Сколько раз ты открывал вакансию и думал: «Что вообще сейчас хотят работодатели? Какие навыки писать в резюме, чтобы позвали на собеседование?» А сколько раз отправлял резюме и получал тишину — просто потому, что оно не совпало с тем, что реально ищут? Мы сделали инструмент, который убирает эти догадки.   На платформе ПоискВакансий.РФ вышел новый раздел — Аналитика рынка по специальностям. Это не статьи-пересказы и не советы из ниоткуда. Это портреты профессий, собранные из реальных вакансий, которые открыты прямо сейчас.   Что такое Аналитика рынка   Каждая статья в разделе — это портрет одной специальности. Мы собрали в неё всё, что работодатели сегодня пишут в вакансиях: навыки, требования, ключевые фразы, распределение по опыту и зарплатные вилки.   Ты открываешь свою специальность — и видишь рынок таким, какой он есть, а не каким его описывают в общих статьях «как найти работу».   Как это работает: технология «Ловец навыков»   Отчёты создаются по специальностям и технологиям на основе технологии машинного обучения — «Ловец навыков».   Вот в чём ключевая разница.   Нейросети часто выдумывают. Они могут «дорисовать» навык, которого в вакансиях нет, или придумать формулировку, которая звучит красиво, но на рынке не встречается. Если строить резюме на таких подсказках, легко промахнуться.   «Ловец навыков» так не делает. Он не сочиняет ключевые слова — он собирает их из текущих вакансий и ранжирует по частоте встречаемости. То есть на первом месте оказывается не то, что «звучит солидно», а то, что работодатели действительно пишут чаще всего.   Ты видишь не мнение алгоритма. Ты видишь реальную картину рынка.   Главное преимущество: навыки различаются по уровням   Вот что важно понимать и чего не даёт ни одна нейросеть.   Навыки для разных уровней специалистов — разные. Junior, middle, senior и руководитель — это не «одно и то же, только с разным количеством лет опыта». У них отличаются требования, инструменты, зона ответственности и то, что работодатель вообще считает важным.   А нейросеть по умолчанию всегда предложит одно и то же. Спросишь у неё «какие навыки нужны маркетологу» — получишь универсальный набор, усреднённый, без разбивки по опыту. Потому что модель не знает, кто ты: джун, который ищет первую работу, или руководитель, который претендует на управленческую позицию.   В итоге ты получаешь совет, который вроде бы звучит правильно, но к твоей конкретной ситуации не подходит. Или наоборот — ты берёшь популярные общие навыки, а работодатель на твоём уровне ждёт совсем другого.   В Аналитике рынка мы разбиваем данные по уровням опыта. Ты смотришь свою специальность и видишь, что важно именно на твоём уровне: какие навыки в топе, какие фразы встречаются, какие вилки. Не усреднённая картинка «для всех», а срез под твою ситуацию.   Что внутри отчёта   Разберём на примере. Вот как выглядит портрет специальности «Интернет-маркетолог» (данные на 22 сентября 2026).   Топ навыков   Самые частые навыки в вакансиях интернет-маркетолога: 1. яндекс.директ 2. интернет-реклама 3. контекстная реклама 4. google analytics 5. яндекс.метрика 6. seo 7. google adwords 8. реклама 9. грамотность 10. копирайтинг   Обрати внимание: «грамотность» стоит на 9 месте. Это не про «пиши без ошибок» из вежливости — работодатели реально указывают это как требование.   Ключевые фразы   Помимо навыков, отчёт показывает живые формулировки из вакансий. Самая частая — «Ведение рекламных кампаний». Дальше идут: «Опыт в яндекс директе», «Работал с яндекс метрикой», «Контент и социальные сети», «Управление контекстной рекламой».   Это готовые формулировки, которые можно использовать в резюме — не выдуманные, а взятые из реальных объявлений.   Зарплатные вилки по опыту в открытых вакансиях   Средняя зарплата «от»: — нет опыта — 33 525 ₽ — от 1 до 3 лет — 61 259 ₽ — от 3 до 6 лет — 69 547 ₽ — от 6 и более — 116 000 ₽   Средняя зарплата «до»: — нет опыта — 49 066 ₽ — от 1 до 3 лет — 44 293 ₽ — от 3 до 6 лет — 46 271 ₽ — от 6 и более — 146 000 ₽   Такие цифры помогают понять, какие зарплаты заявляются на рынке - дальше уже все в твоих руках.   