AI-расслоение

В HR Tech мы привыкли к простому правилу: новые технологии — это всегда про молодёжь. Смартфоны, соцсети, TikTok — подростки и студенты первыми «загорались», а старшие поколения подтягивались через 3–5 лет. С генеративным ИИ всё оказалось иначе. Уже второй год наблюдаем переворот: глубже всего в тему погружаются не 22-летние «цифровые аборигены», а инженеры, архитекторы, тимлиды и даже руководители с 15–20-летним стажем. Это не просто ощущение из «пузыря» конференций и чатов. Данные (как глобальные, так и российские) показывают чёткую картину: по охвату молодые действительно впереди, а по глубине рабочего использования лидируют опытные. И именно это расслоение уже ломает привычные карьерные лестницы.

Два измерения использования ИИ: ширина vs глубина

Когда мы говорим «кто использует ИИ», на самом деле спрашиваем два разных вопроса.

Ширина (пробное использование)

Здесь классика: молодёжь лидирует. По данным ВЦИОМ (2025), 73 % россиян хотя бы раз за год пробовали нейросети, а 51 % — еженедельно или чаще. Среди 18–35-летних интерес к обучению ИИ выше, чем у старших. Аналогично и в мире: 58–59 % среди 18–29 лет против 10–25 % у 50+.

Глубина (рабочее, системное применение)

Здесь картина переворачивается. Миллениалы и опытные специалисты (35–44 года) чаще используют генеративный ИИ ежедневно для перестройки процессов. В корпоративных исследованиях руководители и менеджеры показывают 78–88 % регулярного использования против 51 % у рядовых сотрудников. Средний возраст ИИ-инженера — около 39 лет, а не 28, как в мобильной разработке или крипте.

В России поляризация ещё сильнее. По данным MWS AI и MTS AdTech (март 2026), только 24 % трудоспособного населения России в возрасте до 64 лет регулярно используют чат-боты на базе генеративного ИИ. Большинство даже не имеет удобного доступа (нужны обходные пути, VPN, отечественные сервисы вроде GigaChat). Кто смог настроить доступ — тот активно интегрирует ИИ в работу. Остальные часто застревают на уровне «нарисуй картинку» или «что приготовить». Как отметила коллега в обсуждении: взрослые часто спрашивают «а что ещё с ним можно делать?», потому что без опыта сложно направить инструмент и проверить результат. Это как старший специалист, который учит младшего не просто выполнять задачу, а думать.

Почему доменная экспертиза даёт суперсилу

Генеративный ИИ — это не «волшебная палочка», а инструмент с неровной границей возможностей. Опытные специалисты выигрывают по четырём причинам:

1. Мультипликатор знаний

Они работают внутри своей предметной области, где ИИ даёт +40 % качества и скорости. За пределами — результат хуже, чем у человека без ИИ.

2. Качественный запрос к модели

Богатый словарь, умение разбить задачу на части и задать правильный контекст — это функция 15-летнего опыта, а не молодости.

3. Проверка результата

Старшие инженеры реже принимают неверные предложения модели. В итоге младшие получают прирост по объёму, а опытные — по качеству.

4. Правило десяти часов

Чтобы по-настоящему «включиться», нужно около 10 часов осознанных экспериментов. У инженера, который каждый день пишет технические задания, это происходит за пару дней. У студента, использующего ИИ раз в неделю для учёбы, — месяцы.

Российская специфика: доступ как фильтр и отсутствие данных

В РФ масштабных исследований «возраст × уровень должности × глубина использования» почти нет (или они не публикуются широко). Вакансии чаще говорят о «руководящей роли ИИ», статистика скудная. Зато ясно: 71 % крупных компаний уже внедрили генеративный ИИ хотя бы в одной функции (Яков и Партнёры / Yandex и др., 2025). Рынок вырос в 5 раз — до 58 млрд руб. Но барьеры (доступ, санкции, предпочтение отечественных моделей) создают дополнительный фильтр. Поляризация выше, чем на Западе: кто нашёл способ — тот в игре. Остальные остаются на уровне «попробовал разок».

Что это значит для HR: сломанная лестница и новые вызовы

Самое тревожное — резкое падение найма младших специалистов.В профессиях, где ИИ берёт рутину, занятость 22–25-летних снизилась на 13–20 %. Вакансии junior-уровня минус 35 %. Через 5–10 лет мы рискуем получить дефицит старших специалистов: «главная ценность младшего в том, что он когда-нибудь станет старшим». HR уже чувствуют это. Нужно перестраивать:

• • Обучение для всех. Не только молодёжь — опытные тоже нуждаются в программах по работе с ИИ. Но с акцентом на проверку результатов и подход «человек + ИИ под полным контролем человека».
• • Обратное наставничество. Младшие могут учить старших быстрым запросам к модели, старшие — доменной экспертизе.
• • Оценка навыков. В вакансиях и оценках добавлять «уровень владения ИИ»: как человек использует инструмент на реальных задачах.
• • Сохранение карьерной лестницы. Создавать «ИИ-стажировки» и гибридные роли, где младший учится не просто выполнять задачи, а работать с моделью под присмотром.

Молодые не отстают — они просто используют ИИ в другой сфере (учёба, личные задачи). Но без фундамента экспертизы они рискуют умножать ноль. А ветераны, у которых есть знания + влияние, получают мощный мультипликатор.

Вывод для HR Tech

Теория распространения инноваций не отменяется — она уточняется. Для инструментов, которые помогают думать, первые пользователи определяются не годом рождения, а образованием, опытом и должностью. В России это особенно заметно из-за дополнительных барьеров доступа. Для тех, кому за 35: ваша экспертиза — главный конкурентный плюс в эпоху ИИ. Для тех, кому до 25: ИИ не отменяет необходимости строить собственную систему знаний. Делегировать размышления без неё — значит умножать ноль. Если у вас есть данные по российскому рынку (HH, GetMatch, внутренние исследования компаний) — делитесь в комментариях! Нам всем нужно понимать, как именно генеративный ИИ меняет pipeline талантов в РФ.

Источники

• • McKinsey «Superagency in the Workplace» (октябрь 2024)
• • BCG «AI at Work 2025»
• • ВЦИОМ (2025) — использование нейросетей в России
• • Pew Research и Reuters Institute (2025)
• • MWS AI и MTS AdTech (март 2026) — использование генеративного ИИ в России
• • Яков и Партнёры / Yandex (2025) — рынок ИИ в РФ
• • Stanford Digital Economy Lab и Harvard (2025)
• • HBS/BCG — исследование «неровной границы» возможностей модели
• • Microsoft — исследование Copilot (5000+ разработчиков)
• • diffnotes-tech («Сеньор без AI — это новый джун», апрель 2026, Хабр)