ИИ заменяет ветеранов или джуниоров? Данные Stanford и стратегии выживания

Когда говорят о том, «какие рабочие места исчезнут первыми» с распространением ИИ, многие интуитивно считают, что больше всего рискуют опытные сотрудники на рутинной работе. Но данные последних лет показывают обратное.

Статья «Canaries in the Coal Mine?» Бриньолфссона и коллег из Digital Economy Lab Стэнфорда по данным о зарплатах миллионов работников от расчётной компании ADP показывает, что в профессиях, подверженных ИИ, застопорилась именно занятость 22–25-летних. После первой версии в августе 2025 года пересмотренная версия августа 2026 года с данными по июнь 2026 года сообщает, что разрыв стал ещё больше. Работа исследователей Гарварда, проанализировавших около 65 млн резюме (версия мая 2026 года), показывает, что в компаниях, внедривших генеративный ИИ, снизилась только занятость младших сотрудников, а исследование Anthropic (март 2026 года), сопоставившее данные об использовании Claude со статистикой занятости США, нашло признаки в том же направлении — в трудоустройстве молодых.

Эта статья по исследованиям и официальной статистике показывает, как влияние ИИ на занятость различается в зависимости от опыта — у молодых и у опытных работников, и сводит это к вопросам, по которым можно понять, на какой стороне ваша собственная работа. Какие профессии затронуты сильнее, разобрано в статье 15 профессий, сильнее всего затронутых ИИ; условия устойчивости работы — в статье Профессии, которые переживут эпоху ИИ; расхождение прогнозов для офисных профессий с реальными данными — в статье Уничтожит ли ИИ офисные профессии?; разница в результатах между теми, кто продолжает работать на одном месте, — в статье Как ИИ расширяет разрыв в способностях среди офисных работников?

1. Ответ: данные говорят «сначала молодые»

Никаких догадок — ниже цифры, сверенные с исходными страницами издателей.

Стоит обратить внимание на две вещи. Во-первых, снижается найм, а не растут увольнения. Статья Стэнфорда приходит к выводу, что эффект действует в основном через сокращение найма молодых, а не через рост увольнений. Прежде чем работающие потеряют места, сужается вход. Во-вторых, признаков массовой безработицы по экономике в целом нет. Самый первый вывод той же статьи — нет свидетельств широкого вытеснения по всей экономике, а общая занятость в выборке ADP выросла за период примерно на 6%. Эффект сосредоточен в узкой группе: молодые в профессиях, подверженных ИИ.

Прежнее представление «молодые защищены» больше не работает. Вместо него проступает структура, в которой легче всего ИИ автоматизирует «учебниковую» работу, традиционно поручаемую новичкам: типовой код, бухгалтерский учёт, первую линию обращений.

2. Что показывает официальная статистика: безработица выпускников в США и трудоустройство выпускников в Японии

Исследования из раздела 1 опираются на данные компаний о зарплатах и резюме. Проверим, указывает ли в ту же сторону государственная статистика. По США возьмём The Labor Market for Recent College Graduates, который Федеральный резервный банк Нью-Йорка ежеквартально публикует по данным обследования населения (CPS); для сравнения добавим обследование трудоустройства выпускников (на японском) министерств труда и образования Японии.

Безработица недавних выпускников за четыре года выросла на 1,2 пункта — с 4,0% до 5,2%. Это самый большой рост из четырёх групп. Бо́льшую часть 1990-х — 2010-х годов она была ниже, чем у всех работников, а с 2021 года остаётся выше. Среди работающих недавних выпускников 42,5% заняты на местах, где высшее образование обычно не требуется («уровень неполной занятости» по методике ФРБ Нью-Йорка).

Сама по себе эта статистика не доказывает, что виноват ИИ. На тот же период пришлись рост процентных ставок и откат найма после пандемии. Именно поэтому исследования из раздела 1 сравнивают профессии, подверженные ИИ, с менее подверженными, — чтобы разделить эти эффекты.

