Scovai Scovai
Talent Intelligence 2026-11-09 1 min read

Предметная экспертиза потеряла вес в оценочных листах интервью Anthropic. Доля junior-специалистов среди технических найма упала с 27% до 9%.

DSL

Dr. Sarah Liu

Предметная экспертиза потеряла вес в оценочных листах интервью Anthropic. Доля junior-специалистов среди технических найма упала с 27% до 9%.

Доля junior-специалистов среди технических найма в Anthropic упала с 27% до 9%. Эту цифру обсудили до изнеможения. Ту, что лежит под ней, — нет: автоматический кодировщик прочитал оценочные листы интервью, заполненные hiring-менеджерами по тысячам сотрудников, принятых с 2024 года, и обнаружил, что у технических кандидатов «самый значительный рост пришёлся на комментарии о самостоятельности и суждении соискателей», тогда как «обсуждение предметной экспертизы сократилось как доля общей оценки» (Anthropic, 2026).

Почти всё, что мы знаем об ИИ и найме на начальные позиции, получено из вакансий — из того, что работодатели заявляют до встречи с кем-либо. Отчёт Anthropic о занятости от 16 октября делает нечто более редкое: он читает то, что интервьюеры написали после разговора.

Две цифры, два разных объекта. Цифра по численности оспаривается, как я покажу. Цифра по оценочным листам — та, к которой ваша собственная рамка интервью не готова.

Что на самом деле измерили оценочные листы интервью

Отчёт — исследование на внутренних данных одной компании: логи использования ИИ, метрики выпуска, опросы сотрудников, данные Slack и календаря, записи решений о найме плюс 17 интервью с сотрудниками. Ведущий автор Натан Уилмерс работает в MIT Sloan; работу публикует сама Anthropic.

В структуре важны две разные величины, и их нельзя смешивать. Доля сотрудников junior-уровня внутри технических подразделений «снизилась с 21% до 14% с начала 2025 года». Доля junior-найма в технических функциях «упала ещё быстрее, с 27% до 9%». Второе — сдвиг в составе принимаемых, а не сокращение штата: отчёт прямо указывает, что технический найм «продолжал расти в абсолютных величинах», тогда как компания «выросла втрое за последний год». Кто читает переход с 27% на 9% как сокращение junior-найма на 65%, тот понял неверно.

Слова менеджеров совпадают с данными. В опросе в апреле 2026 года «большинство менеджеров описали, что из-за ИИ нанимают под иной набор навыков», тогда как «около трети ML-менеджеров и пятая часть SWE-менеджеров сообщили, что из-за ИИ нанимают меньше». Большинство изменило критерии. Меньшинство срезало объёмы. Этот порядок и есть вся история.

Слой оценочных листов

Отличительное свидетельство — текстовое. В 2024 году hiring-менеджеры отмечали опыт кандидата с ИИ-инструментами в «примерно 5% оценок по техническим ролям и 7% по нетехническим». К 2026 году эти показатели выросли втрое для технических ролей и вчетверо для нетехнических. Отчёт даёт базу 2024 года и множители только словами, поэтому конечные значения не опубликованы — а их изобретение создало бы точность, которой у источника нет.

Под этим — более глубокая перебалансировка. У технических кандидатов: самостоятельность и суждение выросли с наибольшим отрывом, предметная экспертиза снизилась как доля оценки. У нетехнических: «ориентация на клиента и миссию выросла, тогда как обсуждение исполнительских навыков сократилось». Объяснение одного менеджера — самая чистая формулировка этой логики во всём документе: «Я ожидаю, что модели останутся неровными, поэтому для своей команды я хочу людей, взаимозаменяемых между предметными областями».

Обратите внимание на то, к чему не приложено числа. Рост по самостоятельности и суждению сообщён направленно, как наибольшее изменение, без процента. Это ограничение доказательства, а не повод его отбросить, — но это значит, что вывод поддерживает направление движения, а не величину.

Одна компания — не бенчмарк

Авторы отчёта говорят об этом прямее, чем большинство комментариев: «Многие элементы практик занятости Anthropic невозможно воспроизвести в масштабах экономики». Компания генерирует от двух до четырёх раз больше выручки на сотрудника, чем Meta и Google на своём пике. Это n = 1, самопубликация, без внешнего аудита, на крайнем полюсе интенсивности ИИ. Ничто в отчёте не устанавливает общеэкономического тренда.

Более широкая литература активно расходится именно в том пункте, который большинство из отчёта и выносит. Анализ Ламберта и Шиндлера по 243 млн новых найма и 407 млн вакансий в США, Великобритании, Канаде и Австралии показал, что рост на два стандартных отклонения либо в подверженности генеративному ИИ, либо в подверженности удалённой работе был, при проверке по отдельности, связан с падением доли junior примерно на пять процентных пунктов к 2025 году, — но при одновременном включении обоих факторов коэффициент ИИ «резко ослабевает и часто становится статистически неотличимым от нуля», тогда как эффект удалённой работы остаётся устойчивым (Lambert & Schindler, 2026). Их трактовка: сломанная junior-лестница может быть историей о том, где выполняется работа, а не о том, что автоматизируется.

