Есть устойчивый стереотип: новые технологии — это всегда удел молодых. Так было со смартфонами. Так было с соцсетями. Молодёжь пробует первой, осваивает глубже, а аудитория постарше подтягивается с отставанием в 3–5 лет.
С генеративным ИИ у меня уже второй год складывается совершенно другое ощущение. Среди людей, которых я наблюдаю в индустрии, на конференциях, в рабочих чатах и на Хабре, глубже всех в тему погружены не 22-летние «рожденные цифровыми». А инженеры, архитекторы, тимлиды и — что удивительнее всего — руководители с 15–20-летним опытом. Те самые, кто обычно последними осваивает новый стек.
Возможно, мне просто кажется. Возможно, это ошибка выжившего и именно я чаще вижу таких людей в своём пузыре. Поэтому я решил проверить: есть ли за этим ощущением реальные данные?
Короткий ответ: да, есть. И картина получается намного интереснее, чем «молодые впереди».
Два измерения, которые зачастую путают
Когда мы говорим «кто использует ИИ?», на самом деле мы задаём два совершенно разных вопроса. И ответы на них — противоположные.
1. Ширина (пробное использование) Здесь молодёжь действительно лидирует — и это ожидаемо.
Pew Research и Reuters Institute (2025): 58–59 % американцев 18–29 лет хотя бы раз пробовали ChatGPT или GenAI, среди 50–64 лет — 25 %, среди 65+ — около 10 %.
Reuters Institute: 59 % молодых 18–24 используют GenAI еженедельно против 20 % у 55+.
OpenAI (анализ ~1,5 млн разговоров): примерно половина всех сообщений приходится на пользователей младше 26 лет.
Классический возрастной градиент, как было со смартфонами.
2. Глубина (глубокое, рабочее использование) А вот здесь картина переворачивается.
McKinsey «Superagency in the Workplace» (октябрь 2024, n = 3613): 62 % людей 35–44 лет заявляют об «обширной экспертизе» в GenAI — это максимум среди всех возрастных групп (Gen Z — 50 %).
BCG «AI at Work 2025»: 88 % руководителей и 78 % менеджеров используют GenAI несколько раз в неделю. Среди рядовых сотрудников — только 51 %.
Slack/Salesforce (2025): каждый третий миллениал (28–43 года) использует GenAI ежедневно на работе и перестраивает под него процессы. Gen Z использует часто, но в основном для учёбы и личных задач.
Вывод прост: молодые не отстают. Они используют ИИ на другой территории и с другой отдачей. Именно поэтому исследователи приходят к «противоречивым» выводам — они просто измеряют разные вещи.
В конце статьи я запустил свой опрос. Я не уверен, что статья наберет охват (если, конечно вы вдруг не решите мне помочь и не поделитесь ссылкой с друзьями и коллегами), но уверен что правильно выяснять "Кто и как использует ИИ?"
Исторически когнитивные инструменты всегда начинались с опытных профессионалов
Оказывается, стереотип «молодёжь всегда первая» построен всего на двух ярких кейсах — соцсети (Facebook/Instagram/Snapchat/TikTok) и iPhone. Для инструментов продуктивности картина почти всегда была обратной.
VisiCalc и Lotus 1-2-3 (1979–1987) — первое «бестселлер приложение» ПК. Ранние пользователи — бухгалтеры, аналитики и менеджеры.
Ранний коммерческий интернет (1995–1996) — типичный пользователь: образованный мужчина старше 40 лет.
BlackBerry (2002–2008) — средний возраст 38 лет, 48 % — менеджеры и C-level.
Попался интересный мета-анализ 470 исследований диффузии инноваций (Riverola et al., 2017), который сообщает: возраст — самый слабый предиктор раннего принятия инноваций. Образование и доход влияют в разы сильнее.
GenAI — это гибрид. По скорости охвата он ведёт себя как потребительский продукт, а по глубине — как классический корпоративный инструмент. Поэтому оба утверждения («молодые впереди» и «опытные впереди») одновременно верны — просто на разных осях.
Почему экспертиза даёт огромное преимущество при работе с ИИ
1. Мультипликатор доменного знания
Итан Моллик (Wharton) ввёл понятие jagged frontier — неровной границы возможностей модели. В эксперименте BCG с 758 консультантами те, кто работал внутри своей предметной области, выполняли на 12 % больше задач, на 25 % быстрее и с качеством +40 %. За пределами границы они становились на 19 п.п. хуже контрольной группы. Новичок эту границу просто не видит.
2. Проблема указания
Тайлер Коуэн точно сформулировал: общие вопросы дают общие ответы. Качественный промпт — это функция богатого словарного запаса(оператора), системы знаний и умения декомпозировать задачу. Иначе говоря, функция доменной экспертизы.
3. Верификационная способность
Microsoft (исследование Copilot, 5000+ разработчиков): senior-инженеры на 4,3 % реже принимают предложения модели. Они просто лучше видят плохой код. В итоге джуны получают больший прирост объёма, но архитектурное качество выше у сеньоров.
4. Десятичасовое правило
По экспертным наблюдениям Моллика: чтобы «включиться» в ИИ, нужно около 10 часов осознанных экспериментов. Студент, использующий ChatGPT час в неделю для домашки, порог пересечёт не скоро. Инженер, который каждый день пишет спецификации, пересечёт его за пару дней. Вы ведь уже знаете, что люди делятся на две категории - те кто постоянно расстроен, тем что что "снова уперся в лимит" и тех, кто не понимает как за день можно израсходовать больше 5-часовой квоты :)
Что нашлось по теме на Хабре
Сообщество активно обсуждает эту тему.
diffnotes-tech («Сеньор без AI — это новый джун», апрель 2026) использует понятие «AI-расслоения» и показывает портреты продвинутых пользователей: Стив Йегги (57), Кент Бек (64), Борис Черни.
