Куда исчезли джуны: кризис найма и его последствия

Почему джуны исчезают с рынка?

Stack Overflow потерял 76,5% вопросов за два года после запуска ChatGPT — с 108 563 в ноябре 2022 до 25 566 в декабре 2024. Занятость разработчиков 22–25 лет упала почти на 20% от пика 2022 года (Stanford Digital Economy, август 2025). Эти цифры — не просто статистика. Они сигнализируют о структурном сдвиге, который изменит рынок труда в IT на годы вперёд. В этой статье мы разберём, что происходит с наймом джуниоров, какую роль сыграл AI и что будет, когда текущие джуны должны были стать сеньорами.

Арифметика, которую не обойти

Карьерные стадии разработчика предсказуемы: 0–2 года — джуниор, 3–5 — мидл, 6–10 — сеньор, 10+ — принципал или архитектор. Границы размыты, но общая траектория стабильна. Ключевой факт: сеньоры 2030 года формируются в основном из джуниоров 2025 года. Если количество нанятых джуниоров сокращается, то через 5–10 лет пропорционально уменьшится и число сеньоров.

По данным SignalFire State of Tech Talent Report 2025, найм на начальные позиции в 15 крупнейших IT-компаниях США упал на 25% с 2023 по 2024 год. Доля выпускников среди новых сотрудников Big Tech снизилась с 32% в 2019 до 7% в 2024. Количество вакансий для начального уровня сократилось на 60% с 2022 по 2024. Google и Meta нанимают примерно вдвое меньше выпускников, чем в 2021. LeadDev 2025 показал, что 54% руководителей ожидают долгосрочного снижения найма джуниоров, а 38% согласны, что AI уже уменьшил менторство.

Эти числа — входные данные для расчёта популяции сеньоров во второй половине 2020-х.

Что AI делает с работой джунов

В 2022 году типичная работа джуниора включала: шаблонный код, юнит-тесты, мелкие фичи, рефакторинг ограниченных модулей, написание черновиков функций для сеньора. Сегодня сеньор с Claude Code, Cursor или Copilot делает это за минуты. Результат близок к тому, что попросил бы сеньор. Стоимость — малая доля зарплаты джуниора. Экономика обучения джуниора изменилась: задачи для обучения больше не приносят прибыли, если их отдавать джуну.

Марк Руссинович и Скотт Хансельман в статье Communications of the ACM (февраль 2026) ввели термин «AI drag»: джуниоры с AI проигрывают в продуктивности мидлам и сеньорам, потому что у них нет опыта для проверки и интеграции результатов AI. Опрос LeadDev 2025 подтверждает: 38% лидеров говорят, что AI уменьшил менторство. Джуниор с Claude Code выдаёт код так же быстро, как сеньор, но этот код требует больше переделок. Сеньор с AI усиливается, джуниор — нет.

Это замыкает ловушку: если бы джуны с AI были так же эффективны, компании всё равно нанимали бы их для обучения. Но они менее эффективны в краткосрочной перспективе, а бюджеты считают кварталы, а не годы.

Откуда возьмутся сеньоры, если джунов не учат?

Через пять лет мы окажемся в ситуации, которую индустрия пока не артикулирует честно. Спрос на сеньоров в 2030 ограничен наймом джуниоров в 2025. Компании, которые сократили найм джунов, будут иметь меньше мидлов в 2028 и меньше сеньоров в 2031. Естественная реакция — нанимать сеньоров с рынка, но все компании будут делать то же самое, и цена взлетит.

Компании, которые продолжали нанимать джунов в 2024–2026, в 2031 получат пул сеньоров, который конкуренты не смогут легко повторить. Остальным придётся выбирать из трёх вариантов: платить премию за сеньоров, ускоренно обучать мидлов (с низким качеством) или сокращать объём работ. В сумме это классический рыночный сценарий, когда одно поколение работодателей пропускает поколение работников.

Самая неудобная формулировка: если вы перестаёте нанимать джунов, ваши сеньоры владеют вами. Организация из одних сеньоров — это рыночная позиция с известным направлением.

Какая работа всё ещё развивает опыт

Традиционный путь — шаблонный код и баги в течение пяти лет — AI автоматизировал полностью. Новые паттерны обучения:

• Чтение и объяснение кода. Джуниор, который может разобраться в незнакомой кодовой базе и объяснить, где ошибки и почему архитектура не подходит, развивает суждение. AI даёт первое объяснение быстрее, но не может определить, какой части объяснения доверять. Сравнение своего объяснения с AI-генерацией и поиск расхождений — тренировка, которая сохраняется.
• Верификация и аудит. Вывод LLM — это черновик, требующий проверки. Джуниоры, специализирующиеся на верификации (запуск тестов, проверка цитат, поиск пропущенных случаев), делают работу, структурно похожую на код-ревью. Модель прецепторства от Руссиновича и Хансельмана: джуниор в паре с сеньором, где джуниор аудирует, промптит и верифицирует AI-вывод с первой недели.
• Работа с реальными системами. AI хуже всего понимает, какие абстракции выбрала команда и почему. Кодовая база десятилетней давности полна решений, которые выглядят странно в отрыве от истории эксплуатации. Джуниор, поддерживающий долгоживущую систему, исправляющий инциденты и изучающий историю абстракций, развивает суждение, которое не возникает из greenfield AI-генерации.

Общее в этих паттернах: обучение структурно отделено от производства. Производственная работа джуниора больше не приносит прибыли в квартальном масштабе, а обучение приносит прибыль в пяти-десятилетнем. Компании, которые серьёзно относятся к математике конвейера, будут финансировать обучение как первоклассный результат, а не как побочный продукт.

Практический вывод

Если вы джуниор: сосредоточьтесь на чтении кода, верификации AI-вывода и работе с legacy-системами. Ищите компании, которые инвестируют в обучение, а не только в производство. Если вы сеньор или техлид: требуйте, чтобы в вашей компании нанимали джунов и выделяли время на менторство. Иначе через пять лет вы останетесь без сеньоров, которые могли бы прийти на смену.

Начните прямо сегодня: найдите один открытый проект с десятилетней историей, разберитесь в его архитектуре и напишите объяснение. Сравните с тем, что выдаст ChatGPT. Найдите расхождения. Это и есть работа, которая построит ваше будущее.