ИИ вместо стажеров. Как теперь растить руководителей?

Компании внедряют искусственный интеллект ради понятного экономического эффекта: упростить рутину, ускорить процессы, снизить затраты. Первыми автоматизируются задачи начального уровня, которые раньше поручали молодым специалистам.

Довольно быстро возникает вопрос: если ИИ отлично справляется, нужно ли вообще нанимать человека на эту позицию?

Глава Airbnb Брайан Чески считает такой подход близоруким, стратегически недальновидным.

При нынешних возможностях автоматизации никто не призывает от нее отказываться. Однако Чески предупреждает бизнес о необходимости задуматься, как по-новому организовать развитие специалистов в эпоху ИИ.

Влияние ИИ на рынок труда стало темой публичных дискуссий — прежде всего из-за риска сокращения рабочих мест. Чески предлагает посмотреть дальше: что произойдет через несколько лет, если компании перестанут нанимать молодых сотрудников?

Кроме того, автоматизация не отменяет потребность в человеческих навыках. Как говорит Чески, людям по-прежнему придется решать проблемы, критически мыслить, общаться, становиться лидерами. Передавая простые операции нейросетям, компаниям придется искать новые способы развивать молодежь.

Таким образом, сейчас перед бизнесом возникает новая задача: использовать возможности ИИ, не разрушая систему профессионального роста. Первые изменения на рынке труда показывают, что решать ее придется довольно скоро.

Начинать внедрение нейросетей с junior-уровня вполне рационально. Здесь много формализуемых задач — от поиска информации и подготовки документов до простого кода и обработки типовых запросов. Нейросети позволяют выполнять такую работу быстрее и дешевле, оставляя человеку финальную проверку.

Глобальное сообщество ученых IZA@LISER изучило вакансии на американском рынке разработки ПО. После появления ChatGPT число junior-вакансий относительно senior-вакансий сократилось на 14–15%.

Одновременно работодатели стали требовать от начинающих специалистов навыков, не специфичных для ИИ: умения решать проблемы, коммуницировать, замечать детали.

Похожую динамику выявила Stanford Digital Economy Lab. В августе 2026 исследователи проанализировали данные по миллионам работников в США.

Занятость сотрудников 22–25 лет в профессиях, затронутых ИИ, оказалась на 19% ниже ожидаемого уровня по сравнению со сферами, где влияние ИИ слабее. Для опытных специалистов такого разрыва не обнаружилось.

Авторы исследования подчеркивают: о массовом сокращении занятости из-за ИИ говорить пока рано. Но на старте карьеры последствия уже видны.

Ценность junior-позиции никогда не ограничивалась результатом, который сотрудник выдает сегодня.

Начинающий аналитик собирает данные и постепенно учится понимать, какие из них важны. Разработчик пишет небольшой участок кода и видит, как он связан с остальной системой. Младший копирайтер готовит черновик презентации — и разбирается, почему руководитель оставляет одни аргументы и выбрасывает другие.

Для компании это простые операции, для сотрудника — способ накопить опыт и профессиональный контекст. Часть такого знания нельзя получить из инструкций: оно появляется через обратную связь, ошибки, наблюдение за коллегами и столкновение с нестандартными ситуациями.

Так специалист постепенно переходит от формализованных задач к тем, где требуется самостоятельное решение.

Искусственно сохранять устаревшие процессы ради обучения вряд ли разумно. Если нейросеть за несколько минут собирает отчет, нет смысла заставлять сотрудника тратить на это часы только потому, что так начинали предыдущие поколения.

Придется менять саму модель профессионального роста. Освободившись от механических задач, начинающий специалист может раньше подключаться к реальным проектам, анализу и общению с клиентами. Вместо выполнения простых операций он учится работать с результатом ИИ: оценивать его, замечать ошибки, учитывать контекст и принимать решения.

При этом само по себе освобождение от рутины не обеспечит профессионального роста. Компаниям нужно решать, чем заполнить освободившееся пространство:

Это добавляет еще один критерий к оценке ИИ-проектов. Обычно бизнес считает, сколько человеко-часов освободится, насколько снизится стоимость операции и вырастет производительность.

Однако при автоматизации junior-задач стоит учитывать и долгосрочный эффект: продолжает ли компания выращивать специалистов, которые со временем смогут брать на себя более сложную работу и руководящие роли.

Кстати, в ЭВОЛЮТ есть мощный AI-трек. Хотите интегрировать AI в работу так, чтобы он был максимально эффективным? Присоединяйтесь!

Редактор текста: Елена Смирнова