ФРБ Нью-Йорка публикует и безработицу недавних выпускников (22–27 лет) по специальностям. Вот некоторые из них.

Безработица выпускников выше всего на компьютерных специальностях, где ИИ широко используют для написания кода. У гражданской инженерии, тоже инженерной специальности, она низкая, а у сестринского дела, где нужны лицензия и практика на месте, ещё ниже. Цифры относятся к одному году — 2024-му (American Community Survey, опубликовано в феврале 2026 года) — и отражают не только ИИ, но и число выпускников в каждой области и общее состояние экономики.

В других странах картина может быть иной. Например, в Японии доля трудоустроенных среди выпускников университетов (бакалавриат), окончивших учёбу в марте 2026 года, на 1 апреля составила 98,0% — как и годом ранее (Министерство здравоохранения, труда и социального обеспечения и Министерство образования Японии (на японском), опубликовано 22 мая 2026 года). Провала, как в США, в найме выпускников в целом там не видно. Но эта доля считается от выпускников, искавших работу, и не делится по профессиям. Различия в использовании ИИ по возрастам разобраны в нашей статье о разрыве в способностях среди офисных работников.

3. Почему опытные работники держатся

В качестве возможного объяснения статья Стэнфорда выдвигает гипотезу: ИИ легче заменяет кодифицированное знание (то, чему учат в школе, по учебникам и письменным инструкциям) и дополняет неявное знание (приобретаемое на практике и через наставничество) — и показывает, что данные согласуются с этим. В профессиях, сильнее опирающихся на кодифицированное знание, занятость начинающих растёт медленнее, а в профессиях, сильнее опирающихся на неявное знание, быстрее растёт занятость специалистов середины карьеры и опытных. Авторы подчёркивают, что это описательные, а не причинные результаты.

Вторая подсказка — как используется ИИ. Опираясь на Anthropic Economic Index (данные об использовании Claude), та же статья сообщает: в профессиях, где ИИ в основном выполняет работу вместо человека (автоматизация), занятость молодых падает, а там, где он в основном помогает людям (дополнение), занятость стабильна или растёт — особенно у опытных. Среди одинаково подверженных профессий направление определяет способ использования ИИ.

Вакансии говорят о том же. В исследовании Гарварда задачи, с которыми хорошо справляется ИИ, постепенно исчезали из вакансий для младших сотрудников в компаниях, внедривших генеративный ИИ. Снижение занятости младших сосредоточилось в профессиях, подверженных ИИ, а динамика занятости старших почти не изменилась.

Это область неявного знания (tacit knowledge) — того, что не уложить в инструкцию и можно усвоить только на практике. ИИ мгновенно воспроизводит учебниковое знание, но неявное знание по-прежнему во многом остаётся за людьми. Наклон «кодифицированное против неявного» в данных указывает в ту же сторону, что и эта интуиция.

4. Три вопроса, чтобы оценить свою работу

Исследования показывают: у работ, где сужается вход, есть общие черты. Три вопроса ниже — схема этой статьи, чтобы применить эти черты к своей работе, а не вывод самих исследований.

Вот что могут сделать молодые и опытные в зависимости от числа ответов «да».

Среди примеров в статье Стэнфорда — разработка ПО, клиентская поддержка и другие. Десятилетние прогнозы по профессиям (Бюро статистики труда США) собраны в статье 15 профессий, сильнее всего затронутых ИИ.

5. Исчезающая школа: когда молодым негде расти

Серьёзный риск в том, что компании могут закладывать бомбу замедленного действия: не нанимать молодых → молодые не растут → через несколько лет не хватает опытных.

Раньше начинающие инженеры и бухгалтеры читали код старших, выполняли рутинные задачи и усваивали неявное знание на практике. Когда ИИ берёт эти задачи на себя, вместе с ними исчезает само место, где молодые учатся.

