Как получить работу в 2026: собеседование изменилось

На рынке труда происходит что-то странное.

Компании получают больше откликов, чем когда-либо. AI может написать резюме, сопроводительное письмо, код, презентации, маркетинговые планы, и даже подготовить кандидата к интервью. При этом многие работодатели обнаруживают, что удивительно большое число откликов реально хорошие.

Мы недавно столкнулись с этим в Peretz. Мы открыли позицию для frontend и backend разработчиков и получили около 1600 откликов.

Удивительным было не число. Удивительным было, сколько кандидатов реально способны.

Это меняет вопрос.

Несколько лет назад получить работу означало в основном доказать, что ты можешь её делать. В 2026 году это становится намного сложнее доказать, и намного менее ценно как отличие.

Потому что вопрос всё больше не в том, можешь ли ты делать эту работу. Он в том: что ты можешь дать такого, чего инструменты не могут дать без тебя?

Это меняет само собеседование.

OLD INTERVIEW BROKE

Почему старое собеседование перестало работать

Традиционный найм строился вокруг дефицита. Компании нужен был разработчик. Доступно было, возможно, 100 квалифицированных разработчиков. Процесс найма пытался определить, кто из кандидатов лучший.

Резюме было полезным, потому что содержало информацию, что работодатель не мог легко получить иначе. Ты работал в компании X. У тебя пять лет опыта. Ты знал React, Python, Java, AWS, или что там было важно в тот момент.

Собеседование затем подтверждало эти заявления. Но эта модель зависела от одного важного допущения: навыки было относительно сложно приобрести и продемонстрировать.

AI атакует это допущение.

Сегодня кандидат может использовать AI, чтобы улучшить резюме, переписать сопроводительное письмо, подготовить ответы на частые вопросы интервью, сгенерировать код, проанализировать техническую проблему, построить прототип, создать презентацию и изучить компанию до интервью.

Результат не обязательно в том, что кандидаты стали менее квалифицированными. Во многих случаях произошло обратное. Средее качество отклика может расти, пока ценность самого отклика падает.

И это совершенно другая проблема.

Представь, что получаешь 1600 откликов на одну позицию. У тебя нет 1600 человек, что явно не подходят. У тебя могут быть сотни, что выглядят разумно квалифицированными. У кого-то отличное резюме. У кого-то впечатляющее портфолио. Кто-то работал в узнаваемых компаниях. Кто-то, вероятно, может делать эту работу. И теперь у работодателя проблема.

Старый процесс найма был спроектирован различать квалифицированных и неквалифицированных. Новый рынок всё больше требует различать квалифицированных, очень квалифицированных, и по-настоящему исключительных именно для этого конкретного бизнеса. Это не одно и то же. И AI делает первые две категории намного больше.

Это не только наш опыт. По данным Gem's 2026 Recruiting Benchmarks Report, рекрутеры сейчас справляются с задокументированным ростом объёма откликов на 93% год к году, при этом команды по подбору персонала работают с меньшим штатом, чем во время предыдущих бумов найма. Тот же отчёт нашёл, что оффер в итоге получают только около 0.5% кандидатов. Наплыв реален, он измерен, и он меняет воронку везде, не только в одном агентстве.

Резюме раньше было доказательством. Всё больше оно становится заявлением. «Я стратегический мыслитель». «Я высоко мотивированный разработчик». «У меня отличные коммуникативные навыки». «Я увлечён инновациями». AI может написать все эти предложения лучше, чем большинство людей. Он также может заставить обычное резюме звучать исключительно.

Это не значит, что резюме бесполезны. Они всё ещё полезны для понимания бэкграунда человека и отсева очевидных несовпадений. Но они становятся более слабым сигналом реальной способности. Чем больше AI улучшает письменную самопрезентацию, тем менее впечатляющей становится письменная самопрезентация.

