Существует устойчивый стереотип: новые технологии осваивают в первую очередь молодые. Так было со смартфонами и соцсетями. Но с генеративным ИИ картина складывается иная. В индустрии, на конференциях и в профессиональных чатах глубже всего в тему погружены не 22-летние «цифровые аборигены», а инженеры, архитекторы, тимлиды и руководители с 15–20-летним опытом — те, кто обычно медленнее всего осваивает новые инструменты.
На первый взгляд это может показаться выборочной картиной. Но данные показывают: за этим ощущением стоит реальная тенденция. И она меняет наше понимание того, как распространяются когнитивные технологии.
Два разных измерения использования ИИ
Когда говорят «кто использует ИИ?», часто смешивают два разных вопроса — ширину и глубину использования. Ответы на них противоположны.
1. Ширина (пробное использование)
Молодёжь лидирует — как и ожидалось.
- Pew Research и Reuters Institute (2025): 58–59 % американцев 18–29 лет пробовали ChatGPT или GenAI. Среди 50–64 лет — 25 %, среди 65+ — около 10 %.
- Reuters Institute: 59 % молодых 18–24 лет используют GenAI еженедельно, против 20 % у 55+.
- OpenAI (анализ ~1,5 млн диалогов): половина всех запросов приходится на пользователей младше 26 лет.
Классический возрастной градиент, как при распространении смартфонов.
2. Глубина (рабочее, системное использование)
Здесь картина переворачивается.
- McKinsey «Superagency in the Workplace» (октябрь 2024, n = 3613): 62 % людей 35–44 лет заявляют об «обширной экспертизе» в GenAI — максимум среди всех групп (Gen Z — 50 %).
- BCG «AI at Work 2025»: 88 % руководителей и 78 % менеджеров используют GenAI несколько раз в неделю. Среди рядовых сотрудников — 51 %.
- Slack/Salesforce (2025): каждый третий миллениал (28–43 года) использует GenAI ежедневно на работе и перестраивает под него процессы. Gen Z — в основном для учёбы и личных задач.
Вывод: молодые не отстают. Они используют ИИ на другой территории и с другой отдачей. Противоречивые выводы исследований объясняются тем, что измеряются разные вещи.
История повторяется: когнитивные инструменты начинаются с профессионалов
Стереотип «молодёжь всегда первой» построен в основном на двух примерах — соцсетях и iPhone. Но для инструментов продуктивности картина всегда была обратной.
- VisiCalc и Lotus 1-2-3 (1979–1987) — первые бестселлеры ПК. Ранние пользователи: бухгалтеры, аналитики, 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.
Мета-анализ 470 исследований диффузии инноваций (Riverola et al., 2017) показал: возраст — самый слабый предиктор раннего принятия. Образование и доход влияют в разы сильнее.
GenAI — гибрид. По охвату он ведёт себя как потребительский продукт, а по глубине — как корпоративный инструмент. Поэтому оба утверждения — «молодые впереди» и «опытные впереди» — одновременно верны, но на разных осях.
Почему экспертиза даёт 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 в своей 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 не видит.
2. Проблема указания
Тайлер Коуэн отмечает: общие вопросы дают общие ответы. Качественный промпт — это функция богатого словарного запаса, системы знаний и умения декомпозировать задачу. То есть — функция доменной экспертизы.
3. Верификационная способность
Microsoft (исследование Copilot, 5000+ разработчиков): senior-инженеры на 4,3 % реже принимают предложения модели. Они лучше видят плохой код. Джуньоры получают больший прирост объёма, но архитектурное качество выше у сеньоров.
4. Десятичасовое правило
По наблюдениям Моллика, чтобы «включиться» в ИИ, нужно около 10 часов осознанных экспериментов. Студент, использующий ChatGPT час в неделю, порог пересечёт не скоро. Инженер, который каждый день пишет спецификации, — за пару дней.
Что показывает Хабр
Сообщество активно обсуждает эту тему:
- diffnotes-tech («Сеньор без AI — это новый джун», 2026): вводит понятие «AI-расслоения» и приводит примеры продвинутых пользователей — Стив Йегги (57), Кент Бек (64), Борис Черни.
- Руководитель с 20-летним стажем («300 дней с AI-агентами»): вернулся к разработке через Cursor и Claude, сделал 759 контрибуций за год вместо 18.
- st-korn («Вайб-кодинг глазами старого разработчика»): показывает, как опытный разработчик извлекает из модели качественно иной результат.
- Кейс K2 («Мы прожили с Copilot год»): на 600+ разработчиках — именно сеньоры раскрывают весь потенциал инструмента.
Где гипотеза не работает
Честно говоря, картина не везде одинакова:
- 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 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 достигают глубины — но в личной и учебной сферах (об этом говорил Сэм Альтман).
Сломанная карьерная лестница: падение найма джунов
Самое тревожное следствие — резкое падение найма начинающих специалистов.
- Stanford Digital Economy Lab и Harvard (данные по 62 млн работников): 13–16 % относительное снижение занятости среди 22–25-летних в профессиях, подверженных ИИ.
- Revelio Labs: вакансии начального уровня сократились на 35 %, доля джунов в найме упала с 15 % до 7 %.
Создаётся парадокс: без джунов через 5–10 лет будет дефицит зрелых специалистов. Как отметила HR-директор «Диасофт»: «Главная ценность джуна в том, что он когда-нибудь станет сеньором».
Важно: причинная связь «ИИ → падение найма» пока не доказана, хотя сомнений мало. Часть экономистов связывает тренд с циклом рынка.
Выводы
Гипотеза «с GenAI всё наоборот — ветераны впереди» отчасти подтверждается, но требует уточнения.
Дело не в возрасте. Настоящие переменные — доменная экспертиза, должностной рычаг и 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» (человек, стратегически разделяющий труд с ИИ, сохраняя контроль), через 10 лет может сформироваться профиль мощнее, чем у любого предыдущего поколения.
Теория диффузии инноваций не отменяется — она уточняется. Для когнитивных инструментов «early adopter» определяется не годом рождения, а образованием и профессиональным положением.
Кому за 35: ваша экспертиза — это ресурс, который ИИ умножает сильнее всего.
Кому до 25: ИИ не отменяет необходимости строить фундамент. Делегировать думание модели без собственной системы координат — значит умножать ноль.
Количественных данных по AI-adoption в разрезе «грейд × возраст» для русскоязычного рынка пока нет. Если у вас есть такие данные — добро пожаловать в комментарии.