user@elrise.ru:~$ 
2026-07-2216 min readitmarketaicareerarchitecture

Вакуум знаний: что год вне найма показал мне о рынке разработки

В прошлом году я оказался вне найма. Месяцы искал работу, параллельно строил свои проекты — бандлы, бенчмарки, open source. В какой-то момент поймал себя на мысли, что всё меньше хочу возвращаться в оплачиваемую работу. Не из злости на индустрию и не в жесте «посмотрите на них», а просто потому, что через собственный опыт и разговоры с теми, кто тоже ищет, я увидел одну и ту же картину. Эта статья — попытка её зафиксировать. Это моя версия. Она основана на моём годе поиска работы, историях людей и их опыте. Это сжатое изложение моего понимания того, что происходит с профессией.

Как я оказался в этой точке

Я fullstack-разработчик. Писал на PHP/Symfony, оптимизировал high-load-сервисы в платёжных и CRM-проектах, нанимал людей. В какой-то момент прошлого года проект, над которым я работал, закончился, и я оказался на рынке. Меня не «уволили» — контракт просто завершился, и дальше нужно было найти новое место. Я был уверен, что справлюсь за пару месяцев: опыт есть, стек востребованный, рекомендации есть, репутация в нескольких сообществах.

Не нашёл. За пару месяцев не нашёл. Потом прошло ещё время. Собеседования шли, отказы тоже. Сначала я думал, что это обычный процесс: рынок, конкуренция, бывает. Потом начал замечать паттерны, которые мне не нравились. Параллельно, вместо того чтобы «просто ждать», я садился и кодил свои проекты — те самые бандлы, которые сейчас находятся в open source. Не от безысходности, а потому что в тот момент это было единственное, что я мог контролировать.

Через несколько месяцев я заметил, что сажусь за свои проекты с большим удовольствием, чем за подготовку к очередному собеседованию. Не потому что собеседования плохи, а потому что в своих проектах я вижу результат, который работает, который можно измерить и показать. А собеседования превратились в ритуал, где тебя оценивают по метрикам, всё меньше связанным с тем, что ты действительно умеешь делать.

И в какой-то момент я сформулировал для себя диагноз. Не «ИИ забирает работу» и не «сеньоры востребованы», а кое-что другое. Я вижу вакуум оценки знаний: объём информации, который разработчик должен усвоить, продолжает расти, а способность отличать реальное знание от правдоподобно звучащего результата — нет. Этот вакуум не сводится к ИИ, найму или кризису. Скорее, мы все одновременно перестали уверенно отличать то, что действительно знаем, от того, что только выглядит знанием. И компании, и сами разработчики. Я увидел это, когда пытался наняться и когда нанимал сам. Собирая данные, я встретил сигналы из разных выборок, масштабов и временных окон: они не устанавливают одну общую причину, но имеют похожую форму.

Модель: знание как объект в многомерном пространстве

Чтобы объяснить, что я увидел, нужна модель. Знание разработчика — это не строка в резюме и не количество выученных фреймворков. Это объект с шестью параметрами: объём, качество, целостность, актуальность, применимость, глубина. Вместе они образуют многомерное пространство, где у каждого разработчика свой «сгусток». Плотность этого сгустка — визуальная метафора, а не седьмая отдельная ось. Одни координаты можно нарастить за неделю, другие — только за годы.

Раньше работодатели искали в этом пространстве точку, подходящую под задачу: нужный объём, нужное качество и — это часто упускают — целостность. Целостность — это когда знание не нарезано на изолированные кусочки из разных туториалов, а сшито в работающую модель в голове разработчика. Разработчик может не знать API конкретной библиотеки, но у него есть модель того, как она устроена и где у неё острые углы.

Именно целостность делает разработчика разработчиком, а не оператором Stack Overflow с хорошей памятью. Она растёт медленно — через собственные ошибки, ночные дебаги, проекты, доведённые до продакшна и затем поддерживаемые три года. Это дорогая вещь — и для самого человека, и для компании, которая его нанимает.

Что я увидел на своём опыте и в других сигналах

Собирая данные, чтобы проверить свои ощущения, я увидел сигналы из разных выборок, масштабов и временных окон. Они не устанавливают одну общую причину — просто имеют похожую форму.

Первое. На собеседованиях всё чаще звучал вопрос: «Как вы используете AI в работе?» Не «расскажите о сложном баге, который вы дебажили три ночи», не «объясните, почему эта архитектура не работает под нагрузкой», а именно «как вы используете AI». Сам по себе это не плохой вопрос, но он показывает приоритет: компаниям важно, что я делаю с инструментом, а не что умею без него. 84% разработчиков используют AI-инструменты на работе или планируют их использовать (Stack Overflow 2025), а 51% профессионалов — каждый день. Это уже не «фича для продвинутых», а норма. При этом 66% разработчиков получают от AI ответы «почти правильные, но не совсем», а 45% тратят на отладку AI-кода больше времени, чем ожидали. Массовое использование уже есть, и массовые проблемы тоже.

Второе. Я стал смотреть, как нанимают людей, и увидел, что мои собеседователи часто не понимают, что именно ищут. Они проверяют навык, который уже не так важен (выучить API), и не проверяют навык, который важен сейчас (построить модель проблемы). Это не обязательно их вина — их метрики сломаны. Они измеряют то, что раньше умели измерять, а не то, что требуется теперь. Это сразу показывает, как компания видит собственную воронку найма: она осознанно выбирает инструмент вместо начинающего специалиста, а вопрос о том, кто останется для роста в следующую роль, тихо исчезает из обсуждения.

