Entry-level найм в IT упал на 73%. Прогнал данные — вот где проходит граница

Две недели назад Moscow Times вышел с заголовком: «Russian IT Wages Stagnate as Growth Falls Behind Inflation». Медиана по Хабру — 183 тысячи рублей, рост за год около нуля при инфляции 5.6%. В реальных деньгах зарплаты IT-специалистов в России впервые за десятилетие пошли вниз.

В США — та же картина, только масштабнее. Средняя зарплата в tech — $112 521, рост 1.2% при инфляции 3.4%. С поправкой на покупательную способность — стагнация уже двадцать лет.

Но если копнуть в данные чуть глубже, картина оказывается не «всё падает», а гораздо интереснее. Одни роли растут на 88% в год. Другие — схлопываются на 73%. И граница между ними проходит не там, где все думают.

Данные: откуда и что брал

Для этого разбора я использовал четыре источника:

• JobsPikr — агрегатор 100M+ вакансий, отчёт AI Salary Benchmark 2026

• Ravio — европейская платформа компенсаций, AI Compensation Trends 2026

• Stack Overflow Developer Survey 2025 — последний опубликованный (декабрь 2025)

• Habr / Moscow Times — российские данные за H2 2025

Ни один из них не идеален. JobsPikr агрегирует объявления, а не реальные офферы — значит, завышает. Ravio работает по данным HR-отделов — значит, не видит фрилансеров. Stack Overflow — self-reported. Habr — только русскоязычный рынок.

Но когда четыре источника с разной методологией показывают одну и ту же тенденцию — это уже не артефакт.

Главный парадокс: 41% сокращают, 92% нанимают

Первое, что бросается в глаза — цифры, которые не могут быть правдой одновременно:

• 41% работодателей планируют сокращать штат из-за AI-автоматизации

• 92% компаний говорят, что будут нанимать новых людей в 2026

Это не ошибка и не противоречие. Это ротация: компании одновременно увольняют одни роли и нанимают другие. QA уходит, ML-инженер приходит. Админ уходит, DevOps с AI-пайплайнами приходит.

Рынок не сжимается. Он перетасовывается.

Кто растёт, кто падает — таблица

Вот сводка по данным JobsPikr и Ravio за 2025–2026:

Последняя строка — самая важная. Найм на entry-level позиции (P1/P2 по грейдам) обвалился на 73.4% за год. Это не «немного меньше джунов берут». Это обрушение.

Почему entry-level умирает

Раньше джун приносил пользу через 3-6 месяцев онбординга. Его главная ценность — дешёвые руки на рутину: простые баг-фиксы, тесты, вёрстка по макету, миграции данных. Ровно то, что в 2025-2026 начал делать AI-ассистент.

Copilot, Cursor, Claude Code — все они закрывают задачи уровня «джун в первый год». Не идеально, но достаточно, чтобы сеньор с AI-ассистентом не нуждался в двух джунах в команде.

Stack Overflow Developer Survey 2025 подтверждает: 76% разработчиков используют AI-инструменты в работе. Год назад было 62%. Adoption растёт быстрее, чем рынок успевает адаптироваться.

Компании не стали тратить меньше на разработку. Они стали тратить по-другому: вместо трёх джунов — один мидл + подписка на Copilot.

Скрипт: считаем реальное изменение зарплат по грейдам

Чтобы не полагаться только на чужие отчёты, я написал скрипт, который парсит публичные данные Levels.fyi по Москве и считает медиану по грейдам за два периода.

import pandas as pdimport numpy as np# Публичные данные Levels.fyi (Moscow, Software Engineer)# Экспорт: https://www.levels.fyi/t/software-engineer/locations/moscow-rusdf = pd.read_csv("levels_moscow_swe.csv")df['date'] = pd.to_datetime(df['timestamp'])df['year_half'] = df['date'].dt.year.astype(str) + '-H' + (df['date'].dt.month > 6).astype(int).add(1).astype(str)# Фильтруем два периодаh1_2025 = df[df['year_half'] == '2025-H1']h1_2026 = df[df['year_half'] == '2026-H1']for level in ['Entry', 'Mid', 'Senior', 'Staff']:    med_25 = h1_2025[h1_2025['level'] == level]['total_comp'].median()    med_26 = h1_2026[h1_2026['level'] == level]['total_comp'].median()    change = ((med_26 - med_25) / med_25 * 100) if med_25 else 0    print(f"{level:8s}: {med_25:>10,.0f} → {med_26:>10,.0f}  ({change:+.1f}%)")

Результат (приблизительный, на публичных данных — выборка небольшая, но направление совпадает с Habr):

Entry   :    120,000 →    105,000  (-12.5%)Mid     :    210,000 →    215,000  (+2.4%)Senior  :    350,000 →    370,000  (+5.7%)Staff   :    500,000 →    560,000  (+12.0%)

Чем выше грейд — тем лучше динамика. Entry падает, Staff растёт. Ножницы расходятся.

Россия: свои особенности

Глобальный тренд в России усиливается двумя локальными факторами:

Первый — санкционный буфер. AI-adoption в российских компаниях отстаёт от глобального на 1.5-2 года. GigaChat и YandexGPT внедряются в крупняке, но средний бизнес пока в основном без AI-инструментов. Это замедляет дефляцию, но не отменяет её.

Второй — отток кадров. С 2022 года из России уехали десятки тысяч IT-специалистов — преимущественно мидлы и сеньоры. Это создало временный дефицит на средних грейдах, который частично компенсировал давление AI. Но этот буфер конечен.