Руководитель с 20-летним стажем («300 дней с AI-агентами») вернулся к активной разработке через Cursor и Claude и выдал 759 контрибуций за год вместо 18.
st-korn («Вайб-кодинг глазами старого разработчика») показывает, как в руках опытного человека модель даёт качественно другой результат.
Корпоративный кейс K2 («Мы прожили с Copilot год») на 600+ разработчиках: именно сеньоры раскрывают весь потенциал инструмента.
Где гипотеза ломается
Честности ради стоит сказать, что местами картина другая.
Индия (BCG 2025): 92 % использования ИИ — максимум в мире. Внедрение идёт снизу вверх: молодёжь опережает менеджеров.
Дания (Humlum & Vestergaard, PNAS 2025): каждый год возраста снижает вероятность использования примерно на 1 %. Молодые лидируют и по глубине.
METR-эксперимент (2025): разработчики с ИИ работали на 19 % медленнее, но думали, что быстрее. Серьёзное предупреждение всем «100-кратным» кейсам.
Молодые тоже достигают глубины — но в личной и учебной сфере (Сэм Альтман об этом говорил в своих интервью).
Сломанная карьерная лестница: что происходит с наймом
Самое тревожное следствие на апрель 2026 — резкое падение найма джунов.
Stanford Digital Economy Lab и Harvard (данные по 62 млн работников) фиксируют 13–16 % относительное снижение занятости среди 22–25-летних в профессиях, подверженных влиянию ИИ. На Хабре diffnotes-tech («Джуниоров больше не нанимают») приводит цифры Revelio Labs: вакансии начального уровня минус 35 %, доля джунов в найме упала с 15 % до 7 %.
Создаётся парадокс: без джунов через 5–10 лет будет дефицит зрелых профессионалов. Как заметила HR-директор «Диасофт»: «Главная ценность джуна в том, что он когда-нибудь станет сеньором».
Важная оговорка: причинная связь «ИИ → обвал найма» пока не доказана, хотя сомнений почти не осталось. Часть экономистов связывает падение с циклом рынка.
Мои выводы
Гипотеза «с GenAI всё наоборот — ветераны впереди» отчасти подтверждается, но требует уточнения.
Дело не в возрасте как таковом. Настоящие переменные — это доменная экспертиза + должностной рычаг + способность верифицировать модель. У 40-летнего инженера они есть. У 22-летнего стажёра пока нет.
Но у 22-летнего, который целенаправленно строит экспертизу и учится работать с ИИ как «кентавр» (термин я Harvard Business School - человек, который стратегически разделяет труд с ИИ, сохраняя полный контроль), через 10 лет может сформировать профиль мощнее, чем у любого предыдущего поколения. Хотя, что будет через 10 лет предсказывать уже никто не берется :)
Теория диффузии инноваций не отменяется — она уточняется. Для когнитивных инструментов «early adopter» определяется не годом рождения, а образованием и профессиональным положением.
Для тех, кому за 35: ваша экспертиза — это именно тот ресурс, который ИИ умножается сильнее всего.
Для тех, кому до 25: ИИ не отменяет необходимости строить фундамент. Делегировать думание модели, не имея собственной системы координат, — значит умножать ноль.
И последнее наблюдение. Количественных данных по AI-adoption в разрезе «грейд × возраст» для русскоязычного рынка как-то не обнаружилось. Хабр, HH, GetMatch, Хабр Карьера — пока никто похоже не публиковал подробный срез. Разве что вот: 38% специалистов считают ИИ полезным помощником на работе
Если у кого-то из читателей есть такие данные - добро пожаловать в комментарии.
Источники
Глобальные исследования и отчёты:
McKinsey «Superagency in the Workplace» (Oct 2024, n=3 613) — ИИ-экспертиза по возрастным когортам
BCG «AI at Work 2025» — использование по уровням должности, региональные данные (Индия 92%)
Pew Research (Feb 2025) — охват использования ChatGPT по возрастам в США
Reuters Institute (2025) — еженедельное использование GenAI по возрастам
Microsoft Work Trend Index (2024) — определение продвинутого пользователя, корреляция с CEO-сигналом
Anthropic Economic Index — концентрация использования Claude по профессиям и доходу
OpenAI/NBER (Chatterji, Cunningham, Deming, 2025) — демография ChatGPT на ~1,5 млн разговоров
Stanford Digital Economy Lab (Brynjolfsson et al., 2025) — занятость по возрастам в профессиях, подверженных влиянию ИИ
Harvard (Hosseini & Lichtinger, 62 млн работников) — найм начинающих специалистов после GenAI
HBS/BCG jagged frontier study (Dell'Acqua et al., 758 консультантов) — ИИ на задачах внутри/вне границы возможностей модели
Microsoft Copilot study (Cui, Demirer, Jaffe et al., 5 000+ разработчиков) — частота принятия предложений по уровню опыта
Humlum & Vestergaard (PNAS 2025, Дания, 18 000 работников) — возраст и вероятность использования
METR experiment — ИИ и скорость разработки (−19%)
Riverola et al. (2017) — мета-анализ 470 исследований диффузии инноваций
Economic Innovation Group (Iscenko & Millet, Jan 2026) — контраргумент к причинной связи ИИ и падения найма начинающих
Публикации на Хабре: