Коротко про 28 марта.

Последствия стремительного распространения технологий искусственного интеллекта начинают проявляться в сфере, о которой ранее мало кто задумывался: рынке труда для специалистов по Data Science. Если ещё год назад работодатели активно искали аналитиков данных и инженеров машинного обучения, то сегодня эксперты фиксируют парадоксальное снижение спроса на начальные позиции, вызванное самим прогрессом.

Кризис junior-специалистов: спрос смещается в сторону опыта

Согласно аналитике рекрутинговых платформ и опросам HR-директоров, количество вакансий для начинающих специалистов (junior) в области Data Science сократилось на 30–40% по сравнению с пиковыми значениями 2022 года. Компании всё чаще отказываются от найма новичков, предпочитая нанимать опытных middle- и senior-инженеров.

Как ИИ «отбирает» работу у будущих айтишников

Основная причина — появление мощных инструментов на базе ИИ, которые автоматизируют рутинные задачи. Раньше junior-специалисты занимались чисткой данных, построением базовых моделей и написанием простых запросов. Сегодня эти функции выполняют нейросети и платформы low-code. Например, сервисы AutoML позволяют строить прогнозные модели без глубокого понимания алгоритмов, а генеративные модели (вроде ChatGPT) пишут код для анализа данных быстрее человека. «Рынок труда в IT перегрет, но перегрет он в сегменте начального уровня, — отмечают эксперты кадрового агентства по подбору IT-персонала. — Компании поняли, что проще взять одного дорогого сеньора, который с помощью ИИ сделает работу за троих джуниоров, чем тратить время на обучение и адаптацию новичков».

Почему это не конец карьеры, а смена правил игры

Парадокс ситуации в том, что спрос на экспертов высокого уровня, способных управлять ИИ-системами и интегрировать их в бизнес-процессы, только растёт. Компании готовы платить премии за специалистов, которые понимают не только математику, но и специфику отрасли: финансы, логистику, медицину.

Новые требования к образованию и портфолио

Вместо десятков сертификатов с онлайн-курсов работодатели теперь ждут от кандидатов реальных кейсов. Простое знание библиотек Python или SQL больше не является конкурентным преимуществом — эти навыки легко воспроизводит нейросеть. На первый план выходят умение формулировать бизнес-задачи, критическое мышление и опыт работы с большими данными в конкретной предметной области.

Анализ влияния: кто выигрывает и проигрывает

Сложившаяся ситуация создаёт серьёзный разрыв между поколениями специалистов. Те, кто вошёл в профессию 3–5 лет назад и успел наработать реальный опыт, сегодня получают повышенные предложения. А вот выпускники профильных вузов и участники массовых онлайн-курсов сталкиваются с «ловушкой опыта» — работодатели требуют стаж, который новичкам негде получить. В результате рынок труда в Data Science постепенно превращается в элитарный клуб. Без доступа к стажировкам в крупных технологических корпорациях или исследовательских лабораториях пробиться junior-специалисту становится почти невозможно. Это стимулирует рост альтернативных форм занятости — фриланс-бирж, проектной работы и стартапов, где требования к опыту ниже, но и уровень ответственности и зарплат тоже. Таким образом, технологический прогресс, который должен был демократизировать доступ к данным, на практике создаёт новый барьер для входа в профессию. Единственный способ адаптироваться для начинающих — не просто учить инструменты, а учиться решать нетривиальные бизнес-задачи, которые пока остаются вне зоны действия искусственного интеллекта.