Об авторе: Марина Симонова, HR-бизнес-партнер Touch Instinct.
Раньше junior-специалисты начинали с простых задач, набирались опыта и постепенно росли. Теперь эти задачи все чаще берет на себя ИИ. Компании экономят на рутинной работе, но вместе с ней исчезает привычный способ подготовки будущих экспертов. Разбираемся, что же теперь делать новичкам и бизнесу в сложившейся ситуации.
Почему компании реже нанимают джунов
По мере распространения генеративного ИИ, компаниям требуется меньше junior-специалистов. По данным SuperJob, в России количество IT-вакансий с начала 2026 года сократилось на 21%, тогда как число резюме выросло. Дело в том, что работодатели все активнее ищут специалистов, умеющих работать вместе с ИИ — спрос на такие компетенции вырос почти втрое.
А какие задачи чаще всего автоматизируют с помощью искусственного интеллекта? В первую очередь те, с которых раньше начиналась карьера джуна: сбор данных, подготовка черновиков, оформление документов, поиск информации и первичный анализ. Следовательно, если необходимость нанимать сотрудников для такой работы снижается, у новичков становится меньше возможностей получить первый практический опыт.
В этом и состоит главный парадокс: компании автоматизируют не профессию целиком, а «учебный слой» — этап, на котором раньше формировалась базовая экспертиза будущих middle- и senior-специалистов. Бизнес получает экономию сегодня, но рискует столкнуться с нехваткой более опытных кадров через несколько лет.
Обучение ИИ и стажера: сходства и различия
На первый взгляд сравнивать ИИ и junior-специалиста не имеет никакого смысла. Однако если посмотреть на процесс онбординга, сходств оказывается неожиданно много. В обоих случаях компания сначала задает роль, затем вводит в контекст, после чего постепенно допускает к реальным задачам.
Этап 1. Постановка роли и зоны ответственности
Для ИИ этот этап начинается с системного промпта: задаются роль, ограничения, сценарии поведения, tone of voice и правила принятия решений. Для джуна — с определения должности, объяснения обязанностей, постановки первых KPI, назначения наставника и определения зоны ответственности.
В обоих случаях компания сначала создает рамки работы: что разрешено, что запрещено и какой результат считается корректным.
Этап 2. Знакомство с внутренним контекстом компании
Далее ИИ подключают к корпоративной документации, базе знаний, регламентам, внутренним инструкциям, CRM и другим рабочим системам — часто для этого используются технологии RAG (Retrieval-Augmented Generation, или генерация с дополненной выборкой — это технология оптимизации работы искусственного интеллекта, при которой языковая модель перед ответом ищет нужную информацию во внешних базах данных или документах. — «РБК Тренды»). Джун или стажер изучает те же документы, разбирается в процессах и получает значительную часть знаний через наставника и практику.
Главное различие — скорость. ИИ можно подключить к базе знаний за несколько дней или недель, тогда как адаптация junior-специалиста обычно занимает месяцы, полноценный онбординг сотрудника может продолжаться до года. При этом до 20% сотрудников увольняются в первые 45 дней, если процесс выстроен неэффективно.
Этап 3. Первые рабочие задачи
После знакомства с контекстом обе стороны получают первые задачи. ИИ работает в тестовой среде, проходит сценарное тестирование, получает примеры корректного выполнения задач (few-shot learning) и проверяется на ошибки и галлюцинации. Junior начинает с реальных, но безопасных задач, исправляет простые ошибки и постепенно получает более сложную работу.
В обоих случаях обучение строится через постепенное усложнение задач.
Этап 4. Ошибки и корректировка
ИИ может галлюцинировать и неверно интерпретировать контекст. Джун чаще ошибается из-за недостатка опыта и непонимания бизнес-среды.
Качество работы в обоих случаях зависит от обратной связи, но есть принципиальная разница: человек способен переносить полученный опыт на новые ситуации, тогда как поведение ИИ приходится дополнительно ограничивать, проверять и настраивать.
Этап 5. Наставник остается необходимым
Даже при высокой степени автоматизации роль наставника не исчезает.
- Для ИИ используется модель Human-in-the-loop, когда действия системы проверяет опытный сотрудник.
- Для человека — код-ревью, регулярная обратная связь и сопровождение наставника.
На этом этапе сходства заканчиваются. ИИ обучают ради стандартизации и масштабирования процессов, а junior — ради формирования будущего middle- или senior-специалиста.
AI-first-подход и новая модель обучения junior-специалистов
ИИ позволяет быстрее автоматизировать стандартизированные операции, масштабировать их и снижать нагрузку на сотрудников. Поэтому для бизнеса инвестиции в такие технологии могут давать заметный операционный эффект. Среди компаний, активно внедряющих ИИ, 72% отмечают рост выручки за счет повышения ценности продукта, а 25% — снижение затрат на оплату труда.
Однако краткосрочный эффект от автоматизации создает и долгосрочный кадровый риск. Если компания перестает инвестировать в развитие новичков, через несколько лет ей может не хватить специалистов среднего и старшего уровня. Поэтому задача бизнеса сегодня — не отказаться от junior-сотрудников, а изменить модель их подготовки.
Одним из ответов становится AI-first-подход — перестройка операционной модели компании, при которой ИИ становится обязательной частью работы и обучения сотрудников.
Ключевые элементы такой модели:
- ИИ включается в процесс онбординга с первых дней;
- создается единая база знаний для сотрудников и ИИ-ассистентов;
- руководители оценивают не только результат, но и ход рассуждений сотрудника;
- типовые операции автоматизируются, а люди раньше переходят к задачам, где нужны анализ, коммуникация и принятие решений.
Эта модель особенно эффективна в компаниях с большим количеством стандартизированных процессов, где основную ценность дают скорость и масштабируемость. Если же бизнес строится на сложной экспертизе и долгосрочном развитии сотрудников, ИИ должен дополнять систему обучения, а не заменять ее.
Такой подход уже применяют крупные российские компании: «Ростелеком» использует ИИ-ассистентов для адаптации новичков, а в «Северстали» и НЛМК технологии ИИ помогают строить персонализированные образовательные маршруты и автоматизировать часть учебных процессов. Мы в Touch Instinct также используем ИИ как часть работы и обучения junior-специалистов — так новички раньше переходят к задачам, где нужно анализировать и принимать решения, а наставники могут сосредоточиться на разборе этих решений и развитии специалистов.
При этом успешный переход компании к AI-first-модели требует четкого понимания, какие задачи передать ИИ, где сохранить контроль человека и что сотрудник должен осваивать самостоятельно. Иначе вместе с рутиной можно автоматизировать и важную часть обучения новичков. Поэтому перестраивать такие процессы стоит с участием специалистов, которые понимают и возможности ИИ, и специфику разработки — внутри компании или за ее пределами.
Новый вид junior-специалистов
На рынке постепенно формируется новый тип начинающего специалиста — AI-native junior. Нейросети для такого сотрудника — базовый элемент рабочего стека, такой же привычный, как корпоративный мессенджер, CRM или система управления задачами. Он приходит в профессию уже с опытом взаимодействия с ИИ и тратит меньше времени на освоение технических операций, быстрее переходя к работе с контекстом, ограничениями и качеством результата.
Для бизнеса это меняет критерии отбора и развития сотрудников. Важным становится, насколько надежно они умеют работать в связке с ИИ: задавать рамки, проверять выводы и самостоятельно принимать решение и нести за них ответственность.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.