевую проблему новой эпохи:

если у человека нет опыта, ему нужно помочь создать доказательство опыта.

Не просто “я хочу работать”.
А “вот моя работа”.

Не просто “я прошёл курс”.
А “вот испытание, которое я прошёл”.

Не просто “я умею пользоваться AI”.
А “вот задача, где я показал, что могу управлять AI и отвечать за результат”.

Ивенты, батлы, соревнования, испытания, челленджи — это не развлечение.

Это механизм создания портфолио.

Через Eventzilla можно проводить:

• инженерные испытания;
• AI-челленджи;
• дизайн-батлы;
• кодовые соревнования;
• конкурсы проектов;
• профессиональные премии;
• студенческие траектории;
• командные задачи;
• партнёрские отборы;
• публичные демонстрации результата.

Для студентов и начинающих специалистов это особенно важно.

Если рынок больше не даёт простую работу как тренировку, значит, нужно создавать новые тренировочные и доказательные среды.

Университет должен стать предпродакшен-средой

Здесь появляется большой вызов для университетов.

Раньше университет мог дать базу, а рынок доучивал.

Теперь рынок всё меньше хочет доучивать с нуля.

Значит, университетам нужно приближаться к реальной производственной среде.

Студент должен выходить не просто с дипломом.

Он должен выходить с:

• портфолио;
• опытом командной работы;
• опытом общения с заказчиком;
• опытом постановки задачи;
• опытом ревью;
• опытом доработки;
• опытом публичной защиты;
• опытом работы с AI;
• пониманием бизнес-ценности;
• привычкой отвечать за результат.

Не обязательно каждый выпускник должен быть middle по зарплате.

Но он должен иметь middle-поведенческие компетенции:

• взять задачу;
• уточнить контекст;
• спроектировать решение;
• работать в команде;
• принять критику;
• исправить ошибку;
• довести до результата;
• объяснить ценность.

Вот это и есть новая образовательная рамка.

Что мы можем предложить учебным заведениям

Мы видим Metabot как возможную учебно-производственную среду.

Не вместо университета.

А как слой, где студенты могут решать реальные задачи:

• проектировать сценарии;
• писать код;
• собирать интеграции;
• работать с AI;
• запускать коммуникационные системы;
• проводить мероприятия;
• строить customer journey;
• подключать бизнес;
• получать ревью;
• формировать портфолио.

Eventzilla может стать контуром испытаний и публичных работ.

Orion — навигацией по образовательной траектории.

Metabot — средой, где всё это исполняется.

Так можно соединить:

студентов
+ преподавателей
+ бизнес-заказчиков
+ инженеров
+ продажников
+ AI-инструменты
+ реальные задачи

И тогда обучение перестаёт быть симуляцией.

Оно становится предпродакшен-средой.

Главный вывод

ИИ не убил разработчиков.

Он сломал старую лестницу входа в профессию.

Простые задачи, на которых раньше учились новички, теперь всё чаще автоматизируются.

Значит, нам нужны новые лестницы.

Не мягче.
А честнее.

Не “посмотри курс и получи сертификат”.
А “пройди испытание, получи ревью, сделай работу, докажи результат”.

Будущее не за теми, кто просто знает синтаксис.

Будущее за теми, кто умеет:

• думать системно;
• работать с AI;
• понимать контекст;
• строить архитектуру;
• доводить до результата;
• создавать доказательства своей ценности.

Именно такую среду мы начинаем строить вокруг Metabot, Orion и Eventzilla.

Потому что новая эпоха требует не просто джуниоров.

Она требует людей, которые способны стать операторами сложных цифровых систем.

Источники

1. hh.ru — тренды найма 2026: поляризация рынка, джуны/сеньоры. (hh.ru)
2. «Эксперт» — доля вакансий без опыта в IT и структура junior-входа. (https://expert.ru)
3. RB.ru / hh.ru / PR DEV — рост вакансий с требованиями AI-навыков. (rb.ru)
4. CNews — распределение AI-требований по профессиям. (CNews.ru)
5. Stanford Digital Economy Lab — Canaries in the Coal Mine? (Stanford Digital Economy Lab)
6. Dallas Fed — снижение занятости молодых работников в AI-exposed профессиях. (dallasfed.org)
7. Dallas Fed — AI как замещение entry-level и усиление опытных специалистов. (dallasfed.org)
8. U.S. BLS — прогноз роста software developers / QA / testers на 2024–2034. (Bureau of Labor Statistics)
9. McKinsey — переосмысление early-career talent в agentic organization. (McKinsey & Company)