Привет, Хабр! В этот раз разбираемся, как нагнетается тема кризиса карьерных треков и что нам всем с этим делать: кому придется переучиваться, что делать новичкам и стоит ли всем срочно записываться в электрики.

ИИ пришел и срезал простые задачи. Именно с них раньше начинали разработчики, редакторы, переводчики, аналитики, тестировщики. Это и есть первый этаж профессии: скучный, недорогой, но крайне необходимый. Все мы через него проходили: учились, ошибались, набирались опыта и поднимались выше.

Последнее время все чаще звучит призыв: времени на раскачку нет, уходите туда, где ИИ не достанет, — в электрики, сварщики, монтажники, сантехники. Звучит убедительно, особенно из уст западных технотопов на фоне грандиозных строек дата-центров. Но на деле все не так прямолинейно. Может, не стоит сломя голову записываться в автомеханики или уезжать в Латинскую Америку мастерить детскую мебель из дров? Лучше остановиться и попытаться понять, какие навыки рынку нужны на самом деле. Айтишникам стоит не убегать из профессии, а погружаться в нее глубже. Попробую обосновать — цифрами и фактами.

Информационное поле гудит: если автоматизация съедает офисные задачи — спасайся в «физике». Вырисовывается соблазнительный план: закрыть последний pull request, на выходное пособие прикупить сварочный аппарат и шагнуть в мир, где чат-бот точно не достанет.

Звучит убедительно, даже слишком. Глава Nvidia Дженсен Хуанг на выпускной церемонии Carnegie Mellon в 2026 году сказал, что для электриков, сантехников, монтажников, техников и строителей «настало их время».

«Сейчас ваше время. Искусственный интеллект не просто создает новую индустрию вычислительной техники. Он создает новую индустриальную эру».

Логика железная: ИИ рождает спрос не только на модели и чипы, но и на физическую инфраструктуру: дата-центры, электросети, стойки, охлаждение, кабели. И на руки, которые это все строят.

Meta* (запрещена в РФ) проголосовала за эту логику долларом. 9 июня 2026 года компания анонсировала America’s Workforce Academy — программу подготовки рабочих кадров с бюджетом 115 млн долларов. В списке — оптоволоконщики, сварщики, сантехники, электрики. Обещают бесплатное обучение, стипендию и трудоустройство. Все как когда-то с айтишниками, правда?

Если смотреть сверху, картина выглядит стройной. ИИ живет среди серверных стоек, пожирает электричество, требует охлаждения. Растут вычисления — растет и спрос на тех, кто эту инфраструктуру создает и поддерживает.

Рабочие профессии, бесспорно, нужны. Беда в другом: этот совет подается как универсальная пилюля. А универсального выхода из современного ИИ-мира нет.

Массовые стратегии — «все в сварщики» или «все в промпт-инженеры» — всегда лукавят. У каждого свой багаж, свой опыт и свои ожидания. Для одного рабочая профессия — спасение, для другого — тупик. Главный вопрос не «куда бежать?», а «где моя зона роста?».

Сейчас кажется, что все рассыпается на глазах — особенно фундамент профессий. А где проблемы с фундаментом — там и все здание может обвалиться в любой момент.

Oxford Internet Institute проанализировал онлайн-платформы и зафиксировал падение спроса на задачи, которые генеративный ИИ частично заменяет. Письменный перевод и копирайтинг просели на 20–50% относительно ожидаемой траектории. Сильнее всего пострадали задания, которые легко превратить в промпт и быстро проверить. 

Также просели короткие по срокам задачи — особенно занимающие от пары дней до пары недель.

Но и новые ниши не заставили себя ждать: спрос на машинное обучение вырос на 24%, а разработка ИИ-чат-ботов почти утроилась. Однако главное не это. Рынок поднял планку входа и сместил спрос в сторону узкой экспертизы.

Нет, «текстовые» профессии не исчезли. Хороший редактор, переводчик, аналитик, технический писатель по-прежнему нужны. Вот только заказчик больше не понимает, за что платить на нижнем уровне: черновик, план или перевод у него уже есть — ИИ набросал, пусть и с ошибками.

