Чи замінить AI джунів? Правильне питання звучить інакше

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Привіт! Я Анна Корж, CHRO в компанії-платформі Kiss My Apps. І якщо ви — джун, який щоранку починає з думки: «Ну все, чергова нейромережа навчилася кодити/писати/дизайнити, мені кінець», у мене для вас дві новини. Традиційно — хороша і погана.

Погана: правила гри, до яких усі звикли, більше не діють. Те класичне ІТ, де можна було зайти «на легких налаштуваннях», зазубрити кілька фреймворків і місяцями перебирати дрібні рутинні таски в беклозі, залишилося в минулому.

Хороша новина: якщо ви застрягли в паніці, ви просто дивитесь не в той бік. Ринок не стиснувся — він трансформувався. І замість того, щоб рефлексувати над заголовками про «кінець епохи», давайте розбиратися, що відбувається з індустрією насправді.

Що насправді зникає — і що з’являється натомість

Зникає конкретна точка входу, а не вхід як такий. Те, що автоматизувалося — це «grunt work»: ручне написання типового коду, стандартна розмітка даних, перші чернетки документів. Саме це раніше було школою, де початківці вчилися через повторення простих задач. Тепер цю школу автоматизували — і вхідна планка виросла. Саме завдяки інструментам, що дають змогу початківцю одразу працювати на рівні, який раніше був доступний умовному мідлу.

Коли старі рутинні ролі оптимізуються, простір навколо не порожніє — він природно еволюціонує. Причому на всіх рівнях — від топів до інтернів. Ми добре відчули це на власному досвіді, коли відкривали позицію Head of L&D. Починали з досить класичного опису ролі: процеси, формати навчання, методологія. Але за пів року, поки фіналізували стратегію розвитку талантів, стало очевидно: класичний підхід уже не покриває нових можливостей.

Ця роль трансформувалася в оркестратора системи AI-тьюторів та AI-менторів, де навчання автоматично вбудовується в цикл життя співробітника за допомогою агентів. І ось тут з’являється абсолютно новий пласт задач для джунів. Хтось має ці системи налаштовувати, тестувати, писати для них бази знань та валідувати відповіді. Рутинне заповнення табличок зникло, але з’явилася потреба в гнучких асистентах, які керують цими AI-процесами.

Ринок адаптується миттєво. Тож питання не «чи замінять мене», а «чи встигну я стати тим, кого шукають у новій конфігурації».

Ця трансформація руйнує і сам міф про те, що професійний шлях — це обов’язково вертикальне, лінійне зростання. Раніше все було передбачувано: ти приходив продакт-менеджером і через кілька років міг стати CPO або піти у підприємництво. Лінійний ріст, зрозумілий горизонт. Зараз найбільший злам у тому, що кар’єра розвивається нелінійно — і це відкриває можливості, яких раніше у початківців просто не існувало. Крос-функціональність стала суперсилою, яка дозволяє джуну рухатися вбік і вглиб значно швидше, перестрибуючи класичні сходинки.

У нас всередині є хороший приклад: продакт дизайнер в межах власної ініціативи під час спринту зібрав і протестував paywall — сформував дизайнерські гіпотези, написав код, зібрав першу аналітику і пройшов весь шлях від ідеї до результату. Це і є нова норма для старту: ти береш інструменти і закриваєш задачу від нуля до одиниці самостійно, не чекаючи, поки тобі виділять команду розробників чи аналітиків.

Саме тому зараз починають цінуватися люди з високою швидкістю адаптації, а не ті, хто планує повільно зростати за вислугу років, виконуючи одну вузьку функцію. Для джуна це насправді чит-код: ти можеш обігнати тих, хто на ринку довше, просто за рахунок того, що швидше опануєш нові інструменти. І це логічно змінює фокус тих, хто цих людей наймає.

Що ми шукаємо в джунах насправді

Попри загальний скепсис, компанії не відмовляються від початківців. Наприклад, минулого року у нас близько 40% від загального найму — це джуни. Ми свідомо робимо на це ставку. Виростити сильного спеціаліста всередині банально вигідніше, ніж хантити готових мідлів і сеньорів на перегрітому ринку. Плюс людина, яка сформувалася у конкретній культурі, розуміє продукт і процеси так, як зовнішній кандидат не зрозуміє ніколи.

