Дослідники Stanford Digital Economy Lab у звіті 2025 року зафіксували падіння зайнятості на 13% серед працівників 22–25 років у професіях з найвищою експозицією до генеративного ШІ — тоді як зайнятість досвідчених фахівців у тих самих галузях продовжувала зростати. Ця цифра дає конкретний вимір тому, про що йдеться в новині: штучний інтелект вже не абстрактна загроза для ринку праці, а тренд, який вимірюють у відсотках звільнень і невідкритих вакансій.

За даними Speka, штучний інтелект почав відчутно впливати на ринок праці, і найбільше ризикують саме молоді працівники. Це узгоджується з тим, що ми спостерігаємо в компаніях, які активно впроваджують AI-агентів: перші посади під скороченням — junior-розробники, техпідтримка першої лінії, молодші аналітики та контент-редактори початкового рівня.

Для AiiN тут немає інтриги: сучасні LLM-агенти найкраще виконують саме ті задачі, з яких традиційно складалася "школа" для молодого спеціаліста, — рутинні, добре описані завдання з чіткими критеріями якості. Проблема в тому, що ринок праці ще не вирішив, звідки братимуться middle- та senior-фахівці, якщо початковий щабель кар'єри зникає швидше, ніж з'являється заміна.

Що саме показують дані про junior-позиції?

Головна зміна — не в загальній кількості вакансій, а в їхній структурі: компанії продовжують наймати досвідчених фахівців, але закривають або не відкривають початкові позиції. У технологічному секторі це виглядає найпомітніше: за оцінками рекрутингових платформ, частка вакансій рівня entry-level у розробці ПЗ скоротилася в кілька разів порівняно з періодом до масового поширення ChatGPT і подібних інструментів наприкінці 2022 року. Йдеться не лише про IT — та ж динаміка простежується в юридичному консалтингу, бухгалтерії, копірайтингу та клієнтській підтримці, де AI-асистенти взяли на себе першу лінію типових запитів.

Експозиція до ШІ (AI exposure) — це показник того, наскільки завдання конкретної професії піддаються автоматизації мовними моделями: чим вища частка рутинних, текстових і добре структурованих операцій у щоденній роботі, тим вища експозиція. Саме за цим критерієм дослідники ранжують професії за групами ризику, і початкові позиції майже завжди опиняються у верхній частині списку — просто тому, що junior-рівень історично й складався з таких задач.

Чому саме молоді фахівці, а не досвідчені?

Досвідчені працівники рідше програють ШІ не тому, що виконують складнішу роботу технічно, а тому, що їхня цінність побудована на іншому: контексті компанії, довірі клієнтів, здатності приймати рішення в неоднозначних ситуаціях і брати відповідальність за результат. Ці речі модель не відтворює, скільки б параметрів у неї не було. Молодий спеціаліст, навпаки, найчастіше входить у професію саме через задачі, які легко формалізувати, — а це ті самі задачі, які першими автоматизує AI-агент.

Є ще й економічний аргумент: наймати й навчати джуніора коштує компанії дорожче в короткостроковій перспективі, ніж підписка на AI-інструмент, який виконує частину тих самих операцій без відпустки, лікарняних і періоду адаптації. Коли бюджети стискаються, саме ця стаття витрат скорочується першою.

Кому ця хвиля поки не загрожує?

Менше ризикують ролі, де цінність визначається судженням, а не самим виконанням завдання:

• продакт-менеджери, які приймають рішення в умовах невизначеності;
• сейлз і акаунт-менеджери, які будують довгострокові стосунки з клієнтами;
• інженери, що відповідають за архітектурні рішення й несуть за них відповідальність;
• професії з фізичною присутністю або ліцензованою відповідальністю — від медсестринства до польових інженерних робіт.

Це не означає, що ці ролі "недоступні" ШІ назавжди. Це означає, що поточне покоління LLM-агентів ще не закриває розрив між виконанням завдання і відповідальністю за його наслідки.

Висновок AiiN: що робити, якщо ви на старті кар'єри

Наша теза проста: класичний шлях "джуніор виконує рутину кілька років, поки не набереться досвіду" ламається швидше, ніж з'являється його заміна, і відповідальність за це лягає не лише на компанії, а й на самих молодих фахівців, яким доведеться свідомо шукати задачі поза зоною автоматизації. Практично це означає три речі:

• будувати портфоліо не навколо обсягу виконаної рутинної роботи, а навколо задач, де видно самостійне судження — прийняте рішення, а не просто написаний код чи текст;
• освоювати AI-інструменти як важіль, а не ігнорувати їх: людина, яка ефективно керує AI-агентом для виконання рутини, конкурує вже не з іншими джуніорами, а безпосередньо з мідлами;
• цілеспрямовано шукати ролі та проєкти з прямим контактом із клієнтом чи бізнес-результатом — саме там формується експертиза, яку модель поки не відтворює.

Чи означає це, що юніорські позиції зникнуть повністю?

Ні, повного зникнення дані поки не показують — йдеться про скорочення частки та уповільнення відкриття нових вакансій початкового рівня, а не про їх зникнення. Компаніям усе одно потрібен приплив нових кадрів, інакше через 5-7 років їм не буде звідки брати middle- і senior-фахівців.

Які професії найбільш вразливі, а які найменш?

Найвразливіші — ролі з високою часткою рутинних текстових і кодових задач: підтримка першої лінії, базовий копірайтинг, junior-розробка, первинний аналіз даних. Найменш вразливі — ролі з високою відповідальністю за рішення, фізичною присутністю або довірчими відносинами з клієнтом: менеджмент, продажі, медицина, складна інженерія.