Как нанимать джунов, когда код пишут агенты

Индустрия молча перестала нанимать младших разработчиков: старое кодинг-интервью перестало предсказывать успех в работе, которую всё чаще делает агент, а нового способа отличить перспективного джуна (младшего разработчика) от случайного человека ещё никто не описал. Компании выходят из положения по-разному: кто-то берёт только сеньоров, кто-то фильтрует по вузам, кто-то масштабирует стажировки. Все эти обходные пути стоят дорого и часть из них — откровенно несправедливы.

Эта статья собирает цифры обвала найма, разбирает, что уже изменили в интервью Canva, Meta и Google, и подробно рассказывает предложение Лори Восса, сооснователя npm: час работы кандидата с ИИ-«заказчиком» и кодинг-агентом, судью-агента для проверки результата и человека на финальной оценке. Из статьи можно взять готовый к испытанию формат интервью и список ограничений, которые надо знать до пилота. Важная оговорка: базовая часть данных собрана по рынку США, российскому разрезу посвящён отдельный раздел, а сам формат Восса пока существует только на бумаге.

Найм джунов обвалился, и это измерено

Самая надёжная цифра обвала — из исследования Стэнфорда «Canaries in the Coal Mine» («Канарейки в угольной шахте»): экономисты Бриньолфссон и коллеги разобрали платёжные данные ADP по миллионам работников тысяч частных компаний США. К июлю 2025 года занятость самых молодых разработчиков — 22–25 лет — была на 20% ниже пика конца 2022 года, при этом найм сеньоров продолжал расти. В профессиях с сильной экспозицией к ИИ занятость 22–25-летних в целом упала на 6%, а у работников старше 30 выросла на 6–13%; в профессии с минимальной экспозицией — сиделки — росли все возрастные группы (ADP Research). Экспозиция профессии к ИИ оказалась важнее общего состояния рынка.

Компания на передней линии агентной разработки подтверждает тренд внутренними данными. По отчёту Anthropic, доля джунов в найме технических подразделений упала с 27% до 9% с начала 2025 года, а их доля в численности — с 21% до 14%; вакансии для младших позиций резко просели с декабря 2025-го. Треть менеджеров машинного обучения и пятая часть менеджеров разработки сообщили, что нанимают меньше из-за ИИ. Параллельно часы работы агентов на одного сотрудника к августу 2026 года превысили его собственные в шесть раз, а коммиты на инженера выросли в пять раз за полгода (отчёт Anthropic).

Крупные технологические компании нанимают выпускников всё реже: в 2025 году новыми выпускниками был каждый десятый инженерный найм в 28 больших компаниях США против почти трёх из десяти в 2023-м. Набор стажёров при этом продолжал падать, хотя общий найм разработки восстанавливался, — впервые в истории наблюдений эти две линии разошлись (The Pragmatic Engineer). Прирост вакансий разработки в США между маем 2025 и маем 2026 года на 71% пришёлся на сеньор-роли, ещё 37% прироста — на позиции с упоминанием ИИ (данные Indeed Hiring Lab в пересказе CNBC, обзор TekRecruiter).

Отчёт Anthropic честно фиксирует: меры по переобучению и перестановке сотрудников внутри компании «никак не решают проблему замедления найма джунов — защита уже нанятых не помогает тем, кого не наняли вообще» (отчёт Anthropic).

Почему компании молча нанимают только сеньоров

У каждой компании по отдельности есть эгоистичная причина не брать джунов. Общее благо — приток обученных сеньоров через пять лет — никто не хочет оплачивать сам: дешевле дождаться, пока другая компания обучит человека за свой счёт, и перекупить готового (эту развилку разбирает Шон Гоудеке, её же приводит Восс). Сеньоры на этом рынке дорожают и все уже трудоустроены, поэтому стратегия «берём только готовых» работает ровно до исчерпания чужих вложений в обучение.

