У серпні 2026 року дослідники Стенфордського університету оприлюднили аналіз ринку праці, який фіксує чіткий патерн: штучний інтелект скорочує насамперед вакансії початкового рівня, а не позиції досвідчених фахівців. Найбільший тиск автоматизації відчувають ті, хто щойно вийшов з університету або має менше двох-трьох років стажу — саме ця група, за висновками дослідження, найпомітніше втрачає робочі місця на тлі впровадження AI-інструментів у компаніях.

Це збігається з тим, що й без академічних досліджень уже помітно на ринку: технологічні та консалтингові компанії протягом останніх двох років повільніше наймають junior-спеціалістів, а частину задач, які раніше давали новачкам «на розігрів» — перші драфти коду, базові аналітичні звіти, типові відповіді клієнтам — тепер виконують AI-агенти. Новий стенфордський аналіз, ймовірно, додає цьому спостереженню системності: дослідження такого рівня зазвичай спираються на широкі масиви даних про зайнятість, а не на окремі кейси конкретних компаній.

Для команд, що будують продукти на базі AI-автоматизації, це сигнал одразу з двох боків. З одного боку — підтвердження гіпотези, що автоматизація рутинних задач найефективніше витісняє людей саме на нижніх щаблях кар'єрної драбини. З іншого — попередження: класична модель «найми junior, вирощуй middle за три роки» під питанням, якщо вхідну лійку найму системно звужувати.

Що саме показало дослідження Стенфорда?

Головний висновок — асиметрія впливу AI за рівнем досвіду. За даними Ars Technica AI, дослідження показує, що найсильніше скорочення торкається саме entry-level вакансій, тоді як позиції з вищим рівнем відповідальності та досвіду залишаються відносно стабільними. Це відрізняється від популярного страху «AI забере всі робочі місця однаково» — натомість картина вибіркова й концентрується на конкретному сегменті кар'єрної драбини.

Практичний наслідок для тих, хто читає такі дослідження заради рішень, а не заради тривоги: якщо скорочення концентрується на junior-рівні, то й метрики, які варто відстежувати всередині компанії, — це не загальна чисельність штату, а конкретно частка entry-level ролей у структурі найму порівняно з попередніми роками.

Чому саме junior-позиції під найбільшим ударом?

Механізм тут доволі прямолінійний, навіть якщо саме дослідження його детально не розписує. Entry-level робота традиційно складається із задач, які легко описати інструкцією і легко перевірити результат: перший драфт документа, базовий код за готовим патерном, стандартна відповідь у підтримці. Це якраз той тип задач, де LLM-агенти вже показують прийнятну якість за низької вартості.

Задачі досвідчених фахівців влаштовані інакше: вони вимагають контексту, який не завжди формалізований, судження в умовах неповної інформації та персональної відповідальності за рішення. Тут AI поки радше інструмент-помічник, що прискорює роботу, а не заміна самого фахівця. Звідси й асиметрія — не тому, що AI «жаліє» старших, а тому, що їхні задачі структурно складніше автоматизувати повністю.

Що це означає для команд, які впроваджують AI-автоматизацію?

Для продуктових команд і засновників стартапів висновок практичний, а не філософський:

• Якщо ви заміщуєте junior-задачі AI-агентами, потрібен окремий план, звідки братимуться middle- і senior-кадри через кілька років — традиційне навчання «на робочому місці» руйнується разом із junior-позиціями.
• Метрику «скільки годин AI зекономив junior-спеціалісту» варто доповнювати метрикою «скільки junior-вакансій компанія все ще відкриває» — інакше короткострокова економія коштів обертається довгостроковим дефіцитом кадрів.
• Автоматизація рутинних задач не скасовує потребу в людях, які вміють ставити задачі AI-агентам і перевіряти результат — цю роль варто свідомо проєктувати, а не сподіватися, що вона з'явиться сама собою.

Ми вже писали про те, що agentic AI не масштабується без зміни процесів і штату — і дослідження Стенфорда підтверджує зворотний бік тієї ж проблеми: масштабування AI-автоматизації без перегляду кар'єрних траєкторій створює структурний розрив у команді.

Висновок AiiN

За нашою оцінкою, головний ризик тут не в тому, що AI «забирає роботу» просто зараз, а в тому, що зникає традиційний шлях підготовки senior-фахівців через junior-позиції. Якщо компанії масово замінюють entry-level ролі AI-агентами, не перебудовуючи при цьому систему навчання нових кадрів, ринок праці за кілька років ризикує зіткнутися з дефіцитом middle- і senior-спеціалістів — просто тому, що їх нізвідки буде взяти. Для команд, які впроваджують AI-автоматизацію зараз, це аргумент інвестувати не лише в самі AI-інструменти, а й у нові формати підготовки кадрів, що замінюють роль, яку раніше виконували junior-задачі.

Чи означає це, що ШІ повністю замінює молодих спеціалістів?

Ні, дослідження говорить про асиметричне скорочення вакансій, а не про повне зникнення entry-level ролей. Мова радше про уповільнення найму та зменшення частки таких позицій відносно загального штату компаній.

Кого це стосується найбільше?

Найпомітніше — тих, хто щойно закінчив навчання і шукає першу роботу в галузях з високою експозицією до AI-автоматизації, зокрема в технологічному секторі та консалтингу, де рутинні задачі легко формалізувати під промпти.

Що робити молодим фахівцям зараз?

Практична порада — фокусуватися на навичках, які доповнюють AI-агентів, а не конкурують із ними: вміння формулювати задачі, перевіряти результат і брати відповідальність за фінальне рішення, а не лише виконувати шаблонну частину роботи.