Кому это полезно   Соискателям: — подготовить резюме под реальные требования, а не под свои догадки — понять, какие навыки в цене именно на твоём уровне — увидеть вилку по своему опыту — понять, куда расти: какие навыки из топа у тебя есть, а каких не хватает   Работодателям: — понять, какие требования ставят другие компании на том же уровне — не завышать и не занижать планку   Тем, кто думает о смене профессии — увидеть, из чего состоит специальность до того, как в неё идти — понять, какие навыки нужно подтянуть, чтобы выйти на рынок   Отчёт в Аналитике рынка — это срез на конкретную дату. У каждой статьи указана дата создания исследования. Ты видишь, насколько данные свежие, и понимаешь, можно ли на них опираться.   Плюс сама методика прозрачна: сбор данных из публичных вакансий, нормализация навыков и фраз с помощью NLP-моделей, ранжирование по частоте. Никаких «мы поговорили с экспертами и вот их мнение».   И главное — данные разбиты по уровням опыта. Ты не получаешь усреднённый совет для всех, как это делает нейросеть. Ты видишь то, что нужно именно на твоём уровне.     Переходи в раздел Аналитика рынка на ПоискВакансий.РФ, выбирай свою специальность — и смотри, что актуально именно для тебя.

2 октября 2026

Статья 64 ТК РФ даёт соискателю право потребовать письменное объяснение отказа. На практике этим правом почти никто не пользуется — и не потому, что люди его не знают. А потому, что оно не встроено в процесс найма.  Как выглядит процесс сегодня Соискатель откликается на вакансию. Через час приходит автоотказ. Или через неделю — молчание. Или через две — шаблонное «мы выбрали другого кандидата». Кто принял решение? Непонятно. Бот, который отсортировал резюме по ключевым словам? Рекрутер, который просмотрел 300 откликов за день? Нанимающий менеджер, который сказал «не то»? Платформа, которая показала резюме не тем людям? Никто не знает. И это не баг. Это система. Три разрыва, из-за которых права не работают Разрыв первый: отклик ≠ заявление Закон говорит о «лице, которому отказано в заключении трудового договора». Чтобы стать таким лицом, нужно, чтобы работодатель отказал вам в заключении договора. А чтобы он мог отказать, вы должны сначала предложить ему этот договор заключить. Отклик на вакансию — это не предложение заключить договор. Это предложение рассмотреть вашу кандидатуру. Юридически — разные вещи. Суды это подтверждают: направление резюме через сайт поиска вакансий и даже прохождение собеседования не может рассматриваться как обращение с требованием о заключении трудового договора . А значит, и ответные действия работодателя — в том числе автоотказ — не являются отказом в трудоустройстве в юридическом смысле. Разрыв второй: автоотказ ≠ решение человека Автоотказ на hh.ru — это не «отказ в заключении трудового договора». Это «отклонение отклика». Формально — техническое действие системы. Юридически — ничего. Соискатель получает шаблонное сообщение. Иногда — без указания причин. Иногда — с формулировкой «не подходит по опыту». Конкретная причина отказа соискателю не показывается. И потребовать её он не может, потому что юридически отказа и не было. Разрыв третий: право есть, но механизма нет Даже если вы знаете свои права, встроить их в процесс не получается. Чтобы получить мотивированный отказ, нужно подать отдельное письменное заявление о приёме на работу . Не строчку в сопроводительном, не сообщение в чате, а формальный документ — через канцелярию или заказным письмом. Представьте это в реальности. Вы пришли на первое интервью. Поговорили. И достаёте бумагу: «Прошу принять меня на должность. Вот заявление, поставьте отметку о получении». Что произойдёт? В лучшем случае — неловкая пауза. В худшем — вас сочтут странным. Это нарушает социальный сценарий найма. Работодатель воспринимает это как давление. Рекрутер положит бумагу в папку. Или не положит. Механизм существует в теории. На практике он превращает живого