Главный вопрос, который звучит в кулуарах HR-конференций и на советах директоров: кто станет старшими инженерами, руководителями проектов, техлидами через 7–10 лет? Но ставить его в будущем времени – ошибка. Решения, определяющие, будет ли у вас вообще кто-то с реальной экспертизой через пять лет, принимаются прямо сейчас. В кабинетах, где на словах «инвестируют в людей», а на деле урезают бюджеты на развитие и нанимают джуниоров только под конкретные задачи.
Я много лет управлял командами разработки и пережил несколько волн кадровой паники. Сначала бешеный рынок 2021–2022, когда за мидлов перекупали опционами, как фантиками. Потом стремительное сжатие, когда тот же найм схлопнулся за неделю. У меня выработалось чутьё на момент, когда индустрия вот-вот наступит на грабли. Сейчас то самое ощущение. Делюсь честным разбором того, куда мы катимся, почему оптимистичный сценарий буксует и что делать, чтобы ваша компания не осталась без критически важных людей.
Трубопровод, который сломался незаметно
Раньше конвейер «джуниор → мидл → сеньор» работал почти на автомате. Не потому, что компании были гениями развития персонала. А потому, что сама рабочая среда заставляла учиться. Код был запутанным и без документации, спросить было не у кого, кроме коллеги за соседним столом. Боевые инциденты случались среди ночи, и разгребать их приходилось с теми логами, что есть. Вы сидели рядом с человеком опытнее вас и впитывали его образ мышления – без всякого плана развития, просто потому что так устроен офис.
Сейчас AI убрал почти всё это естественное трение. Джуниор получает готовую реализацию за 30 секунд вместо двухчасового мучения. Для скорости работы – отлично. Для обучения – провал. Потому что когда вы пропускаете борьбу, вы пропускаете момент, в котором формируется ментальная модель. А параллельно самих новичков становится меньше. По разным оценкам, число вакансий для начального уровня в IT сократилось более чем на 60% с 2022 года. На российском рынке похожая картина: спрос на стажёров и джуниоров падает, компании хотят готовых специалистов «здесь и сейчас». В результате целое поколение практически выпадает из конвейера профессионалного развития.
Почему оптимистичный сценарий пробуксовывает
Оптимисты обьясняют: каждый новый уровень абстракции якобы «хоронил» началное программирование – и ничево. Машинный код сменился ассемблером, тот – высокоуровневыми языками, потом браузеры, потом облака. И каждый раз не схлопывал входные точки, а создавал новые. Я слышал этот аргумент мновато раз. И как история он мне нравится. Как прогноз – уже нет.
Прежние абстракции делали программирование доступнее для новых людей. BASIC на домашних компьютерах позволил подросткам кодить самостоятелно. JavaScript в браузере – дизайнерам становитса програмистами бес настройки окружения. Каждый слой снижал порог входа. AI делает принципиално иное: он снижает порог не тем, что упрощает понимение консептов, а тем, что позовляет эти консепты вовсе пропустить. Вы можете выкатить работающее ПО, не понимая, как оно устроено внутри. Это действительно новый феномен – и очень опасный для долгострочного профессионализма. Возможно, через пару лет появятся новые роли: проддакт-инженеры, оркестрирующие AI, станут новыми «джуниорами». Но строить кадровую стратегию на «возможно» – ненадёжно.
Три прогноза, а не три сценария
Многие пишущие предлагают веер вариантов и избегают конкретики. Я рискну назвать то, что реально произойдёт, в порядке очерёдности.
1. Двухуровневый рынок – быстрее, чем кажется
Не резкий разлом, а постепенное расслоение. С одной стороны – специалисты, у которых есть интуиция, системное мышление, умение отлаживать то, чего в глаза не видели. Они выкованы годами реальной борьбы с живыми системами, способны удерживать в голове архитектуру большого продукта, чуют, где сломается, до того как полыхнуло. Эти люди уже дефицит, а станут ещё дороже и реже.
