«AI заберёт работу» — удобная фраза, которая смешивает три разных процесса: часть рутинных задач ускоряется, часть ролей меняет состав работы, спрос на одни специальности растёт, на другие — становится придирчивее. Это не одно и то же. Инструмент не удаляет строку «backend developer» из штатного расписания. Он меняет, за что человеку платят внутри этой строки.

Ниже — как в 2026 смотреть на рынок труда в IT без списков «профессии, которые умрут в этом году». Что меняется в задачах, какие роли заметно тяжелеют спросом, какие под давлением, и как это читать по вакансиям, а не по демо нейросети. Про вход новичков — отдельно: рынок джунов в 2026 и маршруты входа.

Коротко:

  • AI сильнее бьёт по шаблонным задачам, чем по ролям целиком. Смотрите состав работы, не название должности.
  • Растут роли, где нужна ответственность за систему: данные и внедрение ML в продукт, платформа, качество, безопасность, сильный senior/архитектура.
  • Под давлением — работа «написать по образцу и отдать». От человека ждут проверку, доработку и умение сказать «это нельзя сливать».
  • Для junior это повышает планку доказательства: пет-проект «как в туториале» слабее, чем задача, которую вы проверили и ограничили.
  • Инструменты — ускоритель. Ядро — постановка задачи, чтение чужого кода, контекст продукта, ответственность за результат.

Что меняется в задачах, а не в названиях

Черновой код, бойлерплейт, первый набросок теста, черновик SQL, скелет компонента — это всё чаще стартует быстрее. Ценность смещается к тому, что модель делает плохо без человека: понять, какую задачу решать; удержать границы системы; проверить, что сгенерированное не врёт; встроить изменение в существующий код; ответить, когда прод сломается.

На практике день разработчика не «исчез». Исчез кусок, где можно было час стучать однотипные мапперы и считать это вкладом. На его место пришло больше ревью, больше уточняющих вопросов к продукту и больше ответственности за то, что ушло в ветку. Команды, которые это игнорируют, получают ускоренный шум: много кода, слабая система.

Поэтому разговор «заменят ли AI программистов» почти бесполезен. Полезный: какие задачи в вашей целевой роли уже ускоряются — и что остаётся на человеке в том же объявлении. Это видно по требованиям: «ревью», «проектирование», «он-колл», «работа с легаси», «метрики», «безопасность» — сигналы, что покупают не скорость печати.

Какие роли растут — и почему

Рост здесь не «все стали ML-инженерами». Рост — в местах, где AI увеличил нагрузку на систему или где продукт сам встраивает модели.

  • Люди, которые внедряют модели в продукт, а не только промптят чат. Данные, оценка качества, ограничения, стоимость инференса, что делать, когда модель ошибается. Это ближе к инженерии, чем к «поигрался с ChatGPT».
  • Платформа и DevOps. Больше пайплайнов, больше артефактов, больше необходимости, чтобы релизы и среды выдерживали эксперименты. Инфраструктура не отменяется генерацией кода — она становится узким местом, если код начал появляться быстрее, чем его могут выкатить и наблюдать.
  • Сильный senior и архитектура. Решения «куда класть сложность» и «что нельзя генерировать в прод» дорожают, когда черновиков стало много. Это не вакансия для входа, но это направление спроса внутри рынка.
  • Качество и безопасность. Объём кода и скорость изменений повышают цену проверки. QA, который умеет приоритизировать риск, и человек, который видит утечки данных и опасные интеграции, не конкурируют с автодополнением в IDE так же, как автор шаблонного CRUD.

Проверяйте рост так же, как любой другой спрос: открытые роли в каталоге, формулировки обязанностей, не заголовки «AI engineer» без задач. Много вакансий с словом AI и пустым содержанием — это маркетинг найма, не сигнал.

Что под давлением

Под давлением не «джуны как вид». Под давлением задача, которая целиком состоит из образца: сверстать типичную форму, написать типичный контроллер, пересказать документацию, накликать однотипные проверки без мысли о риске. Это умеет делать больше людей — и часть этого умеет ускорять инструмент.

Трансформация выглядит так: человека всё ещё нанимают, но ждут другую плотность. Не «напиши по гайду», а «проверь, доработай, объясни, что сломается, возьми ответственность». Для исполнителя, который продавал только скорость набора, рынок стал неприятнее. Для того, кто и раньше думал задачами — изменился инструмент, не профессия.

