Девяносто шесть процентов руководителей HR ожидают, что начальные должности за пять лет превратятся в работу, где сотрудники надзирают за системами ИИ или управляют ими. Сорок шесть процентов их организаций не организуют проактивно никакого обучения по ИИ (Pearson & Cognizant, AI Workforce Pulse, 2026). Поставьте эти два числа рядом — и вы получите самую чёткую формулировку проблемы надзора за ИИ на начальном уровне из опубликованных в этом году: почти всеобщее согласие о том, куда движется должность, и шанс «орёл или решка» на то, что компания финансирует это путешествие.
Этот разрыв — не ошибка прогноза. Это бюджетное решение, принимаемое прямо сейчас, по умолчанию, в компаниях, которые его так и не назвали. Pearson и Cognizant опросили 750 руководителей HR уровня директора и выше в организациях с более чем 1000 сотрудников в США, Великобритании и Индии; полевой этап прошёл весной 2026 года, публикация — 18 июня. Вывод, который должен остановить Head of Operations посреди бюджета, не в том, что ИИ идёт за начальной работой, — а в том, что люди, ближе всего стоящие к данным о персонале, уже знают, что начальная роль превращается во что-то более сложное, и большинство из них отправляют нового сотрудника в эту роль без карты.
Заголовок не «рабочие места исчезают». Он «рабочие места конвертируются — без финансирования»
Доминирующий нарратив 2026 года о начальной работе — это исчезновение. Данные за ним реальны: отчёт State of Tech Talent от SignalFire показал, что найм недавних выпускников в Big Tech упал с 15% всех наймов до пандемии примерно до 7%, а число выходов выпускников на должности снизилось примерно на 50% с 2019 года (SignalFire, State of Tech Talent, 2025). Если это единственная история, которую вы слышали, стратегический вывод мрачен и пассивен: перестаньте нанимать джуниоров, переждите.
Pearson и Cognizant рассказывают другую и более применимую историю. Их данные говорят, что начальная работа остаётся существенной — 94% руководителей HR ожидают, что ИИ породит новые начальные роли, которых раньше не существовало, а 96% ожидают, что сегодняшние начальные роли за пять лет станут ролями надзора за ИИ (Pearson & Cognizant, AI Workforce Pulse, 2026). Джуниорская работа не исчезает. Её переписывают — от выполнения задачи к управлению системой, которая выполняет задачу, и её проверке. Это повышение в когнитивных требованиях в зарплатной вилке начальной роли.
И вот операционный укол: 60% тех же руководителей признают, что их программы обучения и развития не успевают за этим сдвигом, а 46% не организуют проактивно никакого обучения по ИИ — даже при том что 91% сообщают о росте запросов сотрудников на обучение по ИИ за прошлый год. Сигнал спроса громкий, ответ предложения отсутствует почти на половине рынка. Это и есть разрыв готовности 96% / 46% в одной строке: роль конвертируется, финансируете вы её или нет, и сейчас типичная компания её не финансирует.
Почему конверсия сложнее, чем «просто добавить ИИ»
Соблазнительно считать «надзор за ИИ» более лёгкой работой, чем та, которую он заменяет. Всё наоборот. Надзирать за системой ИИ — значит ловить ошибки, которые она делает уверенно, понимать, когда её вывод правдоподобен, но ошибочен, и брать на себя решение, которое модель может лишь порекомендовать. Это работа суждения, а суждение — именно то, что 22-летний раньше выстраивал медленно, делая задачу два года, прежде чем ему доверяли проверять чужую.
Уберите делание — и вы убрали ученичество, которое производило это суждение. Более широкое исследование Cognizant показало, что ИИ может затронуть 93% рабочих мест уже сегодня (Cognizant, New Work, New World, 2026), а значит, это не нишевая проблема технологического сектора — она приходит одновременно в операции, финансы, маркетинг и поддержку. От начального сотрудника 2027 года потребуют надзирать за системами в областях, где он никогда лично не выполнял базовую работу. Без целенаправленного обучения вы не закрываете роль надзора. Вы ставите неквалифицированного надсмотрщика над системой, которая отказывает тонкими способами, и называете это экономией.
Данные Pearson подтверждают, что руководители HR видят именно это: 97% теперь говорят, что мягкие навыки — адаптивность, суждение, коммуникация — важны как никогда, 69% ценят широкий междисциплинарный бэкграунд выше узкой специализации, а 67% сообщают, что ценят гуманитарные дипломы больше, чем прежде. Рынок говорит вам, что роль надзора за ИИ вознаграждает иной профиль, чем старый «быстрый исполнитель определённой задачи». Большинство описаний должностей не переписаны, чтобы это отразить.
Ловушка среднего рынка: вы режете слой, который владеет начальным надзором за ИИ
Для компании на 200 сотрудников в исследовании зарыта вторая, более острая проблема. Более 90% руководителей HR говорят, что менеджеры среднего звена играют ключевую роль в переопределении ролей по мере того, как ИИ меняет повседневную работу (Pearson & Cognizant, AI Workforce Pulse, 2026). Средний менеджмент — это механизм, которым абстрактное «роль меняется» превращается в конкретное «вот что ты теперь делаешь, вот как я это проверю, вот как выглядит хорошая работа».