С другой стороны – те, кто сверхпродуктивен с AI-инструментами, бойко собирает фичи из готовых компонентов, отлично «бежит». Но компетенции их мелководны: это проявляется при серьёзной системной аварии в два ночи, при миграции, где нужно учесть три года растущих костылей. Разрыв между этими группами уже заметен любому лиду. К2028 году он станет пропастью. Компании, годами экономившие на старших, почувствуют пустоту. Те, кто умеет делать сложные вещи, получат ценник, вызывающий оторопь.
2. Война за таланты в2029–2031, которая затмит ажиотаж2021-го
Прошлый бум найма случился на фоне ещё живого конвейера подготовки кадров. Сейчас мы добавляем структурную нехватку на входе. Конкуренция сконцентрируется на верхушке распределения: истинных сеньоров с системной глубиной будут раздирать компании, чересчур поздно осознавшие острую нехватку. Компенсации взлетят до абсурда. Удержание станет задачей номер один на несколько лет. Знаю по опыту: вместо технических вопросов вы будете обсуждать контрпредложения и стратегии компенсации. Ваш лучший инженер, впитавший уникальный контекст бизнеса, уходит туда, где дают +40% к окладу.
В выигрыше останутся те, кто продолжал растить инженеров в тощие годы – когда это казалось дорого и необязательно. У них мидлы уже стали сеньорами, и старшие знают систему насквозь. Остальные будут биться за один и тот же мелкий внешний пул.
3. Коррекция отношения к AI и формированию навыков, вероятно к2030–2032
Думаю, на период2024–2027 мы будем оглядываться как на ранние дни GPS-навигаторов. Помните, как считали, что навигация убьёт навык ориентирования? А потом люди падали в озера, следуя за стрелкой. Был период переосмысления. С AI и инженерными навыками будет так же. Не отказ от инструментов – они реально преобразуют работу. Но отрезвление в отношении побочных эффектов. Уже есть данные: положительное отношение к AI-инструментам среди разработчиков упало с>70% до60%, многие сообщают, что отладка кода, сгенерированного AI, занимает больше времени, чем написание с нуля. Ошибки выглядят достоверно и проваливаются на граничных кейсах, для которых нужно понимание системы.
Мой прогноз: к началу2030-х передовые компании создадут явные «учебные программы» для выращивания инженерного суждения – отдельно от продуктивности. Они будут развивать глубину понимания и владение AI-инструментами как два независимых трека. Те, кто освоит это раньше, получат сильных инженеров быстрее. Не потому что отвергают AI, а потому что точно знают, чему он не учит.
Картина2035
В целом людей, пишущих код, станет значительно больше: AI понизит порог, продакты и дизайнеры начнут рутинно создавать работающие продукты. В этом смысле оптимистическая «демократизация» частично сбудется. Но доля инженеров, способных осмыслять сложные системы, управлять крупными кодовыми базами, принимать архитектурные решения с долгосрочными последствиями и справляться с авариями под давлением, — эта доля сожмётся. Абсолютное число таких людей будет напрямую зависеть от решений, принятых между сейчас и2028 годом.
Быть старшим инженером — это не столько уметь писать код, сколько уметь понимать, поддерживать, объяснять и развивать большой софт, живущий в продуктиве годами.
AI ускорил написание кода, но почти не продвинул остальное — то, из чего состоит реальная экспертность. Компании, понимающие это различие и действующие прямо сейчас, окажутся в выигрышной позиции. Те, кто путает продуктивность с компетентностью, продержатся до2027, а после2030 столкнутся с жёстким кризисом.
Что должно тревожить сильнее всего
Я не раз наблюдал, как индустрия пожирает собственное будущее, убеждая себя, что делает рациональный выбор. После волны сокращений2022-го под нож попали в первую очередь инженерные менеджеры и техлиды: те, кто как раз и отвечал за развитие среднего звена. Логика была проста: «Мы можем работать бережливее, AI подхватит». Но поколение, которое некому растить, — это не бережливость, это самоубийство бизнес-модели.
Если сегодня ваша компания не вкладывается осмысленно в развитие людей, потому что «на рынке полно готовых», то через пять лет вы выйдете на тот же рынок и обнаружите, что готовых — единицы. И стоят они как крыло от боинга. А свои, воспитанные внутри, знают ваш продукт досконально и не продадутся конкурентам за чек побольше.