Отдельно под давлением роли, где единственный продукт — текст или картинка без ответственности за систему. В IT-найме это касается скорее смежных задач внутри инженерии (черновые описания, черновые тесты), чем внезапного исчезновения всех аналитиков. Снова: читайте задачи в объявлении.

Как это бьёт по входу

Компании осторожнее берут человека, которого нужно учить тому, что модель генерирует за минуту. Значит, junior-вакансия чаще требует уже уметь проверить результат: прочитать diff, написать нормальный баг-репорт, понять, что сгенерированный код не проходит крайний случай. Планка «прошёл курс, умею синтаксис» ниже по ценности, чем была.

Это не запрет входа. Это запрет входа без артефакта и без узкой роли. Стажировки, поддержка, QA, junior с понятным контуром задач никуда не делись — их нужно искать как живые объявления, а не как обещание курса. Практика: стажировка в IT, как найти работу в IT, фильтр junior-вакансий.

Ошибка — учить «промпт-инженерию» вместо роли. В нормальных инженерных вакансиях ждут, что вы пользуетесь ассистентом как все, и отдельно — что вы понимаете систему. Курсы «стань AI-специалистом за месяц» редко стыкуются с тем, что написано в обязанностях.

Какие навыки важнее инструмента

Инструменты меняются быстрее вакансий. Навыки, которые в объявлениях 2026 торчат независимо от логотипа модели:

  1. Постановка задачи. Сформулировать, что нужно получить, какие ограничения, что считать готовым. Без этого генерация — шум.
  2. Чтение и ревью. Чужой код, в том числе сгенерированный. Найти ложь, дыру в краевых случаях, лишнюю сложность.
  3. Контекст продукта. Зачем пользователю это изменение, что нельзя сломать, какие данные чувствительны.
  4. Системность. Как кусок вписывается в сервис, данные, деплой, наблюдаемость. Архитектура на уровне «не размазать побочные эффекты», не обязательно «нарисовать 20 квадратов».
  5. Базовое владение ассистентами. Уметь поручить черновик и не верить ему. Это гигиена, не отдельная профессия.
  6. Коммуникация. Коротко объяснить решение и риск. Модель не пойдёт на созвон с заказчиком за вас.

Фундамент — язык, SQL, git, тест — не отменяется. Его как раз проверяют жёстче, потому что «написать похожее» стало дешевле. Что собирать в ядро технологий — в востребованных технологиях и в выборе языка под рынок.

Пример: один и тот же тикет — с AI и без

Тикет: «В кабинете заказов фильтр по статусу сбрасывается после пагинации». Роль: junior frontend.

Как выглядела работа раньше (и всё ещё выглядит, если ассистента нет).

Воспроизвести баг. Найти компонент фильтра и список. Понять, где состояние живёт. Написать исправление. Проверить руками страницы 1–2 и смену статуса. Написать короткий комментарий в тикете: что было, что сделал, как проверить.

Как выглядит работа с ассистентом — если вы не отдаёте ответственность.

Воспроизвести баг самому: без этого вы не отличите галлюцинацию от фикса. Спросить у ассистента гипотезы, но открыть код и подтвердить. Попросить черновик патча. Прочитать diff: не сломал ли он сброс других фильтров, не утащил ли лишнее состояние в URL. Дописать тест или чек-лист на пагинацию + смену статуса. В тикете написать, что проверили, и где риск остался. Ассистент не ходит на ревью за вас.

Разница не в том, что «теперь не нужно думать». Разница в том, что думать нужно про проверку и границы. Кандидат, который на собеседовании говорит «я бы скормил тикет чату и вставил ответ», проигрывает кандидату, который описывает воспроизведение, риск и проверку. Даже если второй тоже пользовался моделью.

Пример: как читать вакансию со словом AI

Два объявления, оба с «AI» в заголовке. Читать надо середину.

Вакансия 1, маркетинг найма. «AI-powered team ищет fullstack». В обязанностях: лендинги, админка, React, «будет плюсом ChatGPT». Нет данных, нет оценки моделей, нет продакшен-ограничений. Это обычная frontend/fullstack-роль с модным словом. Оценивайте как обычную: стек, грейд, задачи первого месяца.