Опрос Resume Genius 2026 года среди 1500 HR-менеджеров США показал, что доля скрининга резюме через AI выросла с 35% до 58% за один год, крупнейший рост среди всех отслеживаемых практик найма. Когда больше половины работодателей прогоняют твоё резюме через модель, прежде чем человек его вообще увидит, резюме уже не конкурирует за внимание человека. Оно конкурирует за совпадение с паттерном.

WHAT EMPLOYERS WANT

Что работодатели реально ищут сейчас

Ответ не «люди, что не используют AI». В этом было бы мало смысла. Если AI часть современного рабочего места, запрет на него во время интервью может тестировать не тот навык.

Представь найм разработчика со словами: «Ты будешь использовать AI каждый день на работе, но во время найма мы хотим увидеть, как хорошо ты можешь работать без него». Это похоже на найм архитектора с запретом на CAD во время интервью.

Более полезный вопрос: может ли этот человек использовать AI, чтобы получить лучший результат? Но даже этого недостаточно. Потому что если у всех доступ к похожим инструментам, отличие смещается на уровень выше.

Суждение становится ценнее исполнения. AI может сгенерировать десять решений. Кому-то всё ещё нужно решить, какое из них стоит внедрять. Разработчик может попросить AI-модель создать фичу. Но: действительно ли эта фича нужна? Подходит ли архитектура? Что сломается через шесть месяцев? Приемлема ли модель безопасности? Стоит ли брать этот технический долг? Что произойдёт, когда требования изменятся? Является ли проблема вообще технической?

Это вопросы суждения. И суждение становится всё ценнее, когда исполнение становится дешёвым, паттерн, что мы видели напрямую в Четыре AI согласились. Мы всё ещё ничего не проверили. Это применимо далеко за пределами софта. Маркетолог может попросить у AI двадцать кампаний. Дизайнер может сгенерировать сотни концептов. Аналитик может сгенерировать отчёты. Юрист может произвести черновики. Бухгалтер может автоматизировать расчёты. Менеджер может сгенерировать планы. Но кому-то всё ещё нужно решить: какую проблему мы решаем? И: почему это важно?

Решение проблем важнее знания инструментов. Годами профессионалов поощряли накапливать инструменты. Учи Photoshop. Учи Figma. Учи React. Учи Python. Учи Salesforce. Учи AWS. Учи ещё один фреймворк. Это имело смысл, когда инструменты было сложно освоить. Но инструменты становятся проще в освоении. Дефицитный ресурс смещается от знания, как использовать инструмент, к знанию, что с ним делать.

Сильный кандидат не обязательно говорит «я знаю React». Он может сказать: «У меня была проблема с производительностью, вызванная ненужным client-side рендерингом. Вот как я её нашёл, что изменил, и почему». Это намного более сильное доказательство. Оно демонстрирует рассуждение.

SHOW DONT TELL

Показывай, а не рассказывай

Один из лучших способов выделиться в 2026 году удивительно прост: приноси доказательства.

Не просто говори, что ты хорош. Покажи, что ты построил. Покажи, что изменил. Покажи, что пошло не так. Покажи, чему научился. Покажи результат.

Для разработчика это может быть GitHub-репозиторий, реальный продукт, технический кейс, или проект, что ты построил самостоятельно. Для дизайнера, это может быть кейс, что показывает проблему, решения, итерации и финальный результат. Для маркетолога, покажи, что случилось с трафиком, лидами, конверсией или доходом. Для продакт-менеджера, покажи, как ты принял решение с неполной информацией. Для архитектора, покажи, как ограничение дизайна изменило финальное решение.

Важная часть не само портфолио. Это мышление за ним.

Научись объяснять почему. Это может стать одним из самых важных навыков интервью. Кто угодно всё больше может произвести ответ. Меньше людей могут объяснить, почему именно этот ответ. И ещё меньше людей могут объяснить, что заставило бы их передумать. Именно это отделяет того, кто сгенерировал решение, от того, кто понимает проблему.

