«Теперь всё делают маленькие команды» — за два года этот тезис стал общим местом. Верен он ровно настолько, насколько бесполезен: из него не следует ни какая команда, ни какая маленькая, ни что при этом происходит с качеством.
Данных, чтобы говорить точнее, за последний год стало заметно больше. И показывают они не сжатие, а перестройку, причём по вполне конкретной границе.
Что именно показали данные
Осенью 2025 года Стэнфордская лаборатория цифровой экономики опубликовала работу, построенную на данных крупнейшей в США компании, которая начисляет зарплаты. Не опрос мнений, а реальные платёжные ведомости миллионов человек.
Главный результат звучит тревожно. Возьмите профессии, которые ИИ затронул сильнее всего, разработчики среди них есть. У самых молодых работников, 22–25 лет, занятость там просела на 16% по сравнению с остальными — это если вычесть влияние самих компаний. По одной нашей профессии цифра ещё резче: к сентябрю 2025 года занятость разработчиков 22–25 лет упала почти на 20% от пика конца 2022-го.
Но интереснее второй результат, который в пересказах теряется почти всегда. Спад сосредоточен там, где ИИ замещает человеческий труд. Там, где он его усиливает, картина другая, и тут стоит воспроизвести осторожность авторов: изменения занятости по этому признаку не упорядочены, а самая «усиливаемая» пятая часть профессий оказалась среди самых быстрорастущих. Это слабее, чем «занятость выросла», и слабее мы и напишем.
Вот это и есть главное. Работа делится на два вида: одно машина делает вместо человека, другое — вместе с ним. По разные стороны этой границы рынок ведёт себя прямо противоположным образом, а возраст, стаж и должность тут ни при чём.
Для руководителя вывод практический. Вопрос «сколько людей нам теперь нужно» задан неправильно. Спрашивать надо, какая часть нашей работы попала на замещаемую сторону, а какая на усиливаемую. От ответа зависит не численность, а устройство.
Через три месяца авторы сузили собственное утверждение
В феврале 2026 года та же группа ответила критикам, и ответ стоит прочитать целиком, потому что так выглядит нормальная научная работа. Значимый спад виден только после 2024 года, а не с конца 2022-го: «более ранние падения, вероятно, хотя бы отчасти вызваны каким-то сочетанием других факторов, а не только ИИ». Гипотезу, что дело в процентных ставках, а не в ИИ, они проверили и отвергли — подверженные ИИ профессии оказались в среднем даже менее чувствительны к ставкам. Заодно уточнили и главную цифру: 16% к октябрю 2025 года против 13% в версии с данными по июль.
Авторы отняли у себя часть громкости и оставили то, что держится. С таким текстом можно работать.
Кого на самом деле задело сильнее
И тут же цифра, которая ломает удобный нарратив. Отчёт SignalFire о рынке технических кадров, июнь 2026 года: наём выпускников упал примерно на 65% в крупных технологических компаниях и на 76% в ранних стартапах относительно 2019 года. Но доля инженеров во всём найме за то же время выросла с 46% до 55%, и авторы пишут прямо: «ИИ-апокалипсис кода сильно ударил по дизайнерам и маркетологам, тогда как инженеры пострадали меньше всех».
Удар пришёлся не по профессии. Он пришёлся по входу в неё.
В России видно то же самое, и это независимое подтверждение. У hh.ru есть ежемесячный обзор рынка труда, и в февральском за 2026 год hh.индекс — отношение числа резюме к числу вакансий — в информационных технологиях равен 19,6 при пороге, выше которого сам отчёт называет конкуренцию высокой, 7,9. Вакансий на 36% меньше год к году, резюме на 30% больше. К марту индекс дошёл до 22,9 против 11,6 годом ранее.
А теперь главное в этой таблице. Выше разработки стоит только одна профобласть — маркетинг, реклама и PR, с индексом 23,5. Ровно то, что нашёл SignalFire в США, на другом рынке и по другой методике.