человека в юридического зануду. И почти никто так не делает. Почему суды чаще отказывают соискателям Даже если вы всё сделали правильно — подали заявление, получили немотивированный отказ, пошли в суд — результат предсказуем. В большинстве дел суды встают на сторону работодателя. Причины: - Свобода трудового договора. Заключение договора — исключительная компетенция работодателя. Суд не может обязать взять конкретного человека. - «Деловые качества» — широкое понятие. Опыт, образование, личностные качества, состояние здоровья, специфика работы. Доказать, что отказ связан с чем-то иным, крайне сложно. - Бремя доказывания на соискателе. Именно вы должны доказать дискриминацию или необоснованность. Простого несогласия недостаточно. - Формальное соблюдение процедуры. Если работодатель сослался на «деловые качества» — даже общими словами — суд часто считает это достаточным. Статистика это подтверждает: если в 2021 году работодатели выигрывали 82% таких споров, то в 2025 году — уже 49,5%. Ситуация меняется, но всё ещё далека от справедливой. Где именно проходит серая зона и способы изменения Серая зона — это пространство между «право существует» и «право работает». Вот её границы: Ответственность за отказ не закреплена ни за кем. Алгоритм не отвечает. Рекрутер не отвечает. Платформа не отвечает. Нанимающий менеджер не отвечает. Каждый может сказать: «Это не я». Что нужно изменить Проблема не в том, что соискатель не знает своих прав. Проблема в том, что эти права не встроены в процесс. И пока они не встроены, никакое заявление после первого интервью ситуацию не изменит. Что должно быть встроено: 1. Маркировка ИИ-решений. Соискатель должен знать, что отказ принял алгоритм, а не человек. 2. Запрет автоотказа. ИИ может пригласить или передать человеку. Но не выкинуть молча. 3. Понятные критерии . Не «63%», а по каким требованиям совпало, а по каким нет. 4. Кнопка «Запросить объяснение» . Прямо в интерфейсе отклика. Без заявлений и канцелярии. 5. Ручная проверка . С понятным SLA. Возможность выйти на живого рекрутера. 6. Апелляция . Если кандидат не согласен — он может оспорить решение. 7. Ответственность. Конкретный человек, который подписывается под отказом. Главное Право на объяснение отказа существует. Но оно не универсально и не автоматично. Чтобы оно заработало, соискателю нужно создать юридический факт — подать заявление. А это в реальной жизни почти никто не делает, потому что процесс найма устроен иначе. Так что проблема не в юридической безграмотности соискателей. Проблема в том, что система не предполагает их прав по умолчанию. И пока это не изменится — на уровне платформ, практики и законодательства — серая зона ответственности будет только расти. А вместе с ней — количество людей, которые получили отказ и так и не поняли, почему.

29 сентября 2026

ИИ не просто забирает работу. Он создаёт новые рабочие места. И вот что важно: это не только «промпт-инженер» и «ML-разработчик». Это целая экосистема ролей, которые ещё два года назад не существовали. Кто-то должен проверять модели на предвзятость, кто-то — тренировать нейросети на профессиональных данных, кто-то — взламывать ИИ-системы до того, как это сделают злоумышленники. Gartner в 2026 году разбил все ИИ-роли на три группы: Emerging (новые, закрывают пробелы в ответственности), Must-have (ядро команды) и Operational (те, кто запускает систему в ежедневную эксплуатацию). Ниже — карта по этим группам с описанием, требованиями и примерными зарплатами. Группа 1: Emerging AI Roles (новые роли) Это те, кого ещё год назад не было. Они закрывают пробелы, которые появились, когда ИИ начал ошибаться, галлюцинировать и дискриминировать. Model Validator (Валидатор моделей) > Что делает: тестирует модели как аудитор тестирует бухгалтерские книги. Ищет скрытую предвзятость, слабые edge cases, дрейф модели во времени и плохие сценарии оценки. Превращает «работает в демо» в «работает в реальной жизни». >> Что нужно: понимание ML, статистика, опыт тестирования, критическое мышление. Knowledge