Что сломалось в работе
Сергей Гордейчик · teletype · telegram · github · тег #profgames
Перестройка системы воспроизводства профессиональной компетенции под влиянием ИИ. Облегчённая версия первой статьи цикла «Игры в профессию»
Сжатие найма
Самая видимая тенденция, и одновременно самая неоднозначная. Stanford Digital Economy Lab, основываясь на данных крупнейшего американского провайдера зарплатных ведомостей, фиксирует относительное снижение занятости работников 22–25 лет на 13–16 процентов в наиболее затронутых ИИ профессиях. AI Index 2026: разработчики ПО 22–25 лет — минус 20 процентов с октября 2022-го. PwC США сократила набор начинающих на тридцать процентов за три года. Big Four в Великобритании — минус сорок четыре процента год к году.
В России другая картина с теми же выводами. Общее число IT-вакансий упало примерно на четверть. hh-индекс — то есть отношение резюме к вакансиям, мера «насколько тесно» на рынке, — поднялся до 16,1 в третьем квартале 2025-го. Это значит шестнадцать кандидатов на одну позицию.
Сужение реальное, но за ним стоят разные механизмы. Часть — это ИИ действительно делает работу начинающих. Часть — циклическое сжатие после over-hiring 2021–22 годов. Часть — повышение порога входа: «junior» теперь требует прежнего mid-уровня. Часть — переименование ролей внутри организаций: AI-валидатор, prompt-инженер, агент-супервизор. Различить эти механизмы сложно — они смешаны.
Что важно: на уровне профессий коллапса нет. Bureau of Labor Statistics США прогнозирует рост занятости разработчиков ПО на пятнадцать процентов до 2034 года. Project management specialists — плюс шесть. Management analysts — плюс девять. То есть профессии в целом растут, а вход в них сужается. Это не «всех уволят». Это «сложно начать».
И отдельно: средний слой — то есть менеджеры, координаторы, project managers — сжимается даже сильнее, чем junior. Bloomberry проанализировал сто восемьдесят миллионов вакансий: высшее руководство почти не пострадало (минус 1,7 процента), специалисты-исполнители — минус девять, среднее звено — минус 5,7, project manager и coordinator — около минус двадцати.
Истончение провенанса
Под провенансом я имею в виду способность сигнала о ваших навыках доходить до работодателя в неискажённом виде. Раньше эту работу делали диплом, резюме, рекомендация, собеседование. Сейчас всё это работает хуже.
Резюме не обесценилось целиком — оно стало менее информативным. ИИ удешевил производство деклараций (сопроводительные письма, самоописания, «отполированное» портфолио), но не удешевил производство верифицируемых документов. Поэтому повествовательный слой резюме — то, что можно сгенерировать — обесценился, а проверяемый слой — реальный послужной список, дипломы конкретных университетов, признание опытных коллег — наоборот подорожал.
С дипломами хитрее. Производительность языковых моделей на письменных экзаменах подрывает доверие к ним как к сигналу. OpenAI заявляла, что GPT-4 проходит модельный экзамен на адвоката примерно в верхних десяти процентах кандидатов; методология оспорена, но направление понятно. Это разрушает домашние задания и стандартные письменные экзамены — там, где для ИИ нет барьера. Не отменяет проектные, проктируемые, устные, практические формы оценки.
Дополнительная сложность для российской ситуации: значительная часть русскоязычных дипломов исторически плохо переводилась в международный статус. Сейчас, когда стандартные сигналы обесцениваются, эта недостроенная инфраструктура перевода становится заметной — и проблемой.
Сжатие посредников
Это, наверное, самая интересная и самая недоосмысленная тенденция. Под ИИ попадают не все менеджеры подряд, а определённый класс посреднических ролей.
Полезно различать четыре уровня посредничества:
Перевод и суммаризация — technical writers, переводчики, координаторы отчётности, status-PM. Сжимаются сильно: ИИ воспроизводит ядро функции.