Третье. Я увидел, что те, кто хорошо устроился, устроились не благодаря «знанию фреймворка», а благодаря способности собрать сложную систему и объяснить, почему она собрана именно так. Этот навык — целостность — нельзя купить у ChatGPT. И именно его сложнее всего оценить на собеседовании: он проявляется не в ответе на конкретный вопрос, а в том, как человек рассуждает, когда не знает ответа.

Снимки рынка, рядом друг с другом

Ниже приведены независимые снимки из разных источников. Это не временной ряд, и они не доказывают наличие одной общей причины. Если цифра относится к другой выборке или другому году, это отмечено прямо в пункте.

Вместе эти снимки складываются во что-то неудобное, но я осторожно использую слово «тренд»: источники не имеют общей выборки, года или формулировки вопроса, поэтому у них общая форма, а не кривая. То, что я постоянно вижу в собственной воронке, проявляется и в их данных — одно профессиональное поле сообщает о дискомфорте с разных сторон. Это статья о таком наблюдении, а не прогноз.

Куда это ведёт — два сценария, не прогноз

Ниже я набросал сценарии для собственного размышления, а не предсказания. Они описывают, что может произойти, если давление на вход в профессию продолжит нарастать или ослабнет. Вероятности я не назначаю.

Ветка A описывает дефицит экспертизы, который возник бы, если никто не будет инвестировать в путь, превращающий новичка в человека, способного удерживать целостную модель. Ветка B описывает альтернативу, в которой этот путь восстанавливается, а накопленный эффект превращается в новый цикл знаний, а не в сухой остаток. Развилка не про «ИИ забирает работу» или «ИИ не забирает работу» — она про то, сохранит ли индустрия маршрут, по которому junior со временем становится senior, носящим целостность в голове.

Я прошёл через это и как нанимающий менеджер, и как нанимаемый. С одной стороны, я вижу, что спрос на готовых senior-ов сохраняется, пока входные пути под ним сужаются. С другой — люди, которые могли бы вырасти в таких senior-ов, не попадают в условия, где происходит этот рост. Это две разные проблемы в одном наряде. Обе подпитывают описанный в начале вакуум оценки: разрыв между тем, что внешние сигналы рынка говорят о кандидате, и тем, что он действительно умеет делать в реальной системе.

Что я для себя решил

Это не «топ-10 советов». Это три вывода, которые я сделал для себя за этот год. Может, кому-то пригодится, может — нет.

Первое. AI — это сырьё, а не готовое блюдо. Я использую его каждый день: для написания кода, валидации сложных задач, архитектурных проверок. Но я не отдаю ему финальное решение. Если я не могу объяснить, почему этот код работает и при каких условиях сломается, он мне не подходит: прямо сейчас я его потребляю, а не использую. Это не мораль, а проверка: разработчик отличается от оператора AI именно тем, что у него в голове есть модель, а не только результат.

Второе. Намеренно выращивать фундамент. Это скучно и не монетизируется в моменте, но это единственное, что отличает человека, способного удерживать целостную модель, от человека, который не способен. Я продолжаю читать код, который выдал AI, без AI. Решать задачи, которые выглядят слишком мелкими для AI, — именно на них растёт целостность модели. Писать что-то руками хотя бы раз в неделю, просто чтобы руки помнили. Это мой способ оставаться в форме. Не «лучшая практика» из учебника, а то, что лично работает для меня.

Третье. Я выбрал свои проекты вместо найма — по крайней мере пока. Это не мораль и не совет. Это просто мой выбор на данный момент. Я нанимал людей, искал работу и не хочу притворяться, будто эти процессы работают. Они заметно расходятся с тем, что, по их словам, измеряют, — и это видно с обеих сторон. Я лучше потрачу год на свои бандлы, бенчмарки и open source, чем на попытки вписаться в метрики, которые не имеют отношения к тому, что я действительно умею. Это мой вывод, и он может быть не вашим. Но я его сделал — и через год моих проектов у меня есть результат, который можно потрогать, а не резюме, которое можно переписать.

Не конец, а перезагрузка

Я не думаю, что профессия умирает. Думаю, она перезагружается — и, как любая перезагрузка, несёт риск зависнуть на чёрном экране. Мы все — разработчики и компании — находимся в точке, где старое знание-как-объект ещё не перестало работать, а новое знание-как-поток уже перестало помещаться в старые модели найма и оценки. Вакуум оценки — разрыв между внешними сигналами, которыми найм и рынок оценивают человека, и внутренней моделью, которая у этого человека есть в голове, — это то, что мы все чувствуем, когда пытаемся нанять, устроиться, оценить и объяснить себе происходящее.

Из этого вакуума есть выход, и он не в том, чтобы «учить промпты», и не в том, чтобы бежать в AI-инженеры. Он в том, чтобы заново научиться отличать знание от его видимости — в личной работе, найме и оценке коллег. Тогда и конвейер починится.

Я делаю свою часть работы. Бандлы выходят в open source, бенчмарки прогоняются, документация пишется. Сейчас это действительно вместо найма — но не в оппозиции к индустрии. Это мой способ пережить перезагрузку, не теряя целостности. У каждого свой.

Дисклеймер

Это аналитическая колонка, а не академическое исследование. Личный опыт задаёт вопрос, а публичные отчёты дают отдельные рыночные сигналы. Они не доказывают, что всё описанное имеет одну причину. Там, где данные не позволяют отделить влияние AI от коррекции найма и давления на издержки, я не делаю такого вывода. Если вы работаете в индустрии и видите другую картину, открывайте issue или пишите в комментариях.

Источники:

Обсуждение

Комментарии (0)

Пока никто не комментировал.