Вакансия 2, инженерная. «Backend, интеграция LLM в поиск по базе знаний». Обязанности: пайплайн документов, оценка качества ответов, лимиты токенов, логирование, отказ, когда модель не уверена, SQL, очередь, мониторинг. Слово AI здесь про продукт. Смотрите, есть ли у вас хотя бы учебный кусок похожей ответственности — не «умею писать промпты».

Рабочий ход на этой неделе: открыть 15 вакансий с AI в тексте и пометить каждую тегом «маркетинг» или «задача в продукте». Для поиска работы оставляйте второй тип. Первый тип не вреден, просто это не отдельный рынок.

Что делать, если вы входите — и если уже внутри

Если входите: не меняйте цель на «AI-специалист» из-за ленты. Выберите роль, соберите доказательство, научитесь проверять сгенерированное. На тестовом вас скорее спросят, почему решение такое, чем какой у вас любимый чат. Имеет смысл один раз сознательно пройти задачу «сначала сам, потом с ассистентом» и сравнить, где вы слепо доверились.

Если уже работаете: зафиксируйте, какие ваши еженедельные задачи стали черновиком, а какие — ревью и ответственностью. Усильте второе: разбор инцидентов, проектирование маленьких изменений, наставничество, качество. Это то, что видно на performance review и на рынке, когда вы снова пойдёте искать. Инструмент осваивайте на своих реальных тикетах, не на отдельном «курсе по промптам» вместо работы.

И тем и другим полезно смотреть смежные вакансии на Talanto: не чтобы паниковать, а чтобы видеть, какие глаголы повторяются — «ревью», «наблюдаемость», «данные», «безопасность». Повтор глаголов — спрос. Хайп заголовков — нет.

Частые вопросы

AI уже заменяет junior-разработчиков?

Заменяет часть задач, на которых джунов учили «набивать руку». Не заменяет потребность в человеке, который воспроизводит баг, встраивает изменение и отвечает за проверку. Вход стал требовательнее к доказательству, не закрыт. Смотрите живые junior-роли, не прогнозы.

Стоит ли идти в ML, потому что «там рост»?

Стоит, если вы готовы к данным, оценке качества и длинному входу, и если в ваших фильтрах есть соответствующие роли не только уровня research. Не стоит, если это побег от конкуренции на frontend без математики и без SQL. Рост mid/senior ML не равен росту входных вакансий.

Нужно ли указывать ChatGPT в резюме?

Как единственный навык — нет. Как инструмент в процессе («черновик тестов, ревью своим чек-листом») — можно одной строкой, если дальше идёт ваша работа. Рекрутер покупает результат и ответственность, не список чатов.

Какие роли точно вырастут в этом году?

Точного рейтинга с процентами здесь нет — его нельзя честно зафиксировать в статье. Устойчивый спрос видно там, где больше системы: платформа, качество, безопасность, данные вокруг продукта, сильные инженеры, которые держат архитектуру. Проверяйте формулировки в текущих объявлениях.

Поможет ли курс «AI для разработчиков» на первой работе?

Как знакомство с инструментом — иногда. Как замена роли, git, SQL и проекта — нет. Сначала воронка вакансий и артефакт, потом точечное умение. Курс без стыковки с обязанностями из объявлений — снова подготовка к подготовке.

Что важнее: новый фреймворк или умение ревьюить сгенерированный код?

Для рынка 2026 чаще второе, если первое не является ядром вашей воронки. Фреймворк выбирайте по вакансиям. Ревью нужно в любой воронке, где код попадает в репозиторий.

Что сделать сейчас

На этой неделе возьмите одну задачу из своей учёбы или работы и пройдите её в два прохода: сначала без ассистента до воспроизведения и гипотезы, потом с ассистентом до черновика, затем обязательное ревью своими руками. Запишите, где модель соврала. Это полезнее нового курса.

Вторым шагом откройте вакансии по вашей роли и 10 объявлений с AI в тексте. Пометьте, где AI — маркетинг, где — задача продукта. Стройте план только по вторым и по обычным инженерным ролям с глаголами «проверить», «спроектировать», «сопроводить релиз». Хайп заголовков в план не входит.