Новичок оказывается в странном положении

Раньше джуниор брал простые задачи — и через них входил в профессию. Теперь простые задачи решает машина, а от новичка требуют умения эту машину проверять. Но чтобы проверять — надо знать, как должно быть. А откуда этому знанию взяться, если простых задач больше нет? Стэнфордский анализ рынка подтверждает: в профессиях, чувствительных к автоматизации (разработка, поддержка, маркетинг), занятость молодежи 22–25 лет упала на 16%. 

А вот сотрудники 30+ в тех же сферах показали рост на 6–12%. Исследователи не называют ИИ единственной причиной, но признают: данные согласуются с гипотезой об ударе именно по начальным позициям.

Технотопы твердят: рынок меняется, переучивайтесь. И толкают в сторону ручного труда — там, где ИИ бессилен.

Действительно, электрик не конкурирует с генератором текста, а сварщика не заменит красивый промпт. Техник дата-центра нужен всегда — приехать, протянуть кабель, проверить оборудование. Физическая ошибка стоит дорого: сроки, безопасность, репутация, деньги.

Западные корпорации и медиа любят простые ответы — они лучше продаются. Страх и тревога отлично разгоняют внимание. Человеку проще поверить в четкую инструкцию («бросай все, иди в монтажники»), чем вникать в сложные экономические процессы. Но реальность сложнее: рушится не список вакансий — рушится фундамент профессий. А его ремонт требует куда более тонкого подхода.

Раньше существовал пласт простых и недорогих задач: скучных, срочных, с кривым ТЗ. Но именно они давали новичкам вход в профессию. На таких задачах учились ошибаться, собирать портфолио, находить первых клиентов — и подниматься на следующий уровень.

Теперь эти задачи решаются не через биржи фриланса и не через стажеров, а через ChatGPT, Claude, Copilot. Клиент просит: «сократи», «перепиши», «переведи», «составь план». Человек подключается позже — когда результат надо проверить и подправить. Но как научиться проверять, если ни разу не делал сам?

ИИ-инструменты часто продаются как кнопка ускорения. Нажал — получил код. Попросил — получил тесты. Описал проблему — получил исправление. Но в реальности все сложнее. METR провела рандомизированное исследование с опытными open-source-разработчиками. Они работали в знакомых проектах: часть задач разрешали делать с ИИ, часть — без. В режиме с ИИ использовали Cursor Pro и Claude 3.5/3.7 Sonnet.

До эксперимента разработчики ожидали ускорения на 24%. После завершения им казалось, что ИИ ускорил работу примерно на 20%. Фактические замеры показали обратное: задачи с ИИ заняли на 19% больше времени. 

Все из-за накладных расходов: написать промпт, дождаться генерации, проверить, исправить, подогнать под проект, разобраться с неверными решениями. В зрелом коде эти циклы съедают больше времени, чем экономит автогенерация.

Где ИИ реально эффективен — так это на простых, повторяемых задачах. Черновой код, типовые тесты, шаблонные правки, документация без глубины. И опаснее всего в этой ситуации оставаться человеком, который выполняет базовый минимум.

Нехватка кадров в ИИ-инфраструктуре — это в основном американский тренд, просто очень громкий и дорогой. Axios связывает программу Meta* (запрещена в РФ) с дефицитом квалификации и напоминает о критике дата-центров: они получают налоговые льготы, давят на инфраструктуру, но после стройки постоянных рабочих мест дают куда меньше, чем обещали. Обслуживание дата-центра требует заметно меньше людей, чем строительство.

Business Insider пишет о том же: на этапе строительства людей много, после запуска — уже не очень. В отчетах Meta* (запрещена в РФ) фигурирует оценка дефицита в строительстве США — 349 тыс. человек. Но это дефицит строительный, а не эксплуатационный. Разница принципиальная: стройка заканчивается — и большая часть рабочих мест исчезает.

Сейчас бизнесу нужны люди, которые построят и подключат инфраструктуру для ИИ. А что будет с ними через пять лет, когда дата-центры уже работают, а электрокары и тепловые насосы подключены? Если спрос на их труд упадет, они окажутся в той же ловушке, что и айтишники, — только переучиваться в цифровые профессии будет куда сложнее.

ИИ стал одной из ключевых технологий большой перестройки экономики, которую нельзя свести к чат-боту для писем. Он меняет цену знаний, скорость создания контента, найм, инвестиции, обучение и рынок труда.