Иначе говоря, компания, которая решает «ИИ снижает затраты, поэтому перестаём нанимать выпускников», одновременно решает не нанимать своих будущих опытных сотрудников. Статья Стэнфорда тоже называет замедление найма начинающих ранним признаком того, что генеративный ИИ может влиять на «карьерную лестницу». Заметим: «нехватка среднего звена через несколько лет» — это опасение на основе нынешних данных, а не измеренный факт.

6. Контраргумент: «ИИ не обязательно причина»

Есть и сильные контраргументы. Анализ Budget Lab Йельского университета (октябрь 2025 года) пришёл к выводу, что за 33 месяца после выхода ChatGPT рынок труда в целом не пережил заметного потрясения. Структура профессий менялась чуть быстрее, чем при прошлых технологических сдвигах, но ненамного, и эти изменения начались ещё до массового использования ИИ. Собственное исследование Anthropic (март 2026 года) тоже не нашло систематического роста безработицы среди сильно подверженных работников.

Статья Стэнфорда прямо разбирает собственные слабые места:

• При учёте образования разрыв уменьшается: нельзя понять, альтернативное ли это объяснение или тот самый канал, через который действует ИИ
• Часть расхождения возникла до ChatGPT: более и менее подверженные профессии вели себя по-разному в период пандемии
• В данных ADP разрыв больше, чем в общенациональных обследованиях: национальная статистика указывает в ту же сторону, но слабее

Вместе с тем статья отмечает, что разрыв сохраняется с поправкой на чувствительность к процентным ставкам, без технологических компаний и компьютерных профессий, с поправкой на удалённую работу; что он продолжал расти и после пика ставок; и что он сосредоточен в профессиях, где ИИ используется для автоматизации, с явной зависимостью от возраста — это плохо объясняется одними лишь ставками или удалёнкой.

Поэтому нельзя сказать, что ИИ — единственная причина застоя в занятости молодых. Но связь — чем сильнее профессия подвержена ИИ и чем больше ИИ там используется для автоматизации, тем сильнее падает найм молодых — снова и снова проявляется в нескольких независимых наборах данных. Позиция этой статьи: ИИ — не единственная причина, но одно из давлений на вход в профессию.

7. Стратегии для начинающих

«Данные понятны — а что делать мне?» Вот практический список.

1. Выбирайте места, где ИИ помогает людям

В одной и той же профессии есть места, где ИИ отдают задачи целиком, и места, где им помогают людям. В статье Стэнфорда занятость молодых оставалась на месте или росла в профессиях, где ИИ дополняет работу. На собеседовании спросите: «Что новички делают с помощью ИИ и кто это проверяет?» — по ответу видно, куда тяготеет это место. Умение пользоваться ИИ — само собой разумеется; разницу создаёт умение понять, в каких частях результата сомневаться и что исправлять.

2. Займите пораньше территорию, где ИИ слаб

• Физическое присутствие: работа на объектах, медицина и уход, живое общение
• Ответственные решения: комплаенс, управление, этика
• Постановка творческих вопросов: новые направления бизнеса, UX-дизайн, бренд
• Работа с людьми: продажи, коучинг, лидерство

Растущие профессии и требования к образованию для входа в них сведены в таблицу в статье Профессии, которые переживут эпоху ИИ.

3. Сочетайте навыки

Просто «умею программировать» или «умею вести учёт» уже недостаточно. Создавайте редкость сочетаниями вроде «предметная область × ИИ» или «дизайн × данные»: например, «клинический опыт + промпт-инжиниринг» или «юридическая практика + проверка результатов ИИ».

4. Сами найдите место, где набираться неявного знания

Если компания не даёт возможности читать код старших, добывайте её сами — через open source, собственные проекты, сообщества и наставников. Как показывают данные, в профессиях, опирающихся на неявное знание, занятость опытных растёт быстрее. В эпоху ИИ начинающим уже нельзя рассчитывать только на то, что их вырастит работодатель.

