Пока часть IT-компаний продолжает продавать сложные решения с внедрением десятков инструментов, с армией аналитиков и менеджеров, рынок уже уехал в другую сторону. Бизнесу больше не нужен год разработки ради презентации для совета директоров — нужен софт, который через месяц работает на объекте, считает маршруты, не падает в проде и экономит деньги.
AI-агенты резко удешевили типовую разработку и одновременно обнулили ценность многих процессных ролей. Особенно там, где задача сводилась к сборке готовых процессов. Почему джунам стало сложнее заходить в профессию, какие специалисты сейчас выигрывают рынок и как Claude Code за месяц заменил дорогой логистический подряд — рассказывает эксперт на примере реального кейса из дорожного строительства — Коршунов Евгений, генеральный директор «Автобан-Диджитал».
Кстати, собрали для вас удобный конструктор резюмешки, — это если вы не знаете, как правильно откликнуться на вакансию.
Коршунов Евгений Александрович
Генеральный директор «АВТОБАН-Диджитал», основатель брендов SAQR AI, BIS-ON, SAQR Edge. Эксперт по цифровизации и производительности труда в инфраструктурном строительстве.
Пример из практики объяснит рынок точнее любого обзора.
Искали софт для оптимизации маршрутов спецтехники. Дорожное строительство — карьеры, тупики, вывоз грунта; машины ездят там, где Яндекс и массовые сервисы бесполезны: этих дорог на карте нет. Пришла компания с модулем на методе Монте-Карло, ценник серьёзный — отказались. Директор по логистике взял одного человека по ГПХ, через Claude Code за месяц собрали своё решение: Монте-Карло с GitHub, в связке с картографией и интеграционной шиной, бэкенд и фронтенд с документацией. Месяц. Один внешний специалист. Вот что случилось с рынком.
Кто первым попал под сокращение спроса. Не «джуны» как сословие — просели роли, где задача сводится к сборке готового из стандартных кусков: типовые CRUD-приложения, лендинги, базовые интеграции, ручное тестирование, парсинг, поддержка типовых отчётов. Всё, что агент с инженером-постановщиком закрывает за вечер. Сюда же — длинные проекты «на красивых слайдах», где обвес из аналитиков и менеджеров стоит больше самой разработки.
Почему джунам тяжелее, чем мидлам и сеньорам.
Раньше джуниор был входной ставкой: компания брала его на простые задачи и через год получала мидла. Сейчас эта простая работа уехала в агента. Мидлу и сеньору агент — усилитель: формулируют задачу, проверяют выход, дотягивают до production. Джуну агент — конкурент: делает быстрее и не требует наставника. Работодатель смотрит не на грейд, а на одно качество — скорость адаптации. Кто за два-три месяца научился собирать рабочее решение в связке с моделью — ценен независимо от строчки в резюме. Кто пишет в одиночку «по старинке» — в зоне риска вне зависимости от стажа.
Какие навыки повышают шанс на оффер. По опыту найма последних месяцев — три вещи.
Первое — работа с агентом по инженерному стандарту: чёткая постановка, чтение сгенерированного кода, проверка корректности, починка «галлюцинаций». Это новая инженерная грамотность, а не «промпт-инжиниринг» с курсов. Второе — доменная экспертиза. Наш логистический софт не собрался бы без человека, понимающего карьерный цикл и почему он не описывается стандартным VRP. «Питонист без отрасли» проигрывает отраслевику, освоившему Claude Code. Третье — способность запускать в эксплуатацию: развернуть, интегрировать в шину, обучить пользователей, исправить. Результат «на земле», а не красивый pull request.
Заменяет ли AI задачи или поднимает планку. Это один процесс. Агенты съели нижний слой задач — отсюда «исчезновение части работы». Одновременно подняли планку входа: чтобы быть нужным, надо делать то, что агент не вытягивает — постановку, архитектуру, интеграцию, проверку, доменное соответствие. Не «AI заменит разработчиков», а «разработчики без AI уступят место тем, кто его освоил».
Главный сдвиг 2026 года: проекты «большие, дорогие, нарядные» теряют привлекательность. Бизнес покупает не «команду внедрения», а результат на объекте. Выигрывают те, кто умеет работать руками и запускать решение на месте, а не те, кто красиво защищает архитектурные слайды.
Есть и другая точка зрения. Да, ИИ действительно обрушил рынок типовой разработки и резко снизил порог производства софта. Но вместе с этим многие компании начали недооценивать цену ошибок. Когда бизнес видит кейс «один человек собрал систему за месяц», возникает соблазн перенести эту модель на всё подряд — от ERP до промышленной автоматизации. На практике такая экономия иногда превращается в дорогую переделку через полгода.
Проблема в том, что исскуственный интеллект отлично ускоряет сборку, но плохо отвечает за последствия. Агент может написать рабочий код, собрать интеграцию и даже оформить документацию. Но продукт в целом — история про отказоустойчивость, безопасность, поддержку, юридические риски и предсказуемость через несколько лет. Особенно в энтерпрайзе и инфраструктурных проектах. Там стоимость простоя может измеряться миллионами рублей в сутки, а ошибка в логике маршрутизации спецтехники — срывом сроков строительства.
Что в итоге? Рынок разделился. Первые — быстрые ИИ-команды, которые выигрывают скорость и цену. Вторые — компании, которые готовы платить дороже за предсказуемость, SLA, аудит, тестирование и долгий жизненный цикл продукта. Причём во многих случаях побеждают именно вторые, когда речь идёт о банках, промышленности, медицине или госинфраструктуре.
Есть ещё один нюанс, о котором редко говорят сторонники тотальной ИИ-разработки. Если джун больше не получает простые задачи, через несколько лет рынок может столкнуться с дефицитом сильных мидлов и сеньоров. Раньше инженеры росли на рутинной работе. Теперь часть этой учебной площадки исчезает. Получается парадокс: производительность выросла, а кадровый фундамент индустрии начал сужаться.
Поэтому, нужно задавать вопрос не «заменять ли ИИ программистов?». А как их адаптировать под новые условия. А пока рынок пытается понять, где проходит граница между ускорением разработки и потерей инженерного контроля. И пока однозначного ответа у индустрии нет.