Если используешь AI, чтобы что-то построить, будь готов объяснить: что ты его попросил сделать, что принял, что отклонил, что изменил, что проверил, какие допущения сделал. Использование AI не проблема. Использование AI без понимания результата это проблема, ровно тот разрыв, что мы разбираем в Стоимость AI, это не генерация. Это верификация.

Не прячь AI. Кандидаты иногда предполагают, что упоминание AI делает их менее компетентными. Всё больше верно обратное.

Если использовал AI, чтобы ускорить проект, объясни как. Например: «Я использовал AI-ассистента для написания кода, чтобы сгенерировать первоначальную реализацию, но изменил структуру базы данных, потому что сгенерированный подход не масштабировался бы под ожидаемый трафик». Это говорит интервьюеру намного больше, чем «Я знаю Node.js». Это демонстрирует, что ты можешь работать с мощным инструментом, не отдавая ему своё суждение.

У этого совета есть реальная оговорка, что стоит знать. Исследование KraftCV про найм 2026 года нашло, что примерно 49% HR-менеджеров всё ещё автоматически отклоняют резюме, что подозревают AI-сгенерированными, описывая эту динамику как асимметричные ожидания: компании называют собственное использование AI эффективностью, но читают использование AI кандидатом как лень. Разрыв не в том, использовал ли ты AI. Он в том, показывает ли твоё объяснение суждение, или просто раскрытие факта. «Я использовал AI» не отличие. Рассуждение, что ты к этому прикладываешь, вот отличие.

TECHNICAL INTERVIEW

Новое техническое интервью

Технические интервью тоже должны измениться.

Традиционная модель часто выглядит так: «напиши функцию, что переворачивает строку». Это может что-то тестировать. Но это может также тестировать что-то всё более неактуальное.

В реальной работе никого не волнует, можешь ли ты написать функцию переворота строки по памяти. У тебя есть документация. У тебя есть поиск. У тебя есть AI. У тебя есть библиотеки. У тебя есть инструменты тестирования. Важно, можешь ли ты решить реальную проблему.

Лучшее интервью может выглядеть так: «вот упрощённая версия реальной проблемы, что у нас есть. У тебя есть доступ к документации и AI-инструментам. Покажи нам, как бы ты к этому подошёл».

Теперь интервьюер может наблюдать, как кандидат исследует, как формулирует вопросы, как использует AI, проверяет ли результаты, как отлаживает, как коммуницирует, как принимает компромиссы. Это намного ближе к реальной работе.

И ставки за этим интервью растут. Данные National University по найму за 2026 год показывают, что число интервью на одного нанятого выросло на 33% в целом, поскольку работодатели становятся избирательнее, а технические роли сейчас в среднем требуют 35-36 интервью и 26 часов интервьюеров до одного найма. Каждый из этих раундов теперь с большей вероятностью включает какую-то версию описанного выше AI-ассистированного теста на решение проблем, не запомненный вопрос у доски.

GENERALISTS

Лучший кандидат может не быть лучшим специалистом

Это, возможно, самое неудобное изменение.

Десятилетиями компании часто оптимизировались под специалистов. Лучший разработчик. Лучший дизайнер. Лучший бухгалтер. Лучший аналитик.

Но когда AI делает исполнение специалиста дешевле, другой тип сотрудника становится непропорционально ценным: человек, что понимает несколько областей достаточно хорошо, чтобы их связать.

Разработчик, что понимает бизнес. Дизайнер, что понимает конверсию. Маркетолог, что понимает продукт. Продакт-менеджер, что понимает технологию. Инженер, что понимает клиентов.

Эти люди могут связывать проблемы, что раньше принадлежали разным отделам. И AI делает эти связи ещё мощнее, тот же сдвиг, что мы разбираем со стороны продукта в Как AI меняет разработку продукта в 2026.

JUNIOR PROBLEM

Что это значит для junior-кандидатов

Именно здесь становится сложно.

Традиционная карьерная лестница зависела от того, что junior-сотрудники делают относительно простую работу, пока не наберут достаточно опыта, чтобы стать senior. Но что происходит, когда AI может выполнять большую часть простой работы?