5. Поднимайтесь на уровень выше — к управлению, проектированию и бизнес-решениям

Места «чистых исполнителей» сократить проще всего. Но если пораньше перейти к роли, где вы принимаете проектные решения, понимаете бизнес и умеете вести людей, вы окажетесь на стороне, которую ИИ усиливает. И в статье Стэнфорда занятость была стабильной или росла там, где ИИ помогает людям.

8. Где опытным нельзя расслабляться

«Преимущество опытных» не значит, что все они в безопасности. Вот кто рискует даже больше молодых:

Итак, не «опытный = в безопасности», а «опытный, который владеет ИИ и принимает решения на основе неявного знания = в безопасности». В данных растут не «опытные вообще», а опытные работники в профессиях, где ИИ помогает людям. Водораздел — отношение, а не способности.

9. Что компаниям делать сейчас

Помимо отдельных людей, о долгосрочной структуре кадров должны думать и компании.

1. Считать найм молодых инвестицией в будущих опытных, а не затратой

ИИ снижает затраты в краткосрочной перспективе. Но закрытый вход грозит нехваткой специалистов среднего звена и опытных через несколько лет. Урезать найм выпускников — значит, возможно, урезать будущую конкурентоспособность.

2. Перестроить подготовку новичков под эпоху ИИ

Если «читать код старших» и «учиться на рутинных задачах» больше не работает, нужна новая программа: критиковать решения ИИ, спорить с ИИ, на практике ощущать его пределы.

3. Использовать опытных как «усилители ИИ»

Неявное знание опытных × масштабируемость ИИ = большой прирост производительности. Перестройте команды, исходя из того, что опытные наращивают с ИИ свою выработку и передают молодым свой способ принимать решения.

4. Закрепить правило «последним подписывает человек»

Всегда ставьте точку человеческого контроля, прежде чем результат ИИ попадёт в продакшен. Это сохраняет для молодых и работу, и возможность учиться, а заодно обеспечивает качество.

Итоги

• Данные говорят: ИИ раньше всего затрагивает молодых. В пересмотренной версии Стэнфорда (август 2026 года) занятость 22–25-летних в профессиях, подверженных ИИ, на 19% ниже, чем была бы при темпах менее подверженных профессий. У 35–49-летних в тех же профессиях — рост около 10%.
• Анализ резюме Гарварда тоже показывает: через шесть кварталов после внедрения генеративного ИИ занятость младших в компаниях ниже примерно на 9%, а у старших почти без изменений. В обоих случаях снижение идёт за счёт меньшего найма, а не роста увольнений.
• По официальной статистике безработица недавних выпускников в США выросла с 4,0% (сентябрь 2022 года) до 5,2% (сентябрь 2026 года) — самый большой рост из четырёх групп. В Японии же доля трудоустроенных выпускников университетов марта 2026 года — 98,0%, сопоставимого провала нет.
• Вероятная причина: ИИ заменяет формализованные знания и дополняет неявные. Молодых становится меньше там, где ИИ автоматизирует работу; опытных — больше там, где ИИ помогает людям.
• Оцените свою работу тремя вопросами: можно ли записать работу новичка в инструкцию, используют ли ИИ вместо людей и ухудшаются ли найм или безработица выпускников.
• Контраргументы: Budget Lab Йеля не видит заметных потрясений на рынке труда в целом. Сам Стэнфорд признаёт, что с поправкой на образование разрыв сужается и что часть различий существовала до ИИ.
• В долгосрочной перспективе тревожит исчезающая школа: организации, закрывшие вход, через несколько лет могут остаться без среднего звена и опытных кадров.
• Опытные тоже в зоне риска, если не пользуются ИИ, мало практикуют или не умеют передавать неявные знания. Компаниям стоит пересмотреть найм молодых как вложение в будущее.

Часто задаваемые вопросы

В1. «Сначала молодые» — это только американское явление?