Engineer (Инженер знаний) > Что делает: превращает хаотичные знания компании в топливо для ИИ. Строит мост между документами, политиками, спецификациями, тикетами поддержки и «племенным знанием», которое живёт в головах сотрудников. Делает ответы ИИ обоснованными и последовательными. >> Что нужно: системное мышление, опыт работы с базами знаний, таксономия, понимание RAG-систем. Decision Engineer (Инженер решений) > Что делает: соединяет выходные данные ИИ с реальными бизнес-действиями. Проектирует решающие потоки, пороги, human-in-the-loop шаги и эскалационные пути. Следит, чтобы ИИ поддерживал стратегию, а не создавал шум. >> Что нужно: бизнес-аналитика, понимание процессов, работа с KPI, проектирование workflow. AI Red Teamer (ИИ-редтимер) > Что делает: симулирует атаки на ИИ-системы. Ищет prompt injection, jailbreak, утечки данных, предвзятость и safety failures до того, как это сделают реальные злоумышленники. Microsoft сформировала первую команду AI Red Team ещё в 2018 году, но роль взорвалась после 2023-го. >> Что нужно: опыт в кибербезопасности (или лингвистике, психологии — команды Microsoft включают нейроучёных и лингвистов), понимание LLM-поведения, prompt engineering, тестирование моделей. AI Ethicist / AI Auditor (Специалист по этике ИИ / ИИ-аудитор) > Что делает: следит за тем, чтобы ИИ соответствовал человеческим и корпоративным ценностям. Fairness, bias, privacy, consent, transparency, explainability, harm prevention. Рассматривает этику как требование к сборке, а не как PR-заплатку. На 2026 год уже существует европейский стандарт компетенций для профессиональных ИИ-этиков (prEN 18274), который описывает знания, навыки и установки для этой роли. >> Что нужно: понимание ML и LLM, знание регуляторики (EU AI Act и др.), философия/этика, аудиторское мышление, умение работать со стейкхолдерами. AI Risk & Governance Specialist (Специалист по рискам и управлению ИИ) > Что делает: разрабатывает и оценивает модели управления ИИ, aligns AI-инициативы с бизнес-стратегией и регуляторными ожиданиями (например, EU AI Act). Идентифицирует специфические риски: безопасность, целостность модели, качество данных, зависимости от третьих сторон. >> Что нужно: опыт в risk management, compliance, юриспруденции или аудите. Понимание AI/ML на уровне достаточном для оценки рисков. Agent Auditor (Аудитор агентных систем) > Что делает: новая профессия, которая только формируется. Мониторит, аудирует и управляет агентными системами в масштабе. Существующие организационные роли не приспособлены для этого — отсюда и появление отдельной специальности. >> Что нужно: понимание агентных архитектур, аудит, governance. Группа 2: Must-have AI Roles (ядро команды) Эти роли существовали и раньше, но в 2026 году они изменились. AI Trainer / ИИ-тренер > Что делает: не просто использует нейросети, а формирует их «личность» и знания. Собирает и классифицирует тысячи диалогов для чат-бота, учит модель распознавать эмоции, размечает изображения для компьютерного зрения. Тестирует и корректирует: задаёт сложные вопросы, анализирует сгенерированные тексты по критериям точности, полноты, безопасности и стиля. Борется с «галлюцинациями». >> Что нужно: профильное образование в своей области (медицина, юриспруденция, финансы и т.д.), структурное мышление, умение выстраивать однозначные инструкции. Опыт в разработке ИИ **не требуется** — важны знания в предметной области. Prompt Engineer / Промпт-инженер > Что делает: управляет нейросетями с помощью текста. Проектирует логику ответов LLM так, чтобы они были точными, понятными и предсказуемыми. Настраивает тон, формат, ограничения, контекст. Тестирует необычные запросы и закладывает guardrails. >> Что нужно: понимание LLM, prompt design, коммуникация, креативное решение проблем. По данным исследования 2026 года, промпт-инженерам нужны AI-знания (22,8%), навыки промпт-дизайна (18,7%), коммуникация (21,9%) и креативность (15,8%). Важный нюанс: в 2026 году роль промпт-инженера трансформируется. Microsoft