Теперь наложите доминирующий за последние 18 месяцев плейбук ИИ среднего рынка: уплощить организацию, срезать слой менеджеров, профинансировать инструменты ИИ за счёт экономии. Ловушка пишет себя сама. Конверсия роли приходит (96%), обучение для её поддержки не профинансировано (46% — никакого), а слой, который должен был перевести изменение для нового сотрудника, ликвидирован, чтобы оплатить тот самый ИИ, что запустил изменение. Вы создали начальную роль надзора за ИИ без учебной программы и без надзирателя над надзирателем. Это не бережливая организация. Это вакуум ответственности со строкой в штатном расписании.
Крупные предприятия способны это поглощать какое-то время — у них есть отделы L&D, рамки компетенций и достаточно оставшихся менеджеров, чтобы импровизировать покрытие. Операция на 200 человек — не может. Если вы срезаете слой менеджеров и пропускаете бюджет на обучение, институциональной страховки нет. Новый сотрудник учится, проваливаясь на живой работе, провалы всплывают как проблемы качества, которые ИИ должен был предотвращать, и аргумент о производительности всей инвестиции в ИИ тихо переворачивается.
Контраргумент: «мы просто наймём людей, уже свободно владеющих ИИ»
Разумное возражение оператора, считающего затраты: зачем вообще финансировать обучение? Нанимайте по владению ИИ на входе, проверяйте на собеседовании, пусть рынок труда произведёт навык. Это реальная позиция, и она заслуживает прямого ответа, а не отмахивания.
Она проваливается по двум пунктам. Во-первых, навык, который роль действительно требует, — это не «умение задавать вопросы чат-боту», а суждение в условиях неопределённости модели, способность понять, когда уверенный ответ ошибочен. Это ненадёжно видно в резюме или на 45-минутном собеседовании, а кандидаты, у которых он действительно есть, — именно те, за кого сейчас торгуется каждая компания. Во-вторых, сами данные Pearson подрывают этот фильтр: когда 97% руководителей оценивают мягкие навыки и адаптивность как решающие черты, вы уже нанимаете не по чек-листу инструментов — вы нанимаете по когнитивному профилю, а затем развиваете поверх него предметное суждение. Стратегия «нанимать-не-обучая» предполагает готовый продукт, который рынок не производит в том объёме и по той цене, которые средний рынок может выиграть.
Честный синтез: вы не можете полностью откупиться и не можете полностью «отобучиться». Работает осознанное разделение — отбирать по черте, которая плохо обучается (адаптивность, суждение, скорость обучения), а затем финансировать обучение специфическим навыкам ИИ, которые обучаются хорошо. Компании, которые трактуют это как чисто проблему найма или чисто проблему обучения, обе проиграют тем, кто называет, что есть что.
Что на самом деле приносит интеграция — и почему оставлять разрыв открытым дорого
Причина, по которой это стоит бюджетной битвы, а не сноски: когда ИИ по-настоящему интегрирован в работу, а человек оснащён, чтобы им управлять, отдача не маргинальна. Полевой эксперимент Harvard Business School–BCG над работниками умственного труда показал, что те, кто хорошо использовал ИИ, выполняли задачи примерно на 25% быстрее и производили работу, оценённую примерно на 40% выше по качеству, чем контрольная группа (Harvard Business School & BCG, 2023). Этот прирост — приз по ту сторону разрыва готовности, и он материализуется только тогда, когда оператор системы знает, что делает. Необученный надзиратель не получает прироста качества в 40%; он получает ошибки модели в масштабе.
Итак, 46%, которые не финансируют обучение, ведут операцию не более бережливо, чем 54%, которые финансируют. Они платят полную цену за возможности ИИ и отказываются от множителя, который делает эту возможность прибыльной. Строка обучения — не накладные расходы на инвестицию в ИИ. Это механизм конверсии, который превращает инвестицию в ИИ в отдачу, а не в обязательство.
Решение на этот квартал
Вы не закроете пятилетний сдвиг рабочей силы за один квартал. Но можете сделать одно, что поставит вас на правильную сторону. Возьмите следующую открытую заявку на начальную должность — ту, что написана по старому описанию «выполняй эти определённые задачи», — и перепишите её до публикации. Два изменения: отбирайте явно по адаптивности и суждению в условиях неопределённости, а не по чек-листам инструментов, и приложите к роли названный, профинансированный путь обучения ИИ, чтобы нового сотрудника выстраивали в надзирателя, а не бросали им стать.
Это ход, который 96% видят приближающимся, а 46% не делают. Начальная роль надзора за ИИ приходит в вашу оргструктуру, готовитесь вы к ней или нет. Единственный открытый вопрос — войдёт ли человек, которого вы поставите в неё в следующем квартале, с картой — или станет первым провалом, которым вы оправдаете бюджет на обучение, что следовало профинансировать сегодня.