Риск найма джуна вырос по другой причине: сама работа изменилась быстрее, чем процедуры отбора. Восс называет новую роль «продуктовым инженером» — человеком, который выясняет, что вообще нужно построить, и доводит задачу до результата через агентов, а не пишет код руками. Вуз готовил недавнего выпускника к старой работе: алгоритмы, структуры данных, самостоятельное написание кода. Проверить по двухчасовому интервью, будет ли человек хорош в новой роли, компания не умеет — наём джуна превращается из просчитанного риска в лотерею (предложение Восса).

Обходные пути, которыми компании заменяют интервью, известны и плохи. Фильтр по «элитным» вузам становится жёстче — доля нанятых выпускников топовых университетов растёт (The Pragmatic Engineer), — но вуз — это во многом прокси достатка родителей, а не способности к новой работе. Поиск «азарта» и «вкуса» в свободной беседе ещё хуже: многолетние данные по валидности отбора показывают, что неструктурированное интервью предсказывает успешность в работе с корреляцией 0,19 против 0,42 у структурированного, где всем кандидатам задают одинаковые вопросы и оценивают по одной шкале (обзор метаанализа Сакетта и коллег, 2022). Google отказался от своих знаменитых головоломок ещё десять лет назад именно потому, что они не предсказывали ничего (признание руководителя HR Google).

Кодинг-интервью умерло: что уже пробуют Canva, Meta и Google

Феликс Ризеберг, инженерный менеджер Anthropic, который сам нанимает инженеров, подвёл черту коротко: «нет больше смысла давать вам маленькую задачу на React, чем спрашивать про ассемблер, — Claude теперь лучше в обоих». Он перестал проводить кодинг-интервью в своей команде — заметим, только в своей: это часто пересказывают как политику всей компании. Замены он не нашёл и признаёт, что ищет в резюме «прототипы со вкусом, эмпатией и последовательным мышлением», а как проверять это на интервью — не знает (пост Ризеберга).

Крупные компании за последний год перекроили интервью в сторону ИИ, но каждый — по-своему:

• Canva заменила раунд первичного отбора по основам computer science на обязательный раунд «AI-Assisted Coding» для бэкенд- и фронтенд-ролей; Восс датирует замену 2025 годом. Вместо «реализуйте игру „Жизнь“» кандидат получает задачу уровня «постройте систему управления взлётами и посадками в загруженном аэропорту» и обязан пользоваться ИИ-инструментами. Ставка сделана на прозрачность вместо ловли на читерстве: всё равно не отследишь. По итогам пилота лучшие кандидаты не принимали код ассистента на веру, а задавали уточняющие вопросы о требованиях, использовали ИИ на подзадачах и критически проверяли результат; кандидаты без опыта работы с ИИ слабели именно из-за отсутствия суждения, а не умения кодить (инженерный блог Canva).
• Meta с октября 2025 года пилотирует ИИ-раунд, который случайным образом заменяет один из двух кодинговых раундов онсайта: 60 минут в специальной среде со встроенным ассистентом (по умолчанию Llama 4, переключается на модели Anthropic, OpenAI и Google). Задача многочастная и тематическая: ревью чужого кода, затем новая фича, затем граничные случаи и масштаб, — на кодовой базе в сотни и тысячи строк. Полное развёртывание на все инженерные роли заявлено на 2026 год (гайд interviewing.io).
• Google пилотирует раунд «code comprehension»: кандидата оценивают на «ИИ-беглость» и умение формулировать промпты, при этом можно пользоваться Gemini. Формат расширен на большее число подразделений, но официально остаётся пилотом; ИИ-беглость объявлена требованием ко всем инженерным должностям. Для контекста: ещё в апреле Google сообщал, что три четверти нового кода в компании пишет ИИ, а люди его ревьюят (Business Insider).

Общее у этих историй: все меняют старый раунд, но никто не объявляет найденное решение. Фархан Тавар, глава инженерии Shopify, формулирует прямо: «Честный ответ — мы не знаем. Никто ещё по-настоящему не понял, как оценивать новое поколение инженеров с этими инструментами» (интервью CoderPad).