Саму entry-level позицию становится сложнее получить. Это одна из самых серьёзных проблем, что создал AI.

Если компании перестают нанимать junior'ов, потому что AI может выполнять junior-задачи, откуда возьмутся завтрашние senior-специалисты?

Простого ответа нет. Индустрии в итоге придётся разработать новые способы обучения людей.

Это не гипотетическая проблема. 2026 AI Employer Report от ZipRecruiter нашёл, что планка для entry-level ролей реально растёт: кандидатам теперь нужен более сильный, технический набор навыков просто чтобы получить начальную позицию, часто без формального обучения или структурированной поддержки, чтобы его наработать, поскольку работодатели инвестируют в AI-инструменты быстрее, чем в программы обучения junior'ов. Отчёт называет это реальным разрывом, что работодателям стоит закрывать, не естественным фильтром, что работает как задумано.

Но для кандидатов немедленный урок ясен: не позиционируй себя только как того, кого нужно обучать.

Строй что-то. Экспериментируй. Вноси вклад в open source. Создай маленький продукт. Реши реальную проблему. Учись работать с AI. Развивай знание области. Дай работодателю доказательство, что ты уже можешь создавать ценность.

BUSINESS CONVERSATION

Интервью становится бизнес-разговором

Это, возможно, самый большой сдвиг из всех.

Сильнейшие кандидаты всё больше будут задавать вопросы вроде: какая самая большая проблема должна решаться этой позицией? Почему она ещё не решена? Как будет выглядеть успех через шесть месяцев? За какие решения я буду отвечать? Какие части этой работы уже автоматизируются? Где вы ожидаете, что AI изменит эту роль?

Это не просто вопросы интервью. Они демонстрируют, что кандидат понимает позицию как бизнес-проблему, не просто список задач.

И это ровно то направление, куда движется рынок труда.

RESEARCH BEFORE APPLYING

Исследуй прежде, чем откликаться

Есть ещё одна привычка, что становится всё менее эффективной: откликаться на каждую компанию с одним и тем же резюме и одним и тем же сопроводительным письмом.

Годами соискателям говорили максимизировать число откликов. Откликнись на пятьдесят компаний. Потом на сотню. Потом на двести. Логика была простой: больше откликов означает больше шансов.

Но рынок труда изменился. Когда компания получает сотни откликов, иногда тысячи, отправка ещё одного общего отклика почти не отличает тебя от всех остальных.

В 2026 году отклик на работу всё больше требует того же, что компании ожидают от кандидатов после найма: исследования.

Прежде чем откликаться, узнай что-то о компании. Тебе не нужно становиться экспертом. Не нужно понимать всю её бизнес-модель.

Но стоит знать: чем компания реально занимается? Что продаёт? Кто её клиенты? Какую проблему решает её продукт или услуга? Почему открыта эта позиция? Чего может ожидать от этого человека компания? Что можно узнать с сайта компании, продуктов, недавних анонсов и публичного присутствия? Как твой опыт связан с тем, чем занимается компания?

Это не требует часов. Даже 20-30 минут сфокусированного исследования могут полностью изменить качество отклика. Цель не доказать, что ты знаешь всё. Цель показать, что ты выбрал эту компанию осознанно, а не просто кликнул «Откликнуться» ещё раз.

Твоё сопроводительное письмо не должно звучать как у всех остальных. У сопроводительных писем проблема ещё больше. Есть два особенно частых подхода, и оба плохие.

Первый, это плохо написанное письмо с грамматическими ошибками, размытыми заявлениями, и малым доказательством, что кандидат вообще прочитал описание вакансии. Второй, это противоположность: идеально отполированное AI-сгенерированное письмо, что звучит впечатляюще, но могло быть отправлено в сотню разных компаний.