По данным Habr, медиана в Москве — 230 тысяч, в Питере — 200 тысяч. Рост 4% при инфляции 5.6%. Postgres Professional прогнозирует стагнацию или точечные снижения в первой половине 2026.

Единственные роли, где двузначный рост сохраняется: AI/ML, кибербезопасность, сложная инфраструктура. Остальное — в лучшем случае инфляция.

AI-премия: сколько реально доплачивают за навыки

Отдельно интересно посмотреть на зарплатную премию за AI-навыки — насколько больше платят тем, кто работает с моделями, по сравнению с теми, кто не работает.

По данным Ravio на начало 2026:

• AI/ML специалисты на уровне IC (individual contributor) получают на 12% больше, чем коллеги без AI-навыков на той же позиции

• На уровне Management — премия сужается до 3%

• В среднем по индустрии — 17.7% (но тут включены выбросы — стартапы, которые переплачивают за ML-инженеров в 2-3 раза)

Stack Overflow Developer Survey 2025 добавляет ещё одну деталь: медианная зарплата выросла у 20 из 25 ролей — от 5% до 29%. Но рост неравномерный: больше всего выросли роли, связанные с ML-инфраструктурой и AI-безопасностью. Меньше всего — frontend и manual QA.

Это означает, что даже внутри одной компании два разработчика одного грейда могут получать зарплаты, отличающиеся на 15-20% — просто потому что один работает с LLM, а другой нет. И эта разница будет расти.

Что из этого следует

Три вывода, которые подтверждаются данными:

1. «AI заменит программистов» — неправда. AI заменяет конкретные задачи на конкретных грейдах. Баг-фиксы уровня L1, шаблонная вёрстка, базовые миграции — да. Проектирование архитектуры, работа с legacy, переговоры с бизнесом — нет. Это не про профессию, это про уровень.

2. Entry-level в текущей форме — под угрозой. Не «скоро исчезнет», а уже сжался на 73% за год. Для тех, кто входит в профессию, это означает: путь через «сначала стану джуном» больше не работает как раньше. Нужен другой вход — через AI-навыки, через open source, через конкретный домен.

3. Ножницы грейдов будут расходиться дальше. Сеньоры и Staff с AI-инструментами делают больше, стоят дороже. Джуны без уникальных навыков конкурируют с Copilot за одни и те же задачи. Средний грейд пока держится — но это вопрос времени.

Данные не врут: рынок не умирает, он перестраивается. И те, кто перестроится первым — выиграют.

Что делать, если ты entry-level прямо сейчас

Раз уж мы разобрали проблему — было бы нечестно не сказать, что с ней делать. Вот что я вижу работающим на реальных кандидатах, которых нанимаю и с которыми работаю:

Перестать конкурировать с Copilot. Если твоё резюме — «знаю Python, делал CRUD, писал тесты» — ты конкурируешь не с другими джунами, а с AI-ассистентом. И он дешевле. Нужна специализация, которую AI пока не закрывает: конкретный домен (финтех, медтех, промышленный IoT), конкретный стек (Kubernetes + observability, не просто «DevOps»), конкретный навык (работа с legacy-кодом на 500K строк, не greenfield).

Научиться работать С AI, а не вместо AI. Парадокс: лучшие джуны 2026 года — те, кто умеет эффективно использовать Claude Code, Cursor, Copilot. Они делают работу мидла, оставаясь на зарплате джуна. Временно. Но именно эти люди через год становятся мидлами — потому что они решают задачи мидл-уровня.

Open source > сертификаты. По данным того же Stack Overflow, 43% нанимающих менеджеров смотрят на GitHub-профиль при найме. Контрибьюшен в живой проект с 500+ звёздами стоит больше, чем три сертификата от Coursera. Это не значит, что сертификаты бесполезны — это значит, что у тебя должно быть что-то ещё.

Целиться в роли, где AI создаёт спрос, а не убивает. AI-инфраструктура, prompt engineering, evaluation, data quality — все эти роли появились за последние полтора года и растут. Они не требуют PhD. Они требуют практического понимания того, как LLM работают и ломаются.

Методологические оговорки

Несколько честных предупреждений по данным:

JobsPikr агрегирует объявления о вакансиях, а не реальные офферы. Зарплаты в объявлениях обычно на 10-15% выше реальных. Но нас интересует не абсолют, а динамика — и она надёжна.

Levels.fyi по Москве — выборка маленькая (несколько сотен записей). Для статистической значимости недостаточно. Я использую эти данные как иллюстрацию направления, а не как точный замер.

Entry-level −73.4% — это глобальная цифра. В России сокращение менее драматичное (оценочно −30-40%), но точных данных по российскому рынку в разрезе грейдов нет.

Корреляция ≠ причинность. То, что найм entry-level падает одновременно с ростом AI-adoption, не доказывает, что одно вызвано другим. Есть и другие факторы: общее замедление tech-рынка после бума 2021-2022, сокращение венчурного финансирования, макроэкономика. AI — важный, но не единственный фактор.

---

Источники:

• AI Salary Benchmark 2026 — JobsPikr (100M+ вакансий)

• AI Compensation Trends — Ravio (данные HR-отделов)

• Developer Survey 2025 — Stack Overflow

• Russian IT Wages Stagnate — Moscow Times

• Entry-Level Crisis — Rezi.ai

• Tech Job Market 2026 — Second Talent