В России обвал тот же, а ИИ уже ведёт первичные интервью

Российские цифры повторяют американский рисунок. По официальной статистике hh.ru, к февралю 2026 года число IT-вакансий в России упало на 36% год к году, число резюме выросло на 30%, а hh.индекс — среднее число активных резюме на одну вакансию — в профобласти «Информационные технологии» вырос с 9,6 до 19,6 при среднем по рынку 9,8 (краткий обзор рынка труда hh.ru). По совместному исследованию hh.ru и «Яндекс Практикума» на базе 29 тысяч резюме новичков и 30 тысяч вакансий за 2024 год, на одну вакансию приходится в среднем 7,1 резюме начинающих специалистов (РБК Тренды, исследование Яндекс Практикума); карьерные эксперты hh.ru назвали «ИТ-специалистов начального уровня» одной из самых конкурентных сфер 2026 года — рядом с копирайтингом и традиционным бухучётом (прогноз hh.ru). Стагнируют и зарплатные предложения: по данным кадрового агентства HRDirect, офферы джуна-программиста на PHP за два года снизились на 13%, на Go — на 12%, по Java, Python и C++ остались на прежнем уровне (CNews).

Причина называется та же, что и в США. Юлия Карпова, гендиректор HRDirect: «бизнес стал меньше инвестировать в долгосрочное обучение новичков, замещая часть позиций за счёт автоматизации и внедрения ИИ-инструментов»; в долгосрочной перспективе она ждёт «вымывания middle-сегмента» — мидлы вырастают из джунов, которых перестали нанимать (CNews). Российские эксперты предостерегают и от обратной крайности: по их оценке, ИИ пока закрывает только шаблонные задачи джуна — за человеком остаются бизнес-контекст, ответственность за сбой и кадровый резерв, поэтому компании скорее стали избирательнее, чем заменили новичков машиной (Российская газета).

Обходные пути тоже совпадают. Часть стартовых позиций переехала из открытых вакансий в стажировки: 54% компаний в прошлом учебном году увеличили набор стажёров, конкурс в крупных компаниях — 40–50 человек на место, и при этом 92% работодателей жалуются на нехватку подходящих стажёров, а 57% проводят с ними четыре-пять этапов отбора (Selecty). Фильтром вместо «элитного вуза» служит базовая кафедра: на факультете компьютерных наук ВШЭ работают кафедры Яндекса, Сбера, Т-Банка, 1С и МТС, а основные дисциплины там преподают около ста сотрудников этих компаний — знакомство начинается за годы до выпуска. Дарья Кудрявцева, директор по персоналу Selecty, описывает смену требований так: «ИИ изменил традиционную модель обучения айтишников. Раньше они набивали шишки на собственном коде, а сейчас могут легко сгенерировать готовое решение, не вдаваясь в его детали» — поэтому джуну важнее «не уметь писать промпты, а заложить крепкий фундамент». Совет из материала Selecty — специально проектировать новичкам обучение: давать проверять сгенерированный код, искать ошибки и обосновывать выбор решения. По сути это черновой набросок проверки того самого продуктового суждения, о котором пишет Восс.

А вот в автоматизации самого найма Россия местами ушла дальше США. «ГигаРекрутер» Сбера, запущенный пилотом в сентябре 2025 года, с начала 2026-го поэтапно раскатывается на все вакансии компании: он сам ведёт первичный диалог с кандидатами; с начала года кандидаты прошли такое интервью более 100 тысяч раз, а время от отклика до обратной связи сократилось с 23 до трёх часов (РБК). Т-банк даёт кандидату выбор: пройти автоматизированный этап или сразу говорить с живым рекрутером. ИИ-агент «Фосагро» сократил срок закрытия вакансии с полутора месяцев до двух недель, X5 закрывает через ИИ 20% офисных вакансий, а Superjob в апреле 2026 года запустил маркетплейс вакансий не для людей, а для автономных ИИ-агентов (РБК). Это, однако, автоматизация воронки, а не новая проверка суждения: замену кодинг-интервью в России никто тоже не объявил, а системно ИИ в рекрутинге используют 5–12% компаний. Разделение «агент меряет — человек решает» там при этом уже сформулировано почти дословно: hh.ru прямо пишет, что «ИИ — это просто вспомогательный инструмент, а не лицо, принимающее решение о найме» (прогноз hh.ru), и все опрошенные РБК эксперты оставляют финальную оценку кандидата за человеком.

