Мир без джунов

В последние месяцы в компаниях всё чаще слышу один и тот же разговор: CEO приходит к функциональным лидерам с запросом на AI-savings, и первой целью сокращения почти автоматически становится нижний слой: джуны, стажёры, ассистенты, аналитики начального уровня. Сегодня их задачи проще всего автоматизировать, экономия и эффект в деньгах понятный, можно быстро показать и получить премии. По опросу IDC для Deel 2025 года, 66% крупных компаний уже планируют сокращать младший найм именно из-за AI, а 91% сообщают, что эти роли трансформируются или исчезают.

Цифры того, что уже "внедрено" в реальность, не менее выразительные. Ребята из Стенфорда на данных платёжной системы показали падение занятости 22–25-летних в наиболее AI-экспонированных профессиях на 13% относительно их старших коллег, у которых занятость наоборот выросла. Harvard на 62 миллионах профилей LinkedIn зафиксировал то же самое под названием «seniority-biased change» – сжатие младшего слоя именно у компаний, активно внедряющих AI.

Сложность появляется на горизонте нескольких лет.
Джуновская работа десятилетиями была входной точкой в профессию и тренажёром, через который человек вырастает. Стэнфорд даёт здесь важное объяснение. AI замещает codified knowledge – всё, что описывается правилами и повторяется. Tacit knowledge – чутьё, контекст, умение прочитать ситуацию – он не воспроизводит. Ровно кодифицируемые задачи исторически были тренажёром, через который молодняк превращался в мидлов: тысячи мелких контактов с продуктом, компанией и клиентом, чужие решения, которые видишь изнутри, скучная повторяющаяся работа, из которой складывается чутьё и неосознанная компетентность. Убирая у джунов этот слой задач, компания выключает сам механизм воспроизводства экспертизы внутри себя.

Последствия очень понятны: если меньше людей сегодня могут войти на рынок и продвинуться вверх, через пять–десять лет компании столкнутся с острой нехваткой опытных кадров. При этом 71% работодателей уже сообщают о растущей сложности с подготовкой будущих руководителей именно из-за исчезновения входных точек обучения. Как пример, когда-то компания EDS остановила свою программу подготовки системных инженеров, рассчитывая восстановить её за три месяца. Реальное восстановление заняло больше восемнадцати. Пайплайн всегда воссоздаётся дольше и дороже, чем кажется из точки, в которой его закрыли.

Есть и 2-й слой, про который мало говорят. Руководители среднего звена учатся управлять на людях, которыми они управляют. Если у будущего менеджера никогда не было команды из трёх джунов – ввести, поправить, где-то прикрыть, где-то дать провалиться, – у него не формируется управленческий мускул, который потом потребуется на уровне выше. AI-агенты этого мускула не тренируют. Компания может не замечать разрыва годами, до момента, когда ей нужен следующий уровень лидеров и обнаруживается, что их внутри нет.

Я понимаю экономическую логику, которая сейчас давит на руководителей. AI правда закрывает значимую часть джуновской нагрузки быстрее и дешевле. И есть развилка: можно сократить слой и получить эффект в P&L в ближайшем квартале. А можно переопределить, чему и как этот слой учится и какую ценность дает – ближе к данным, к эксперименту, к содержательной стороне работы, – и удержать механизм воспроизводства внутри функции. Второй путь требует реальной сложной работы и он не даст эффекта в квартале.

Первую цену этого выбора некоторые исследователи уже замеряют. По их данным, 55% работодателей признают, что жалеют о части AI-обоснованных увольнений – закладывались на возможности модели, которых пока нет. Половина сокращённых мест, по прогнозу на 2026 год, будет тихо перекрыта наймом снова, чаще офшорно и на других фин условиях. Но это уже постфактум. Настоящая цена – там, где через 5-10 лет мидлов и реальных топов будет просто негде взять, и внешний рынок предложит их за деньги, которые сделают экономию на джунах дыркой в будущем бюджете. Только оплачивать это будут уже другие СЕО и собственники. И кстати, откуда возьмутся эти новые СЕО это тоже отдельный большой вопрос.