ИИ всё активнее выполняет работу, с которой раньше начиналась карьера программиста. Написание простого кода, поиск ошибок и небольшие доработки становятся задачами для агентов — и вместе с этим сужается вход в профессию. Пример Anthropic показывает не только выгоды автоматизации, но и проблему: как вырастить опытных инженеров, если начинающим всё труднее получить работу?

По данным внутреннего исследования компании, с начала 2025 года доля младших сотрудников в технических подразделениях Anthropic снизилась с 21% до 14%. Среди новых работников их доля сократилась ещё заметнее — с 27% до 9%. Это не означает, что компания уволила треть новичков: речь идёт об изменении состава команды и структуры найма.

Одновременно быстро растёт использование ИИ. К августу 2026 года суммарное время работы агентов в Anthropic в шесть раз превышало рабочее время людей, а в исследовательском подразделении — в девятнадцать.

Эти показатели нельзя напрямую приравнивать к производительности или числу заменённых сотрудников, однако они отражают масштаб передачи задач автоматизированным системам.

Меняется и организация труда. Согласно приведённым данным, руководители стали почти вдвое чаще отправлять изменения в код, а доля технических сотрудников, которые вообще не программируют напрямую, за год сократилась почти наполовину. Агенты позволяют менеджерам и специалистам других направлений самостоятельно создавать инструменты, для которых прежде требовалась помощь разработчиков.

При этом объяснять сокращение доли новичков исключительно влиянием ИИ было бы упрощением. Anthropic изначально ориентировалась на опытных специалистов. Анализ открытых профилей LinkedIn, выполненный рекрутером Себастьяном Куадросом, показал: медианный опыт инженеров до прихода в компанию составлял 12,2 года. Такая выборка не равнозначна официальной кадровой статистике, но указывает на важный контекст: компания и раньше редко служила стартовой площадкой для начинающих.

Главный риск проявляется на уровне всей отрасли. Для отдельного работодателя рационально нанимать готовых специалистов, а рутинные задачи поручать ИИ. Но если так поступают все, становится непонятно, где следующее поколение инженеров получит необходимый опыт.

Исследователь Нолан Ловетт описывает эту проблему как «трагедию когнитивного общего ресурса»: выгоду от экономии на обучении получает конкретная компания, а последствия ослабления профессиональной среды распределяются между всеми.

Возникает и противоречие контроля. Чтобы замечать ошибки ИИ, нужны знания и практика. Однако задачи, на которых эти знания прежде формировались, всё чаще выполняет сам ИИ. Способность быстро получить работающий прототип ещё не означает умения оценить его надёжность, безопасность и архитектурные ограничения.

Выход, возможно, заключается не в сохранении прежних обязанностей любой ценой, а в перестройке обучения. Начинающим инженерам по-прежнему нужны технические основы, но осваивать их можно через проверку решений агентов, разбор сбоев, тестирование и обсуждение архитектурных компромиссов с опытными коллегами. Автоматизация способна изменить путь в профессию — но сама по себе не создаёт новый.

Опыт Anthropic пока нельзя считать прогнозом для всего рынка. Однако он делает проблему наглядной: если компании перестанут выращивать специалистов, со временем им может не хватить не тех, кто пишет код, а тех, кто способен понять, правильно ли его написал ИИ.