Практические рекомендации
Что делать уже завтра:
- Проведите аудит «живых» обучающих сред. Есть ли у вас реальное наставничество, парные разборы сложных задач, ретроспективы аварий с участием сеньоров? Или всё заменено на быстрые подсказки AI? Верните управляемое трение — ситуации, где необходимо самостоятельно дойти до сути.
- Актуализируйте модель компетенций. Опишите, чем старший специалист отличается от крепкого мидла, не только по скорости, но по умению видеть систему, принимать рискованные решения и передавать опыт. В этом может помочь разработка модели профессиональных и личностно-деловых компетенций.
- Оцените потенциал текущих «мидлов». Кто из них способен вырасти до senior за два-три года? Используйте инструменты оценки, которые не сводятся к performance review, а показывают склонность к системному мышлению и лидерству. Например, ассессмент-центр даёт объёмную картину.
- Создайте программу «второй ступени». Это не тренинг по новому фреймворку, а целенаправленное усложнение рабочих задач, кросс-функциональные ротации и стажировки на реальных проектах под контролем старших. Можно реализовать через центр развития, совмещающий обучение с погружением в сложные кейсы.
- Перераспределите бюджет. Прекратите экономить на развитии, считая это издержкой. Относитесь к этому как к стратегической инвестиции. Компании, которые продолжают растить людей даже в сложные времена, через пять лет получат команду, способную удержать бизнес на плаву, пока остальные судорожно ищут замену ушедшим.
- Включите в KPI руководителей метрику развития преемников. Если рост сотрудников не сказывается на оценке менеджера, он всегда будет жертвовать этим в пользу срочного. Сделайте так, чтобы прокачка команды стала таким же бизнес-показателем, как выручка и скорость поставки.
Эти шаги не требуют гигантских вложений, но меняют философию компании с «купим готовое» на «построим своё».
Заключение
Выбор делается не через пять лет, когда вы обнаружите, что старших специалистов не хватает. Он делается сейчас: в бюджете на обучение, в дизайне онбординга, в решении нанять стажёра и дать ему наставника, а не увольнять «лишнего» наставника. Группа компаний «Алмаз» помогает бизнесу выстроить такую систему — от точной оценки потенциала до комплексных программ выращивания собственных экспертов. Не полагайтесь на удачу. Она в этом сценарии не предусмотрена.
Часто задаваемые вопросы
Что такое двухуровневый рынок специалистов?
Это ситуация, когда рынок труда разделяется на две неравные группы: небольшую прослойку экспертов с глубоким системным мышлением и опытом, которые стоят очень дорого и дефицитны, и массу специалистов, способных быстро производить результат с помощью AI, но не обладающих фундаментальной экспертизой для сложных, незапланированных задач. С годами разрыв усилится.
Поможет ли корпоративное обучение закрыть пробел?
Да, но только при условии, что оно нацелено не на освоение очередного инструмента, а на развитие инженерного и управленческого суждения. Нужны программы, которые создают ситуации учебного сопротивления, наставничества и глубинного разбора реальных кейсов, а не просто дают рецепты.
Когда бизнес реально ощетит дефицит старших специалистов?
Первые серьёзные проявления начнутся с2028–2029 года, когда структурная дыра от нехватки сегодняшних развивающихся джуниоров и мидлов станет ощутимой. К2030–2032 конкуренция за зрелых экспертов достигнет пика, и компании будут переманивать их любой ценой.
Можно ли просто нанять готовых сеньоров с рынка, когда понадобятся?
Формально да, но это будет самая дорогая стратегия. В условиях структурного дефицита цена таких профессионалов резко возрастёт, а доступность упадёт. К тому же внешний сеньор никогда не будет знать ваш продукт и контекст так же глубоко, как выращенный внутри. В долгосрочной перспективе выгоднее растить своих.
Как AI меняет подход к оценке сотрудников?
Приходится разделять два измерения: умение быстро создавать продукт с помощью AI (важно для многих ролей) и способность принимать архитектурные решения, видеть системные риски, обучать других (критично для старших позиций). Стандартные тесты производительности не ловят второе — нужны методы вроде ассессмент-центров, где моделируются реалистичные сложные ситуации и наблюдается поведение.
