Входная дверь заржавела. IBM ее сняла
Вы помните те времена, когда junior-разработчик должен был уметь писать сортировку пузырьком на доске? Или HR-менеджер вручную парсил сотни резюме? Забудьте.
К началу 2026 года IBM, этот титан с вековой историей, провела операцию, которую в кулуарах называют «Великим Переписыванием». Они не уволили людей. Они убили 7800 старых описаний вакансий для entry-level позиций и написали новые. С нуля.
Контекст: Это не единичный случай. Как мы писали в материале «Банки готовят увольнения», к 2026 году финансовая отрасль планирует сократить до 200 000 позиций, которые теперь выполняют AI-агенты. IBM выбрала другой путь — трансформацию.
Что случилось с навыками? Они испарились
Вот что бесит больше всего. Раньше в описании вакансии «Младший аналитик данных» был пункт «Знание SQL на уровне написания сложных запросов с джойнами и оконными функциями». Сейчас этот пункт выглядит так: «Способность корректно формулировать задачи для AI-агента (например, GPT-4.5 Turbo или Claude 3.7 Sonnet) для извлечения данных, с последующей верификацией результата».
SQL не исчез. Его просто делегировали. Как и написание boilerplate-кода, первичную обработку заявок, составление базовых отчетов.
Вместо этого на первый план вылезло то, что раньше считалось «мягким» и второстепенным:
- Критическое мышление и верификация: Модель выдала ответ. Он выглядит убедительно. Он правильный? Как это проверить? Где может быть скрытая ошибка?
- Постановка задачи (prompt engineering, но шире): Не просто «напиши код», а «создай модуль для обработки платежей с учетом европейского GDPR, американского CCPA и нашего внутреннего регламента безопасности; учти, что данные приходят асинхронно из трех источников».
- Этическое суждение и управление рисками AI (AI Governance): Модель предложила оптимизировать процесс, отсеяв заявки от кандидатов старше 50 лет. Что делать? Это уже не про код, это про ценности и закон. Неудивительно, что спрос на AI Governance Engineer взлетел до небес.
- Коммуникация и «перевод»: Объяснить не-техническому руководителю, почему решение, предложенное AI, нельзя внедрить завтра. Или наоборот — донести бизнес-требования от менеджеров до AI-агента понятным ему языком.
Провал образования и побега из MIT
Вот тут начинается трагикомедия. Система образования (вузы, курсы) все еще штампует специалистов по лекалам 2019 года. Их учат писать код, который теперь генерирует GitHub Copilot X за секунду. Их учат основам статистики, которые GPT-4o с режимом «Data Analyst» щелкает как орешки.
А потом эти ребята приходят на обновленную вакансию в IBM и видят требования, которых нет ни в одном учебном плане. Как оценить bias в выводе модели? Как спроектировать workflow, где человек — контролер, а не винтик?
Некоторые это поняли раньше всех. Как те, кто, по слухам, последовал совету из нашей статьи «Бросить MIT ради AI-стартапа». Формальный диплом проигрывает реальному опыту управления AI-инструментами.
Предупреждение: Не путайте это с «AI все заберет». AI не забрал работу. Он забрал рутину. Ту самую рутину, на которой раньше оттачивали навыки новички. Теперь им негде «оттачиваться» в классическом понимании. Их бросают на глубокую воду сразу — принимать решения, неся ответственность. Звучит круто, пока не поймешь, что этому почти не учат.
HR в шоке: алгоритмы не понимают новых правил
Самое ироничное во всей этой истории происходит в отделе кадров. Компании вроде IBM обновили вакансии. Но системы автоматического отбора резюме (ATS), которые используют 90% крупных игроков, — нет.
Эти системы, о проблемах которых мы подробно писали в материале «AI в HR: как алгоритмы убивают экспертизу», обучены на старых данных. Они ищут ключевые слова: «Python», «SQL», «5 years experience». А новые вакансии требуют «critical thinking», «AI oversight», «prompt crafting».
Получается разрыв: компания хочет одного, а ее же робот-сортировщик отсеивает кандидатов с нужными навыками, потому что в их резюме нет устаревших «ключей». Кандидаты, в свою очередь, вынуждены играть в эту дурацкую игру, используя AI-агентов для прохождения AI-фильтров — замкнутый круг, который мы разбирали в статье «Работа найдется: как заставить AI-агента проходить HR-фильтры».
Так что делать, если вы только начинаете?
Забудьте про линейный путь «выучил язык → устроился джуном → стал миддлом». Его больше нет. Лифт сломан.
Новый путь выглядит хаотично:
- Станьте продвинутым пользователем, а не теоретиком. Недостаточно знать, что такое GPT. Надо уметь заставить GPT-4.5 (самая свежая версия на февраль 2026 года) решить вашу реальную задачу, проверить решение и аргументировать, почему оно надежно. То же с Copilot, Claude, Gemini Advanced.
- Ищите не «вакансии», а «проблемы». Создайте портфолио, где вы не «изучил React», а «автоматизировал сбор данных для локального бизнеса с помощью AI-агентов, снизив время обработки на 70%». Конкретный результат, где ваш мозг управлял AI-инструментами.
- Качайте не hard skills, а «суждение». Читайте кейсы об ошибках AI (hallucinations, bias). Участвуйте в peer-review чужого AI-генерируемого кода. Это новый «спортзал» для ума.
- Готовьтесь к роли «мостика». Ваша ценность — в переводе между миром бизнес-задач и миром AI-исполнителей. Это требует глубокого понимания обоих миров, а не просто умения нажать кнопку «Generate».
IBM показала тренд. Остальные гиганты либо последуют, либо останутся с пулом сотрудников, блестяще решающих задачи 2020 года в мире 2026-го.
Итог? AI не отбирает работу у новичков. Он отбирает у них возможность быть просто новичками. Теперь нужно быть новичком-надзирателем, новичком-стратегом, новичком-этиком. Это сложнее. Гораздо сложнее. Но, черт возьми, это хоть как-то интереснее, чем бесконечно писать CRUD.