Экономисты давно описывают крупные технологические переломы через длинные циклы и смену технологических укладов. Теория Волн Кондратьева, о которой мы недавно писали, помогает увидеть как новые технологии перестраивают наш мир.

Всемирный экономический форум в докладе Future of Jobs Report 2025 оценивает сдвиг к 2030 году так: 170 млн рабочих мест могут появиться, 92 млн — исчезнуть. Чистый прирост — 78 млн. При этом 39% текущих навыков устареют или изменятся. 59 из 100 работников потребуют переподготовки, а 11 из них — с большой вероятностью ее не получат. 40% работодателей уже планируют сокращения там, где ИИ может автоматизировать задачи.

Для человека в низкооплачиваемом нетехнологическом секторе переход в рабочую профессию — логичный и правильный шаг. Но квалифицированный ИТ-специалист способен на большее.

В рекламных роликах ИИ дает сверхспособности всем. В реальности, чтобы пользоваться инструментом эффективно, нужно уже быть сильным в своей области.

Опытный разработчик видит плохой код и ловит ошибки в ответе ИИ. Опытный редактор чувствует пустой текст и вычисляет галлюцинации. Опытный аналитик понимает, где данные не сходятся.

Microsoft в Work Trend Index 2025 описывает переход к компаниям, где люди и ИИ-агенты работают в связке. Человек ставит задачу, управляет цифровыми помощниками, проверяет и дорабатывает результат.

Если вы решили, что пора бросить ноутбук и взяться за сварочный аппарат, — возможно, вы торопитесь. Как массовая стратегия это решение выглядит странно: специалист с опытом обнуляет накопленную экспертизу и входит в рынок с физическим трудом, другими рисками и другим порогом входа. Гораздо разумнее не убегать из профессии, а разобраться: какие ее части ИИ уже съедает, а какие, наоборот, делает дороже и востребованнее.

Если вы разбираетесь в архитектуре, читали Танненбаума, погружены в продукт и его ограничения — не все потеряно. Microsoft описывает именно такой сценарий: компании движутся к модели human-agent teams, где человек управляет ИИ и проверяет его работу.

Чем больше кода пишет машина, тем нужнее человек, который понимает, что именно написано и почему это может сломаться. 

Поэтому айтишнику стоит двигаться не из цифровой экономики, а вглубь своей роли

Рынок уже показывает, почему это важно. Stanford Digital Economy Lab зафиксировал: у молодых специалистов 22–25 лет в профессиях, наиболее уязвимых для автоматизации, занятость снизилась на 16%. Тогда как более опытные сотрудники в тех же направлениях держались лучше или продолжали расти.

Всемирный экономический форум в Future of Jobs Report 2025 тоже не призывает всех уходить в ремесло. В списке самых быстрорастущих навыков — AI и big data, рядом с ними сети и кибербезопасность. А среди ключевых навыков WEF называет творческое мышление, гибкость, устойчивость, любопытство и готовность учиться всю жизнь. То есть рынок ждет не капитуляции перед ИИ, а умения работать вместе с ним и брать на себя то, что машина не закрывает.

Уходить в рабочие специальности имеет смысл, если человеку действительно нужен другой тип жизни и труда: физическая работа, понятный результат, меньше экранного времени, другой режим дня. Но это личная стратегия, а не универсальный рецепт. Для большинства айтишников лучшее решение — не выбрасывать годами наработанный капитал, а наращивать его там, где ИИ делает сложную работу еще более ответственной и востребованной.

В словах западных технотопов есть доля правды: рабочие профессии в эпоху ИИ получают новый спрос.  Метафора с первым этажом помогает увидеть главное: профессия — это экосистема. Новички получают опыт, старшие его передают, рынок платит за решение проблем, а не за владение инструментом. ИИ разрушает нижний уровень этой экосистемы. И если его не восстановить — через стажировки, менторство, понятные треки и задачи с ограниченной ответственностью, — мы рискуем получить рынок, где будут только суперэксперты и те, кто так и не смог войти в профессию.

Правило Алисы снова в силе: чтобы остаться на месте, надо бежать. Чтобы двигаться вперед, придется бежать быстрее — и искать новые маршруты. Не стоит соглашаться на простые советы от тех, кто перестраивает экономику под свои дата-центры.