Приведённые здесь исследования (Стэнфорд, Гарвард и Anthropic) и статистика ФРБ Нью-Йорка — американские, а анализов такого масштаба по другим странам пока мало. Например, в Японии доля трудоустроенных среди выпускников университетов марта 2026 года составила 98,0% (на 1 апреля, как и годом ранее), и провала, как в США, в найме выпускников в целом нет. В странах с традицией массового найма выпускников или долгосрочной занятости найм подстраивается иначе, и даже если изменения проявятся, их форма и сроки могут отличаться. Такие показатели редко делятся по профессиям, поэтому надёжнее всего проверить по государственной статистике или отраслевым данным, как на деле меняется найм выпускников в вашей отрасли и какую работу описывают вакансии для начинающих.

В2. Значит, молодым не стоит идти в инженеры?

Наоборот. Молодые, которые уже сейчас хорошо владеют ИИ, редки. Сокращается найм на задачи начального уровня, которые ИИ легко заменяет, а ценность молодых, умеющих работать с ИИ и брать на себя решения, растёт. В прогнозе BLS США разработчики ПО растут на +10,2% до 2035 года, а программисты, чья работа сводится к написанию кода, сокращаются на −7,3%. Не отказывайтесь от компьютерных наук — меняйте то, чему учитесь, и подход.

В3. Как людям 30–40 лет стать «опытными, владеющими ИИ»?

Всего три шага:
(1) Ежедневно хотя бы 30 минут работать с Claude Code, Cursor или Codex
(2) На практике понять, где заканчиваются возможности ИИ в вашей специальности
(3) Укрепить предметные знания до уровня, на котором можно критиковать и исправлять результаты ИИ
В долгосрочной перспективе важнее не владение инструментами, а умение словами сформулировать свои критерии решений.

В4. Можно ли предотвратить крах подготовки кадров?

На уровне отдельной компании — да: (1) сохранить найм выпускников, (2) создать программы подготовки, работающие вместе с ИИ, и (3) включить «время на обучение других» в обязанности опытных. Что будет в масштабах общества, пока неясно; авторы Стэнфорда находятся на этапе публикации индикаторов, чтобы другие могли отслеживать явление.

В5. Физическая работа на объектах (стройка, сестринское дело, доставка) правда безопасна?

Пока относительно безопасна. По данным Anthropic об использовании, около 30% работников заняты в профессиях практически без наблюдаемого использования ИИ (повара, механики, спасатели и подобные). Работу с сильным элементом «человек на месте принимает решение» заменить нескоро. В долгосрочной перспективе могут распространиться автономные роботы и беспилотный транспорт, так что на горизонте 20 лет картина другая.

В6. Кто сильнее — опытный с ИИ или молодой без ИИ?

В большинстве коллективов, скорее всего, опытный с ИИ. Когда неявное знание опытного дополняется производительностью ИИ, разрыв в эффективности становится большим. А молодой без ИИ рискует терять позиции по мере того, как работа начального уровня переходит к ИИ.

В7. Мне кажется, что из-за ИИ «исчезла половина моей работы». Что делать?

Действуйте в три этапа. (1) Краткосрочно: сосредоточьтесь на оставшейся половине и поднимите качество, а на остальном удвойте производительность с помощью ИИ. (2) Среднесрочно: сознательно увеличивайте долю работы, в которой ИИ слаб (решения, люди, физический труд). (3) Долгосрочно: следите за изменениями в отрасли и переопределите, какой станет ваша профессия через пять лет после массового распространения ИИ. Ключ — мысль «заново занять своё место в отрасли».

Читайте также: 15 профессий, сильнее всего затронутых генеративным ИИ (прогнозы по профессиям) / Уничтожит ли ИИ офисные профессии? (прогнозы и реальные данные) / Как ИИ расширяет разрыв в способностях среди офисных работников? (разница между теми, кто продолжает работать) / Что ИИ сделал с ИТ-фрилансерами — эта статья о найме, но у фрилансеров опыт работает наоборот