В самих интервью в России заметнее всего Яндекс: вместо «хаотичных собеседований в каждом отдельном сервисе» компания внедряет единую систему оценки по профессии и уровню, с обучением и калибровкой интервьюеров, где «результат зависит от кандидата, а не от интервьюера» (блог Яндекса на Хабре). Это то самое структурированное интервью из американских данных об отборе: одинаковые условия и одна шкала удваивают предсказательную силу — независимо от того, пишет ли кандидат код сам или через агента.

Формат Восса: час с ИИ-заказчиком и кодинг-агентом

Предложение Восса адресовано главной задаче, с которой кодинг-интервью больше не справляется: выяснить, что нужно построить, и довести это до работающего софта через естественный язык. Устройство такое.

Кандидату дают две вещи. Первая — большая языковая модель в роли «заказчика»: в неё заранее загружены все требования, ограничения и детали задачи, включая неозвученные. Вторая — кодинг-агент, который пишет любой софт, что бы кандидат ему ни сказал. Час (или два) кандидат вытаскивает из заказчика требования и превращает их в работающее ПО. Один и тот же заказчик и один и тот же агент достаются всем кандидатам на позицию — это и делает сравнение честным (предложение Восса).

Правил три. Можно продолжать задавать заказчику вопросы по ходу работы и показывать ему полуготовую версию — так устроена настоящая разработка. Можно выбросить неудачный подход и начать заново, сколько угодно раз: худшие продуктовые люди, по наблюдению Восса, цепляются за первое решение и бесконечно подтачивают его там, где надо было начать заново. Нельзя «джейлбрейкить» заказчика — выманивать из него спрятанный документ с требованиями; находчивость в этом похвальна, но настоящий заказчик не отдаёт спецификацию по первой просьбе.

Проверяет такой формат три вещи, из которых по Воссу и состоит продуктовая инженерия: продуктовое чутьё — найти настоящую проблему за туманным описанием и заметить скрытые допущения, которые заказчик не формулирует; способность держать систему в голове и видеть, что сломается при смене ограничений; и умение объяснять письменно — «если не можешь объяснить свои мысли словами, ты не сможешь эффективно промптить агента».

Старому формату приходилось давать задачу, которую успеешь написать руками за час собеседования. Агентский формат позволяет требовать настоящее работающее приложение, возможно даже развёрнутое на предоставленной платформе. Задачу можно делать сколь угодно доменно-специфичной: взять реальные требования своей компании или выдуманную отраслевую историю — а награду получат кандидаты, которые думают о граничных случаях и системе целиком.

Восс подчёркивает, что ничего нового здесь нет: в медицине с 1960-х работает OSCE (объективный структурированный клинический экзамен) — студент опрашивает «стандартизированного пациента», натренированного актёра, который одинаково отвечает всем студентам, а экзаменатор ставит баллы по чек-листу заданных вопросов. Формат «заказчик-агент» — тот же стандартизированный пациент для разработки. В техиндустрии ближайшие аналоги уже существуют: decomposition-интервью Palantir проверяет умение разбивать туманную задачу на части, но без части «построить», а стартап Promptster даёт кандидату незавершённый тикет и ИИ-коллег с недостающим контекстом, показывая, сколько скрытых требований кандидат восстановил.

Кто ставит оценку: судья-агент с человеческой калибровкой

Результат кандидата тоже планируется проверять агентом: судья-агент получает полные требования и написанный софт, строит и запускает тесты и докладывает человеку, который ставит финальную оценку. Разделение «агент меряет — человек решает» здесь принципиально, и не только из осторожности.