Але ця стратегія працює за однієї умови: джун має приходити з правильними мета-скілами. Не з конкретним зазубреним стеком, а з вмінням вчитися, критичним мисленням і готовністю одразу братися за складніші задачі. На практиці все зводиться до чотирьох базових речей:

• Швидкість навчання. Здатність за 2–3 місяці освоїти нову область і почати видавати результат. Це навичка номер один.
• Вміння ставити питання. Навіть коли працюєш з AI — якісний результат отримує той, хто вміє чітко сформулювати задачу і декомпозувати проблему. Хто не вміє — отримує щось схоже на відповідь, але зовсім не те, що потрібно. Я завжди кажу: став питання. Особливо якщо здається, що воно дурне.
• Інженерний спосіб мислення. Здатність розкласти будь-яку задачу на складові, побачити систему за хаосом. Це те, чому важко навчити, але можна опанувати через практику і рефлексію.
• Емпатія і емоційний інтелект. Поки рутину виконують агенти, людська частина роботи — комунікація, колаборація, розуміння контексту — стає ціннішою. Робота з AI-агентами з часом перейде в категорію хард-скілів на кшталт Excel. А вміння будувати довіру і розуміти людей залишиться перевагою.

Звісно, задекларувати емпатію чи системне мислення в резюме легко — папір стерпить усе. Тому реальна перевірка цих навичок починається вже під час безпосереднього спілкування, де ми шукаємо відповіді через конкретні питання-маркери.

Як це виглядає на співбесіді

Одне з таких питань звучить просто: «Розкажи про фідбек, який тобі був неприємний і, як тобі здалося, несправедливий. Як ти зрозумів, що він несправедливий, і що зробив далі?». Це питання взагалі не про фідбек — воно про те, чи здатна людина до рефлексії і самоаналізу. Чи вміє вона проживати складні ситуації і говорити про них чесно.

Ця ж логіка і проходить трансформацію для тестових завдань. Ми зараз впроваджуємо новий підхід: замість «покажи PDF з досягненнями» просимо «покажи процес, який ти сам для себе автоматизував». Які в тебе промпти, як ти їх будував, що вийшло на виході. Навіть маленький особистий проєкт, зібраний «на коліні» за вихідні, показує реальний потенціал краще за будь-яке стандартне резюме.

До речі, саме ставлення до свого резюме — це перший маркер того, як людина взаємодіє з технологіями. Якщо ви ще не робили цього — візьміть своє CV, опис вакансії, яка вас цікавить, і попросіть AI підказати, як підсвітити ваш досвід, щоб він виглядав максимально релевантним для цієї позиції. Це 5 хвилин роботи. Але дивно, наскільки більшість кандидатів до цього просто не доходить, продовжуючи розсилати холодні однотипні файли замість того, щоб увімкнути винахідливість.

Що зробити вже зараз

Якщо ви не хочете опинитися серед тих, хто просто чекає, поки ринок «потеплішає», це варто заземлити у конкретні кроки.

По-перше, визначте, що саме буде потрібне у вашій сфері за наступні 3–6 місяців. Не абстрактне «вивчити AI», а щось прикладне: автоматизувати власний workflow, зібрати робочий прототип під конкретну задачу, розібратися з агентами у своїй ролі. Вайбкодьте — незалежно від спеціалізації.

По-друге, інвестуйте в англійську. Вона дає прямий доступ до першоджерел: кращих інструментів, свіжих ком’юніті та глобальних ринків. Без неї ви просто не зможете повноцінно освоїти та застосувати топові AI-інструменти, адже вся передова база знань з’являється саме англійською. А вміння працювати з технологіями зараз конвертується у реальний дохід.

Наприклад, за даними PwC Global AI Jobs Barometer 2025, працівники з AI-скілами заробляють у середньому на 56% більше, ніж колеги на тій самій позиції без них. Тож англійська тут — це ваш прямий місток до тієї навички, яку ринок уже зараз оцінює значно дорожче.

Висновки

Тож так, якщо говорити відверто, ринок став жорсткішим. Тут важливо не плутати два різні поняття. Поріг входу в компанії справді став вищим: базових знань і готовності перебирати папірці чи писати шаблонний код уже недостатньо — цю рутину забрали технології. Але водночас бар’єр для реалізації власних ідей ніколи не був таким низьким. Тобі більше не потрібна команда розробників чи великий бюджет, щоб створити робочий прототип, запустити мікропроєкт чи протестувати гіпотезу за вихідні. AI став безкоштовним плечем, яке зрівнює початківця з невеликою студією.

Тому для тих, хто вміє швидко вчитися, мислить системно і приходить до роботодавця не з питанням «чого ви мене навчите», а з готовим кейсом того, що вже зміг зібрати самостійно — це найкращий час за останнє десятиліття.

Питання сьогодні не в тому, «чи замінить AI джуна». Питання в тому, який джун залишиться незамінним. І відповідь на нього залежить тільки від вас.