Ты знаешь этот тип: «Я рад привнести свою страсть, инновационное мышление и доказанный трек-рекорд в вашу динамичную, ориентированную на будущее организацию». Замени название компании, и тот же абзац можно отправить в софтверную компанию, юридическую фирму, строительную компанию, или стоматологическую клинику.

AI сделал такое письмо почти бесплатным. Это значит, он также сделал его почти бесполезным. Сопроводительное письмо должно отвечать на три простых вопроса: почему эта компания? Почему эта позиция? Почему ты? И оно не должно быть длинным. На деле, короткое, конкретное сообщение часто намного сильнее, чем страница общего энтузиазма.

Например: «Привет, Сара, я наткнулся на вашу frontend-позицию, изучая [конкретный продукт или проект]. Я заметил, что ваша команда расширяет [конкретную область], что привлекло моё внимание, потому что я недавно работал над [релевантным опытом]. В моей текущей компании я [конкретный результат или ответственность]. Я думаю, этот опыт может быть особенно релевантен тому, что строит ваша команда. Буду рад обсудить подробнее».

В самом письме нет ничего впечатляющего. В этом и суть. Оно звучит как от человека, что реально посмотрел на компанию.

USING AI RIGHT

AI должен помогать исследовать, не притворяться тобой

Здесь AI может быть чрезвычайно полезен. Но есть важная разница между использованием AI для подготовки отклика и просьбой к AI изображать тебя.

Не начинай с «напиши мне сопроводительное письмо для этой работы».

Начни с: «вот сайт компании, описание вакансии, и мой опыт. Помоги мне понять, чем занимается эта компания, кто её клиенты, что вероятно ожидается от этой роли, и где мой опыт может быть релевантен. Отдели факты от предположений».

Потом спроси: «что мне стоит исследовать перед откликом?» И: «какие вопросы мне задать на интервью, чтобы проверить мои предположения?»

AI может помочь с исследованием, организацией информации, выявлением связей, проверкой письма, устранением грамматических ошибок, переводом сообщения, и сделать коммуникацию яснее. Но ты должен решить, что реально хочешь сказать. Иначе ты просто производишь ещё один AI-сгенерированный отклик на рынке, что уже переполнен ими.

Есть очень простой тест перед отправкой. Прочитай своё сопроводительное письмо и спроси: мог бы я отправить точно это же письмо в другую компанию?

Если ответ да, не отправляй. Попробуй заменить название компании на название одного из её конкурентов. Если письмо всё ещё идеально работает, это не реально сопроводительное письмо. Это спам.

Хороший отклик должен содержать хотя бы одну вещь, что нельзя было бы разумно написать для другой компании. Это может быть продукт, что ты реально использовал, проект, что заметил, недавнее развитие компании, конкретная проблема, упомянутая в описании вакансии, или связь между их потребностями и твоим опытом. Это не обязательно должно быть умно. Это должно быть конкретно.

ONE LEVEL UP

Тебе не нужно понимать весь бизнес

Есть ещё одно заблуждение, что стоит разобрать. Когда мы говорим, что кандидатам нужно понимать бизнес, это не значит, что каждому frontend-разработчику нужно понимать финансовую отчётность компании, ценовую стратегию, или всю организационную структуру.

Тебе не нужно становиться CEO до первого интервью. Тебе нужно понимать на один уровень выше своей задачи.

Если ты frontend-разработчик, понимай: кто использует продукт, что пользователь пытается достичь, что твой интерфейс должен помочь ему сделать.

Если ты backend-разработчик, понимай: что делает система, что от неё зависит, какие риски создают твои технические решения.

Если ты дизайнер, понимай: для кого дизайн, на какое поведение он должен влиять, какую проблему должен решать.

Если ты в QA, понимай: что может пойти не так, кого это затронет, какой риск предотвращает твоя работа.

Если ты проектный менеджер, тебе, вероятно, понадобится понимать дальше: чего пытается достичь бизнес, какие есть ограничения, как измеряется успех.