Неудобное следствие, о котором говорят мало
Если начальные позиции в разработке сокращаются, возникает вопрос без быстрого ответа: откуда через несколько лет возьмутся опытные специалисты?
Раньше путь был устроен просто и работал почти без сбоев: человек несколько лет делал под присмотром работу попроще, набивал руку, своими глазами видел, как и почему ломаются вещи, привыкал, что за поломку кто-то отвечает, — и постепенно начинал принимать решения сам. Эта работа попроще сейчас и уходит к машине первой.
Отрасль на этот вопрос пока не ответила. Но он никуда не денется. Если опыт возникает только через личное набивание шишек, а шишек стало меньше, он станет дефицитом раньше, чем все рассчитывают.
Отсюда следует довольно простая вещь. Раз опыт больше не набирается сам собой по ходу работы, его нужно создавать намеренно и держать вне головы конкретного человека.
Что мы с этим делаем
Два слоя людей вместо одного. Есть слой, который принимает решения. Он разбирает задачу, проектирует, оценивает риски и принимает результат. Эти люди не закреплены за одним проектом. Здравый смысл — вещь редкая, тратить его на посменное дежурство расточительно. И есть слой, который ведёт проект руками в связке с ИИ, реализуя уже принятые решения.
Разделение проходит по той же границе, что и в стэнфордских данных. Решения — усиливаемая сторона, исполнение — замещаемая. Мы не заставляем ИИ решать и не заставляем человека делать то, что машина делает ровнее.
Общая база знаний вместо незаменимого специалиста. Решения, найденные на одном проекте, чек-листы, разборы ошибок — общие, а не в голове того, кто их придумал. Это и есть ответ на вопрос из предыдущего раздела. Опыт лежит вне людей, поэтому он передаётся, а не уходит вместе с человеком.
Побочный эффект тут важнее основного. Вопрос «а если ваш ключевой человек уйдёт» перестаёт быть страшным — и не потому, что мы обещаем, что он не уйдёт.
Мы поднимаем нижнюю планку, а не только верхнюю. В обычной команде общий уровень тянет вниз самый слабый участок, причём это редко самый слабый человек. Чаще это просто кусок работы, до которого не дошли руки. Пропущенная проверка. Недописанный тест. Интеграция, сделанная в пятницу вечером. ИИ хорошо держит ровность — он не устаёт, не спешит к концу спринта и одинаково аккуратен на скучном месте.
Где эта модель может сломаться
Модель без описания слабых мест — реклама. Поэтому три места, за которыми мы следим сами.
Слой решений становится узким местом. Если все ждут одного человека, скорость упирается в него. Чтобы не упираться в одного человека, приёмку сделали асинхронной — смотрят артефакты и ключевые узлы, а не присутствие на каждом обсуждении.
Хватит ли исполнения там, где продукт встречается с реальным клиентом. Проверка на практике у нас есть — платформа для балетной студии в Вене, четырнадцать модулей и больше семисот автотестов. Обычная команда собирала бы такое месяцев восемь-десять. Мы собрали за два.
Заказчик хочет опытного специалиста именно на своём проекте. Желание совершенно законное, и отвечать на него обещанием бессмысленно. Отвечает устройство. Разбор ведут те же люди, что принимают результат, и работающая версия показывается на каждом шаге.
Численность перестала что-либо значить
«Сколько у вас человек» — вопрос, который потерял смысл примерно тогда же, когда данные разошлись по шву. Двадцать человек, из которых никто не отвечает за решения, дадут результат хуже, чем пятеро с внятным разделением. Численность больше не описывает ни мощность команды, ни её устойчивость.
А описывает их одна вещь: что происходит, когда конкретный человек уходит. Если вместе с ним уходит контекст проекта, значит опыт по-прежнему живёт в голове, и вся конструкция держится на его лояльности. Если остаются код, документация и возможность продолжить, значит опыт вынесли наружу заранее, и это единственное, что проверяет устройство, а не намерения.