Техгиганты увольняют людей — к чему готовиться джунам

Волна сокращений

Этой весной американский разработчик программного обеспечения Oracle уволил почти 30 000 сотрудников в ходе трансформации компании. Председатель совета директоров и технический директор корпорации Ларри Эллисон уверен, что завтра выиграют те, кто сегодня строит инфраструктуру для ИИ. Поэтому бизнес инвестирует миллиарды в строительство дата-центров. Согласно недавним заявлениям Oracle, в 2027 году объем инвестиций в это направление составит $70 млрд. А увольнения позволят высвободить до $12 млрд в год, что за несколько лет покроет эти затраты.

Oracle — не единственная технологическая компания, запустившая массовые сокращения в последние пару лет. В прошлом году Microsoft уволила 15 000 сотрудников, Meta — 8 000. А Amazon за два года отказалась почти от 50 000 сотрудников. В общей сложности без работы уже остались 165 000 представителей технологического сектора.

Хотя масштабы увольнений поражают, они не редкость для переходных времен (когда появляются новые технологии). Инновации меняют подходы к работе и берут часть задач на себя. Компаниям требуется все меньше людей для выполнения того же объема работы, поэтому отдельные функции автоматизируются, команды сокращаются, а потребность в некоторых специалистах постепенно снижается. На следующем этапе часть профессий и вовсе уходит в прошлое. Так произошло в начале XXI века, когда цифровая фотография практически уничтожила гигантскую индустрию пленочной съемки. А в 1970–1990-е годы массовое внедрение компьютеров оставило без работы телефонисток, операторов механических печатных машинок и многих других специалистов.

То же самое сейчас мы видим и сейчас. Искусственный интеллект берет на себя все больше рутинных и стандартизированных задач: написание типового кода, первичную обработку данных, подготовку документов, ответы на типовые запросы клиентов, поиск информации и создание базового контента. И компаниям требуется все меньше младших разработчиков, операторов колл-центров, специалистов по вводу данных, сотрудников служб поддержки, контент-менеджеров и представителей ряда административных профессий. Пока этот тренд особенно заметен на западном рынке труда, но волна, вероятно, дойдет и до России. Предпосылки уже есть: сокращение и избирательность найма, «скрытые» увольнения, заморозка роста заработных плат и другие признаки охлаждения рынка.

Новые места

Впрочем, не все так плохо. В переходные времена появляются новые рабочие места, что опять же демонстрирует история. Компьютеризация, к примеру, породила колоссальный сектор экономики — появились миллионы рабочих мест для программистов, системных администраторов, веб-дизайнеров, специалистов по кибербезопасности, аналитиков данных и сотрудников интернет-провайдеров. Взлет мобильных технологий в 2010-е годы привел к развитию «экономики приложений», а вместе с ней и появлению новых профессий. Среди них — разработчик мобильных приложений, специалист по продвижению в социальных сетях и многие другие.

Эпоха ИИ не станет исключением. Да, компании сокращают некоторые позиции за счет ИИ. Но и нанимают — дорогих, высокоэффективных и редких специалистов по искусственному интеллекту: промпт-инженеров, NLP-инженеров, исследователей, специалистов по компьютерному зрению и др. 

Разворот подтверждают исследования. Например, согласно отчету Snowflake The ROI of Gen AI and Agents 2026, 77% организаций создали новые рабочие места благодаря ИИ, тогда как о сокращениях сказали только 46%. А вот данные Всемирного экономического форума: 86% работодателей ожидают, что ИИ и большие данные кардинально изменят бизнес к 2030 году, а до 30% рабочего времени получится автоматизировать. По оценкам аналитиков, к 2030 году рынок потеряет 92 млн рабочих мест. При этом 170 млн мест появятся. 

Путь джуна

Все это больше всего коснется выпускников и тех, кто решился на смену карьеры. Если взять программистов, то еще несколько лет стратегия было такой: выучу синтаксис Python и легко устроюсь на работу за 100 000 рублей. Сейчас таких специалистов все чаще заменяют на ИИ-агентов. Востребованы те, кто, помимо IT-навыков, обладают знаниями в растущих нишах. 

Где больше всего перспектив:

Реальный сектор и ОПК. Заводы и промышленные предприятия стали главными бенефициарами государственных инвестиций. Лифт работает для инженеров, технологов и квалифицированных рабочих. Молодой специалист на производстве сегодня продвигается до начальника цеха или главного инженера в разы быстрее, чем 10 лет назад.

Роботизация и автоматизация производства. Дальнейшее развитие внутренних производственных цепочек приведет к нехватке специалистов по внедрению роботов и автоматики. Это люди, способные перестроить классический завод на рельсы роботизации: инженеры АСУ ТП, интеграторы робототехнических комплексов и другие специалисты. Если этот тренд сохранится, их должности и доходы будут расти очень быстро. Но эта ниша остается довольно узкой.

Новая ИТ (Hard & Deep Tech). Вместо веб-разработки и мобильных приложений на первый план вышли создатели суверенной инфраструктуры: разработчики микроэлектроники для государственных нужд, системного программного обеспечения, решений для критической информационной инфраструктуры и, в особенности, продуктов в области кибербезопасности. Именно это «защитное» направление ИТ станет новым драйвером роста.

Суверенный ИИ в реальном секторе. Главными выгодоприобретателями суверенного ИИ станут компании, внедряющие ИИ в промышленность, логистику и государственное управление. Лифт работает для ИИ-интеграторов, архитекторов данных и специалистов по автоматизации процессов. Специалист, умеющий перестроить традиционный бизнес или завод под управление нейросетей, сегодня вырастает до директора по цифровой трансформации (CDTO) или директора по ИИ-трансформации (CAIO, Chief Artificial Intelligence Officer) в разы быстрее, чем классический программист.

Советы

Собственно, первая рекомендация вытекает из прошлой части: сосредоточьтесь на одной индустрии и изучите ее «боли»: где компании теряют деньги и где процессы работают слишком медленно. Создавайте пет-проекты не в виде очередного Telegram-бота с прогнозом погоды, а в форме ИИ-ассистента для автоматизации заполнения таможенных деклараций. Старайтесь получить пусть даже «бесплатный» опыт в выбранной индустрии. Многие в 2000-х действовали так же: работали ради опыта.

Смените фокус с кодинга на интеграцию агентов. Уже бессмысленно конкурировать с ИИ в написании шаблонного кода. Изучайте фреймворки для создания автономных ИИ-агентов и мультиагентных систем, например LangChain, CrewAI и AutoGen. Учитесь связывать LLM-модели с внешними API, базами данных и реальными бизнес-инструментами.

Развивайте продуктовое мышление (Product Mindset) — учитесь переводить хаотичные процессы в компании на цифровые рельсы, разбивать их на понятные шаги, упаковывать решения в продукты с измеримой коммерческой ценностью и объяснять, почему внедрение ИИ-агента позволит компании сэкономить большую сумму денег.

А еще используйте доступные ИИ-инструменты, чтобы компенсировать недостаток опыта и работать со скоростью миддла. Сделайте ИИ-ассистентов своими постоянными напарниками. Джун, который умеет кратно ускорять свою работу с помощью ИИ, особенно в выбранной доменной области, привлекательнее для работодателя с коммерческой точки зрения. Ведь он быстрее окупает затраты на свое обучение и оперативнее погружается в культуру и проблемы отрасли.