А если ты претендуешь на бизнес-, стратегическую, продуктовую, или лидерскую позицию, тогда да, ожидания выше. Тебе нужно понимать сам бизнес.

Принцип прост: тебе не нужно понимать всё. Тебе нужно понимать, как твоя работа создаёт ценность.

Поднимись на один уровень выше своей задачи. Это может быть один из самых полезных способов думать о своей карьере в 2026 году. Тебе не нужно становиться бизнес-стратегом. Не нужно знать всё. Просто поднимись на один уровень выше задачи, что тебя просят выполнить.

Не думай только «мне нужно построить эту кнопку». Думай: «чему эта кнопка должна помочь пользователю достичь?»

Не думай только «мне нужно оптимизировать этот API». Думай: «какая часть продукта зависит от этого API, и что произойдёт, если он станет медленным или ненадёжным?»

Не думай только «мне нужно сделать эту страницу красивее». Думай: «что пользователь должен понять или сделать иначе после того, как увидит эту страницу?»

Этот дополнительный слой контекста становится всё ценнее, потому что AI может выполнять задачи чрезвычайно хорошо. У человека, что понимает, зачем существует задача, намного больше шансов остаться ценным.

И если ты реально чего-то не понимаешь, не притворяйся, что понимаешь. Спрашивай. Хорошие кандидаты не обязательно знают все ответы. Они знают, как найти ответы, что у них нет.

Во время интервью такие вопросы могут быть чрезвычайно ценными: кто главный пользователь этого продукта? Какая самая большая проблема должна решаться этой ролью? Как вы измеряете успех на этой позиции? Чего бы вы хотели, чтобы этот человек достиг за первые шесть месяцев? Какие самые большие вызовы стоят перед командой сейчас?

Эти вопросы не делают тебя менее опытным. Довольно часто они демонстрируют обратное. Они показывают, что ты пытаешься понять проблему за описанием вакансии, не просто список задач.

NEW STRATEGY

Новая стратегия откликов

Старый подход был: найди работу, отправь резюме, отправь сопроводительное письмо, повтори.

Новый подход должен выглядеть больше так: исследуй, реши, реально ли хочешь эту работу, пойми роль, свяжи свой опыт с проблемой, откликнись конкретно, подготовься к разговору.

Это может привести к меньшему числу откликов. Это не обязательно плохо.

Если отправляешь 200 общих откликов, ты конкурируешь со всеми остальными, кто делает то же самое. Если отправляешь 20 продуманных откликов в компании, что реально понимаешь, ты можешь создать намного более содержательные разговоры.

Цель уже не просто максимизировать число откликов. Цель максимизировать число откликов, где работодатель может немедленно понять, почему ты можешь подойти.

Во всём этом есть странная ирония. AI облегчает кандидатам отклик на больше компаний. Он также облегчает компаниям получение и обработку большего числа откликов.

Так что обе стороны могут производить больше объёма. Но объём не обязательно создаёт лучшие совпадения. Он создаёт больше шума.

Преимущество смещается к тем, кто может создать сигнал, не больше шума.

Конкретное резюме. Продуманный отклик. Релевантный пример. Ясное объяснение. Реальный проект. Хороший вопрос. Искреннее понимание компании.

На рынке, где каждый может сгенерировать отполированный отклик за секунды, показать, что тебе реально важно, куда ты откликаешься, становится удивительно ценным.

HOW TO PREPARE

Как подготовиться к интервью в 2026

Если у тебя скоро интервью, не трать всё время подготовки на заучивание ответов. Делай это вместо.

Исследуй компанию. Пойми, что она продаёт, кому продаёт, как зарабатывает, и какие у неё могут быть самые большие вызовы.

Изучи описание вакансии. Не просто определи требуемые навыки. Спроси: зачем этой компании нужен этот человек?

Подготовь три реальные истории. Имей примеры чего-то, что построил, что пошло не так, и сложного решения, что принял. Будь готов объяснить своё рассуждение.