Данные о расходах на уровне компаний режут снова в другую сторону. Связав наблюдаемые расходы на ИИ в 21 559 американских компаниях с кадровыми записями, Ramp и Revelio Labs обнаружили, что высокоинтенсивные адоптеры увеличили численность начального уровня примерно на 12% за два года после внедрения, тогда как низкоинтенсивные не показали вообще никакого статистически значимого изменения (Ramp, 2026). Крупные инвестиции в ИИ в этом наборе данных связаны с большим junior-наймом, а не с меньшим.

Итак, причинное утверждение о коллапсе junior-слоя не решено, и Head of Operations не имеет оснований планировать численность исходя из него. Утверждение о критериях — другое дело.

Сходится не счёт, а критерии

Вот почему вывод по оценочным листам заслуживает внимания несмотря на n = 1. Он согласуется со свидетельством совершенно иного типа данных и совершенно иного масштаба.

Global AI Jobs Barometer 2026 от PwC проанализировал свыше миллиарда вакансий на шести континентах, с углублённым разрезом по 2,4 млн позиций начального уровня в США. Выяснилось, что junior-роли, подверженные ИИ, в семь раз чаще наименее подверженных junior-ролей требуют традиционно senior-навыков — суждения, стратегического мышления, мотивирующего лидерства, эмоционального интеллекта. Вакансии такого «сениоризованного» профиля выросли на 35% с 2019 года, даже когда общее число вакансий для начинающих в отраслях с высокой подверженностью ИИ вышло на плато (PwC, 2026).

Вакансии фиксируют то, что работодатели объявляют. Оценочные листы фиксируют то, что интервьюеры вознаградили после встречи с человеком. Это независимые поверхности измерения, собранные разными сторонами с разными стимулами, и они сдвинулись в одном направлении: к суждению и самостоятельности, от узкого исполнения.

Сходимость независимых методов слабее одной причинной оценки, но сильнее двух отдельных случаев. Для действия этого достаточно, потому что действие дешёвое и проверяемое локально.

И расхождение, которое оно вскрывает, реально присутствует в большинстве mid-market систем найма. Заявка на позицию начального уровня теперь требует senior-суждения, тогда как грейд оплаты, 90-дневный выход на мощность и модель менторства по-прежнему предполагают новичка. При этом рекрутеры выпускников в Великобритании сообщали о 141–172 заявках на вакансию в наиболее переполненных отраслях (ISE, 2026) — то есть слой скрининга под более высоким объёмным давлением, чем когда-либо, именно в момент, когда изменилось то, что стоит скринить.

Что Head of Operations стоит сделать в этом квартале

Подразумеваемый здесь аудит достаточно мал, чтобы провести его самостоятельно до закрытия следующего цикла найма.

  1. Достаньте последние двадцать оценочных листов интервью. Не рамку — а свободные текстовые комментарии, которые ваши интервьюеры действительно написали.
  2. Отнесите каждую строку к одной из четырёх категорий: узкая предметная глубина, исполнение и внедрение, самостоятельность и суждение, свидетельства эффективной работы с ИИ-инструментами.
  3. Посчитайте. Если первые две категории доминируют — а в большинстве компаний от 50 до 500 FTE они будут доминировать, потому что рамка именно под это и построена, — вы отбираете жёстче всего по двум категориям, потерявшим вес в компании, продвинувшейся по этому пути дальше всех.
  4. Затем проверьте более трудное: способен ли ваш процесс вообще наблюдать две другие. Самостоятельность и суждение не проявляются в резюме или в техническом задании на время. Они проявляются в том, как человек очерчивает неоднозначную задачу, решает, чего не делать, и объясняет компромисс, в котором ошибся.

Последний пункт — настоящее ограничение, и это проблема измерения раньше, чем проблема критериев. Диплом и названия должностей — прокси предметной экспертизы, того самого атрибута, который теряет вес. Суждению и самостоятельности нужно продемонстрированное свидетельство: структурированная оценка, проработанные задачи, запись решений вместо записи должностей. Инструменты со стороны кандидата, создаваемые под это различие, среди них Talent Passport от Scovai, сертифицируют продемонстрированную способность с процентильным рангом по каждому навыку, а не только трудовую историю, — именно такую форму свидетельство и должно принять, чтобы его можно было скринить в объёме.

Два предостережения прежде чем что-либо переписывать. Не используйте это для оправдания сокращения junior-найма: причинные доказательства этого не поддерживают, а данные о расходах на уровне компаний указывают в противоположную сторону. И не убирайте предметную экспертизу из критериев — «сократилось как доля общей оценки» означает перебалансировку, а не удаление. В операционной команде из 200 человек без функции обучения моделей предметное знание по-прежнему остаётся тем, за что платят ваши клиенты.

Решение, которое перед вами

Честная сводка доказательств такова: никто пока не может сказать вам, сократит ли ИИ ваш junior-слой. Несколько достоверных наборов данных расходятся. Но два независимых источника — миллиард вакансий и тысячи оценочных листов интервью — согласны в том, по чему оценивают выжившие роли, и большинство рамок интервью в ответ не сдвинулось.

Ваши оценочные листы интервью — письменная запись того, что ваша организация считает предсказывающим результативность. У Anthropic это два года изменения такого убеждения в измеримом тексте. Ваши лежат в вашей ATS прямо сейчас, непрочитанные как набор данных.

Прочитайте двадцать из них в этом квартале. Если они всё ещё вознаграждают кандидата, который знает больше, а не кандидата, который лучше решает, вы нашли самую рычажную правку квартала — и стоит она одного дня во второй половине, а не бюджетной строки.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.