Координация рабочих процессов — project managers, scrum masters. Сжимаются средне: рутина автоматизируется, но координация под неопределённостью требует человека.
Носители прав на решение — старшие PM, product managers, account owners. Сжимаются слабее: ИИ помогает, но решения остаются за человеком.
Политическое и доверенное посредничество — старший stakeholder management, legal negotiation, executive sponsorship. Почти не сжимаются: функция строится на доверии, ответственности и политическом капитале — это ИИ не воспроизводит.
Klarna в 2022–24 заменила около семисот ролей в customer service на ИИ-агентов. В 2025-м CEO Себастьян Семятковский сказал «we went too far», и компания вернулась к гибридной модели. Salesforce сократил поддержку с девяти до пяти тысяч человек, поставив Agentforce. Amazon в октябре 2025-го сократил четырнадцать тысяч корпоративных ролей — но Энди Джасси прямо сказал в earnings call: «это не AI, это культура». IBM, наоборот, утроила найм начинающих в 2026-м, формулируя новые роли через анализ, ответственность и работу с ИИ.
Эта пёстрая картина не противоречива. У IBM долгий горизонт планирования — она играет в игру про подготовку senior через десять лет. Salesforce под квартальным давлением — играет в игру про следующий отчёт. Эти двое выглядят как противоположные стратегии, но это одна и та же логика: разный горизонт, разная рациональность.
Коллапс канала
Это сквозной механизм, который связывает первые три тенденции. ИИ удешевляет производство любого формализованного сигнала почти до нуля — холодные письма, заявки на работу, сопроводительные тексты, отчёты, портфолио, рекомендательные письма. Когда стоимость генерации падает до нуля, сама категория сигнала перестаёт работать.
Самый прозрачный пример — холодные письма в продажах. До 2023 года это был канал: компании платили специалистам по холодным продажам, те писали письма, часть получала ответ. Когда все начали использовать ИИ для первичных контактов, почтовые ящики заполнились однотипным шумом. Открываемость упала. Канал умер — не потому, что заменили SDR на AI-SDR, а потому, что вся категория первичного email-контакта перестала быть сигналом.
То же происходит с резюме, академическими работами, заявками на гранты, постами в LinkedIn. Это не «ИИ заменяет человека на этой позиции» — это «ИИ убивает сам канал».
Отсюда два встречных движения. С одной стороны — рост спроса на тяжёлые верифицируемые сигналы: длинный публичный послужной список, признание известных в индустрии коллег, лицензии, регистры. С другой — поворот к провенансу: длинная проверяемая траектория с подтверждением, к которой нельзя «подделать билет».
Нейрохалтура и социально-культурный долг
И последнее — про качество того, что делается. Harvard Business Review в январе 2026-го ввёл термин workslop (русский эквивалент — нейрохалтура): низкокачественная работа, сгенерированная с помощью ИИ, которая выглядит отполированной, но перекладывает когнитивную работу на получателя.
Исследование BetterUp совместно со Stanford Social Media Lab: около сорока процентов работающих за компьютером получали такой контент за последний месяц. Среднее время на разбор одного инцидента — час пятьдесят шесть минут. Экстраполяция для компании в десять тысяч сотрудников — около девяти миллионов долларов в год.
Параллельно — социально-культурный долг (термин Deloitte 2026): сорок два процента работников говорят, что их организации редко оценивают влияние ИИ на людей; восемьдесят процентов руководителей и работников обеспокоены тем, что коллеги используют ИИ, чтобы казаться продуктивнее. Производительность на индивидуальных метриках растёт, а доверие в командах падает. И это не парадокс — это закономерное следствие того, что верификация чужой работы стала обязательной частью каждой задачи.
Сцепленный кризис
Если посмотреть на эти пять тенденций как на отдельные проблемы — каждая выглядит решаемой. Junior squeeze можно компенсировать корпоративными академиями. Истончение провенанса — новыми форматами оценивания. Сжатие посредников — переобучением в роли AI-валидаторов. Нейрохалтуру — корпоративной политикой использования ИИ.