опросила 31 000 работников, и Prompt Engineer занял второе место с конца по приоритетам найма. Количество вакансий упало на 85% с 2023 года. Но навык не умер — он эволюционировал в проектирование мультиагентных архитектур, RAG-систем и production-ready guardrails. То есть чистый промпт-инженер уходит, а «инженер, который умеет проектировать поведение ИИ» — остаётся. AI Product Manager (Продуктовый менеджер ИИ) > Что делает: владеет продуктами, где ядро опыта driven не фиксированными бизнес-правилами, а моделью. В 2026 году AI PM должен понимать LLM, RAG, агентов, evals, AI UX, trade-offs моделей и AI-экономику — а не просто писать PRD. >> Что нужно: классические PM-навыки + AI/ML-грамотность + AI product sense. Data fluency — обязательна. AI Orchestrator (Оркестратор ИИ) > Что делает: координирует работу множественных ИИ-агентов для получения сложного результата. Соединяет разные workflow и части бизнеса. Проектирует экосистему, в которой работают агенты, устанавливает приоритеты, определяет границы и гарантирует, что автоматизированные решения align с бизнес-стратегией. >> Что нужно: системное мышление, понимание агентных архитектур, коммуникация, умение видеть картину целиком. Техническое совершенство — **не** главное. Главное — дизайн коллаборации человека и ИИ. Группа 3: Operational Roles (запуск в эксплуатацию) Эти роли масштабируют то, что построили первые две группы. MCP Engineer (Инженер MCP) > Что делает: проектирует, строит и поддерживает MCP-серверы (Model Context Protocol), которые выставляют корпоративные инструменты, данные и API для ИИ-агентов. Разрабатывает переиспользуемые коннекторы и адаптеры для внутренних и внешних систем. >>Что нужно: 5+ лет в software engineering, API integration, data engineering. Понимание протоколов интеграции и безопасности. Data Labeler / Data Annotation Specialist (Разметчик данных) > Что делает: размечает данные — текст, аудио, изображения, видео — чтобы модели могли учиться. Отмечает пешеходов и машины на street view, произношение и смысл речей, семантику и экспрессивные нюансы текстов. >> Что нужно: базовые навыки, систематичность, внимательность. Для 5-го уровня (начального) — достаточно пройти системное обучение. Студенты и даже учащиеся средних специальных заведений могут участвовать. Важно: в 2020 году профессия «AI-тренер» была внесена в государственный классификатор профессий России, а data labeler — ключевой вид работы в этой категории. Сегодня в отрасли более 10 миллионов разметчиков, но дефицит всё ещё высокий. Bug Bounty Hunter (Баг-баунти-хантер) > Что делает: независимый исследователь безопасности, который находит уязвимости в системах и сообщает о них вендорам через программы bug bounty или coordinated disclosure в обмен на денежное вознаграждение и признание. >> Что нужно: глубокое понимание веб-безопасности (OWASP Top 10), IDOR, OAuth-уязвимостей, business logic flaws. Для 2026 года — специализация: облачные конфигурации, API-logic-flaws, AI safety, специфическое enterprise-ПО. Важный тренд 2026: generic bug hunting насыщается. Специализация в узких областях даёт премиальные выплаты. Многие хантеры переходят в AI red teaming. Если вы думаете, куда идти — вот три вывода. Первый: порог входа в ИИ-профессии не всегда высокий. AI-тренер не требует опыта в разработке. Data labeler — вообще стартовая точка. Prompt engineer — можно войти с гуманитарным бэкграундом, если понимаете логику. Второй: предметная экспертиза становится валютой. Медик, который умеет обучать медицинские LLM, стоит дороже ML-инженера. Юрист, который размечает правовые данные, — тоже. ИИ нужны люди, которые понимают, что такое «правильно» в конкретной области. Третий: роли разделяются. Generalist «AI engineer» уходит. Приходят специалисты: валидатор, этик, оркестратор, редтимер. 2026 год вознаграждает специалистов и наказывает генералистов. И да — bug bounty никуда не делся. Он просто стал специализированнее. Если вы умеете ломать не сети, а модели, — это отдельная и очень дорогая ниша.