Подготовь свой AI-workflow. Знай, как используешь AI в реальной работе. Умей объяснить, где доверяешь ему, а где нет.

Построй что-то. Если у тебя нет профессионального опыта, создай что-то сам. Маленький реальный проект часто информативнее ещё одного сертификата.

Практикуй объяснение решений. Не практикуй только ответ на «что ты сделал?» Практикуй ответ на «почему?» И «что бы ты сделал иначе сейчас?»

Есть также подходы, что становятся всё менее эффективными. Не отправляй одно и то же резюме всюду. Если AI может сгенерировать кастомизированное резюме за секунды, работодатели всё больше будут предполагать, что все так делают.

Не заучивай идеальные ответы на интервью. Интервьюеры всё больше могут распознать отполированный AI-сгенерированный язык. И даже когда не могут, отрепетированные ответы не демонстрируют суждение.

Не притворяйся, что не используешь AI. Рабочее место, вероятно, использует. Притворство обратного может заставить тебя выглядеть оторванным от реальности.

Не перечисляй 30 технологий. Списки технологий становятся менее значимыми. Объясни, что реально построил с их помощью.

Не делай интервью полностью про себя. Пойми проблему компании. Работодатель нанимает не резюме. Он покупает решение проблемы.

WHAT MAKES SOMEONE HIREABLE

Так что реально делает человека нанимаемым в 2026 году?

Соблазнительно создать ещё один список: коммуникация, лидерство, адаптивность, креативность. Но эти слова повторялись так много раз, что почти потеряли значение.

Лучшее определение проще. Высоко ценный сотрудник всё больше это тот, кто может: понять проблему, сформулировать решение, использовать AI и другие инструменты, принимать хорошие решения, проверить результат, коммуницировать его, и взять ответственность за исход.

Заметь, чего не хватает. Нет конкретного языка программирования. Нет конкретного дизайн-инструмента. Нет конкретной AI-модели. Эти вещи будут продолжать меняться. Базовая способность более долговечна.

За всем этим стоит более крупный вопрос. Что произойдёт, если AI продолжит улучшаться быстрее, чем люди могут адаптироваться?

Мы можем в итоге прийти к точке, где проблема не в том, что нет работы. Она в том, что работы меньше, чем людей, способных её делать.

Мы уже видим ранние признаки этого в частях технологической индустрии.

И именно поэтому собеседование 2026 года важно. Это не просто улучшенная версия старого интервью. Это может быть началом других отношений между людьми и работой.

На протяжении большей части современной истории базовое экономическое предложение было прямолинейным: у меня есть навык. Тебе нужен этот навык. Ты платишь мне за моё время.

AI начинает ослаблять каждую часть этого уравнения. Навык всё больше может быть воспроизведён. Результат всё больше может быть сгенерирован. И количество человеческого времени, необходимого для производства результата, может драматически упасть.

Это не значит, что люди становятся бесполезными. Это значит, что человеческая ценность должна переместиться куда-то ещё. К суждению. К владению. К ответственности. К отношениям. К предпринимательству. К определению проблем вместо простого исполнения решений.

Так что если ты готовишься к интервью в 2026 году, не спрашивай только: «как мне убедить эту компанию меня нанять?»

Задай более сложный вопрос: если бы эта компания могла достичь того же результата с AI и меньшим числом людей, что бы сделало моё участие ценным?

Этот вопрос может быть неудобным. Он также, вероятно, один из самых полезных карьерных вопросов, что можно задать сегодня.

Потому что будущий рынок труда необязательно вознаградит того, кто может выполнить больше всего задач. Он всё больше будет вознаграждать того, кто может создать больше всего ценности с наименьшим трением.

И AI становится одним из самых мощных инструментов для этого.

Интервью изменилось. У людей, что признают это рано, будет преимущество. Не потому что они могут предсказать, какие именно работы исчезнут. А потому что они понимают кое-что более важное:

Будущее работы уже не про конкуренцию с AI. Оно про то, чтобы стать человеком, что знает, что с ним делать.