Но это не пять проблем. Это одна проблема со сцепленной структурой.
Работодатель не нанимает начинающих, потому что ИИ делает их работу — и потому, что образование готовит их к работе, которой больше нет. Образование теряет смысл, потому что работодатель не платит за его сигнал — и потому, что сам сигнал обесценивается через коллапс каналов. Сотрудник не знает, как войти в профессию, потому что традиционный путь сломан с обеих сторон одновременно. Каждая попытка реформы одной части быстро упирается в нерешённую проблему соседней.
Это объясняет, почему отдельные «решения» не работают. Корпоративная академия без перестройки оценивания выпускает джунов с дипломами, которые работодатель не считает за провенанс. Новые форматы оценивания без перестройки найма выпускают людей, для которых работодатель не предусматривает место. Найм без обновления профессиональных стандартов даёт работника, который не сертифицируется — и так далее.
И отдельный риск: главный ущерб от этого кризиса — не быстрый, а медленный. Не «ИИ заменит работу через два года». А «через семь-десять лет в индустриях, где сейчас сократили найм начинающих, не из кого будет растить senior». Это бомба замедленного действия. Она проявится тогда, когда сегодняшние руководители уже уйдут.
Маленькое отступление про теорию игр
Всё это хорошо описывается на языке теории игр. У нас четыре игрока — работодатель, сотрудник, образование и государство. У каждого свой горизонт и своя функция полезности. Это проблема шантажа (hold-up problem) Уильямсона: один игрок инвестирует, другой может уйти и забрать выгоду. В модели Беккера для конкурентных рынков базовый прогноз — недоинвестирование в обучение. Acemoglu и Pischke (1998) показали, что для координированных рынков (Германия, Япония) с палатами, лицензиями и сжатием зарплат всё устроено иначе: фирменное обучение там равновесно даже без внешнего мандата. Это объясняет, почему нельзя механически скопировать немецкую систему ученичества в США — её удерживают параметры рынка, а не сама форма программы.
И ещё одна полезная линза — Парето-фильтр для сценариев. Хороший сценарий тот, в котором не проигрывает ни один из четырёх игроков. Плохой — тот, в котором кто-то выигрывает за счёт других. Главный паттерн: хорошие сценарии почти всегда требуют активного институционального обновления. Плохие — реализуются через бездействие. Это значит, что при инерции выигрывает плохой сценарий.
Что с этим делать
У меня нет рецептов. Цикл «Игры в профессию» — не план «что делать в понедельник». Это попытка собрать карту, по которой раз в пару месяцев можно заново определять текущую точку и предстоящие развилки.
Что сейчас понятно: — уверенные прогнозы преждевременны до 2028–2030 годов; реальный масштаб удара станет виден тогда; — частные реформы внутри одной из четырёх позиций не работают; нужна согласованность; — инерция работает против хорошего сценария — на стороне deградации; — это не пять отдельных проблем, а одна сцепленная.
Если вы менеджер — стоит думать про канал подготовки senior на горизонт пяти-семи лет, не только про текущий productivity-gap. Если вы родитель студента — стоит понимать, что диплом сам по себе уже не сигнал, и помочь ребёнку строить долгий проверяемый провенанс. Если вы преподаватель — стоит пересмотреть оценивание в сторону того, что ИИ не воспроизводит. Если вы решаете на уровне государства — стоит думать, какие из ваших мер — короткое государство (бюджет квартала), а какие — длинное (воспроизводство компетенций через десять лет).
И главное — что-то из этого треснет и распадётся. Что-то перестроится. Что-то выглядит как кризис, а на самом деле — обычное циклическое сжатие, которое через два года забудут. Различить — сложно, но возможно. Если есть карта.
Полная версия статьи с цифрами, оговорками и методологией — на сайте цикла. Цикл целиком — scadastrangelove.github.io/profgames, параллельно публикуется на teletype с тегом #profgames. Машиночитаемая фактологическая база открыта — её можно скормить агенту, чтобы найти новое.