29 сентября 2026

С точки зрения социологии, взлёт сообщества «Волков» - это не просто история одного чата, а симптом глубинных структурных сдвигов в сфере труда, власти и символического производства. Это классический пример того, как в цифровую эпоху формируются новые формы коллективного действия, бросающие вызов устоявшимся институтам. Важное уточнение: мы не призываем вступать в сообщество «Волков» и не даем ему оценку в категориях «хорошо» или «плохо». Наша задача - рассмотреть это явление как социологический феномен, проанализировать его причины, динамику и возможные последствия. Это исследовательский взгляд, а не идеологическая позиция. Теоретическая рамка: почему это важно для социологии Сообщества, подобные «Волкам», можно рассматривать через несколько концепций: - Коллективное действие и мобилизация ресурсов. Традиционные профсоюзы слабеют, но потребность в солидарности не исчезает. Интернет снизил издержки координации до нуля, позволив атомизированным работникам объединяться без формальной организации. Это пример «сетевого коллективного действия» (Мануэль Кастельс). - Поле символической борьбы (Пьер Бурдье). Рынок труда - это поле, где агенты (работники, работодатели, рекрутеры) конкурируют не только за экономический, но и за символический капитал: право определять нормы, классификации, что считается «правильным» резюме, «грубостью» или «накруткой». «Волки» бросили вызов монополии рекрутеров на легитимное видение рынка. - Относительная депривация. Взрыв недовольства происходит не тогда, когда людям плохо объективно, а когда их ожидания расходятся с реальностью. ИТ-специалисты привыкли к привилегированному положению, но после бума 2021–2022 годов столкнулись с массовыми сокращениями, заморозкой найма и лицемерными корпоративными нарративами. Разрыв между «мы - семья» и «увольняем выгоревших» породил острое чувство несправедливости. - Фрейминг (Дэвид Сноу, Роберт Бенфорд). Успех движения зависит от того, насколько удачно оно «упаковывает» свои идеи. «Осознанная меркантильность» - гениальный фрейм: он переворачивает стигму (меркантильность как порок) в добродетель (честный расчёт). Это позволило легитимировать преследование материальных интересов и привлекло множество сторонников. Почему именно сейчас: структурные предпосылки 1. Прекаризация и конец «золотого века» ИТ. Раньше айтишники были аристократией наёмного труда: высокие зарплаты, выбор вакансий, бонусы. Теперь они всё чаще ощущают себя прекариатом - работниками без стабильных гарантий, вынужденными конкурировать за сокращающиеся места. Это порождает потребность в коллективной самозащите. 2. Кризис легитимности корпоративной культуры. Массовые увольнения, проводимые «менеджерами-обложками», разрушили миф о «семье» и «миссии». Корпоративная культура всё чаще воспринимается как идеологическая надстройка, скрывающая чистый расчёт. «Волки» - это контр-гегемонистский ответ: они разоблачают лицемерие и предлагают альтернативную мораль - честный обмен труда на деньги. 3. Информационная асимметрия и её преодоление. Рекрутеры долгое время обладали монополией на информацию: вилки зарплат, критерии отбора, репутация компаний. Цифровые платформы позволили работникам обмениваться этими данными горизонтально. Анонимность в «Волках» - ключевой ресурс: она защищает от репрессий и позволяет говорить то, что раньше произносили только шёпотом. 4. Накрутка опыта как рациональная адаптация. Социологически накрутка - это не моральное падение, а рациональная стратегия в условиях искажённых стимулов. Когда алгоритмы отсеивают по ключевым словам, а рекрутеры требуют нерелевантный опыт, соискатели вынуждены адаптироваться. «Волки» вынесли это из тени в публичное пространство, лишив практику стигмы и осудив её как системную проблему. Динамика конфликта: «крестовый поход» как защита статуса Реакция рекрутеров на рост «Волков» - не просто борьба с фродерами, а защита своего положения в поле найма. Призывы к «зачистке» резюме, ужесточение правил на HeadHunter, введение субъективных критериев («грубость») - это попытки восстановить утраченный контроль над классификациями. С точки зрения Бурдье, это борьба за символическую власть: кто имеет право определять, что такое «достоверное резюме», «грубость», «накрутка». Рекрутеры, ощутив угрозу своей монополии, прибегают к репрессивным мерам, но это лишь усиливает легитимность «Волков» как защитников соискателей. Рынок труда переживает болезненные удары Феномен «Волков» - это не аномалия, а закономерный этап эволюции трудовых отношений в условиях позднего капитализма и цифровых сетей. Он демонстрирует, как атомизированные индивиды могут создавать новые формы солидарности, бросающие вызов традиционным институтам. Для социологии это кейс о том, как меняется баланс сил между трудом и капиталом, как формируются контр-публики и как символическая борьба становится частью экономических конфликтов. Борьба уничтожает прозрачность, доверие и даже уважение друг к другу. Теперь не ясно перед тобой действительно мидл-разработчик с опытом в 4 года или накрутчик опыта. На фоне инфляции навыков, создаваемой ИИ, такая ситуация становится удушающей для всего рынка в целом. Все эти факторы приводят к тому, что рынок вакансий постепенно уходит в тень, чтобы контроль за поиском вернулся к рекрутерам, которые вернуться к штучному поиску без явной публикации вакансии. Но перестроить процесс найма таким образом, чтобы накручивать опыт было в принципе не нужно, то есть к оценке не по годам опытам, а по навыкам - скорее всего не придут.

27 августа 2026