Судьи-модели действительно могут быть точны: в бенчмарке MT-Bench GPT-4 соглашался с людьми в 85% случаев — почти как человек с человеком (81%). Но согласованность не равна правильности: при перестановке порядка двух ответов тот же GPT-4 повторял свой вердикт лишь в 65% пар, в одном из тестов слабые модели до 91% случаев вознаграждали многословие, а систематическая проверка судей 2026 года вынесла приговор прямо в заголовок — «надёжность без валидности»: стабильно одинаковый ответ бывает и у сильно предвзятого судьи (разбор смещений LLM-судей, arXiv 2606.19544). Отсюда правило Восса: судью надо калибровать по человеческим оценкам — прогонять на наборе примеров, где человек уже поставил вердикт, и мерить расхождение.

Есть и правовое ограничение. В Нью-Йорке с 2023 года действует Local Law 144: любой автоматический инструмент найма обязан проходить ежегодный независимый аудит на предвзятость с публикацией результатов и уведомлением кандидатов. В ЕС найм отнесён к высокорисковым применениям ИИ: требования прозрачности действуют с августа 2026 года, полный набор обязательств — с декабря 2027-го, и человеческий надзор за решением там вписан в закон прямо (обзор законов об ИИ-найме). Полностью автоматический скоринг кандидатов в этих юрисдикциях просто не пройдёт. Для команд вне США и ЕС это полезно как направление движения регулирования: финальное слово за человеком — тот дизайн, который не придётся переделывать.

Границы формата: его ещё никто не прогонял

Восс не скрывает главного ограничения: формат теоретический. «Я сейчас не нанимаю разработчиков и ещё никого не убедил это опробовать» — признаётся он в конце поста. Он же называет свою заинтересованность: Восс работает в компании, которая делает оценку моделей (evals), и судья-агент в его схеме — по сути eval. Прежде чем закладывать формат в процесс, стоит знать остальные открытые вопросы.

Предиктивная валидность неизвестна. Никто не проверил, предскажет ли результат такого интервью успешность человека через полгода работы. Тавар из Shopify говорит об этом без обиняков: «Не думаю, что кто-то в индустрии это уже решил» (интервью CoderPad).

Формат тренируем. Как только схема станет известной, кандидаты начнут готовиться: практиковаться в вытягивании требований у ИИ-собеседников, как сейчас готовятся к Meta-раундам. Задачи придётся регулярно менять и держать втайне от следующего потока кандидатов — постоянная цена такого формата.

Нужна инженерная обвязка. Одинаковая модель для всех кандидатов, защита заказчика от попыток выманить спецификацию, стабильность поведения агента между кандидатами — всё это надо построить и поддерживать. Дешевле программы на тысячу стажёров, но не бесплатно.

Есть и проверенная альтернатива для тех, у кого есть деньги и время: масштабные стажировки. Shopify вырос с сотни до тысячи стажёров в год и называет четырёхмесячную стажировку «двусторонним интервью»; Cloudflare в 2026 году поставила цель в 1111 стажёров и к моменту последнего отчёта провела 750 стажировок (CoderPad, блог Cloudflare). Стажировка отвечает на вопрос «хорош ли человек в работе» надёжнее любого интервью — но стартапам с двумя открытыми вакансиями этот путь недоступен, и именно им формат Восса подходит больше всего. Тавар, кстати, описывает рамку, которую Shopify заимствовал у Университета Ватерлоо: часть раундов без ИИ (понимает ли кандидат слой под своим инструментом), часть с ИИ по желанию (знает ли, когда его звать), часть с обязательным ИИ (задача заведомо больше отведённого времени).

Что командам делать уже сейчас

• Держать структуру в любом формате. Одинаковые условия и одинаковая шкала для всех кандидатов удваивают предсказательную силу интервью — это самый дешёвый выигрыш из известных данных отбора (обзор Сакетта и коллег). Формат «заказчик-агент» структурен по построению; свободная беседа «о вкусе» — нет.
• Прогнать формат на своих задачах до найма. Собрать заказчика-агента на реальных требованиях своего домена, дать его своим инженерам и двум-трём волонтёрам и посмотреть, различает ли он тех, кого команда сама считает сильными. Это стоит дней, а не месяцев, и отвечает на главный вопрос о валидности хотя бы для одного домена.
• Калибровать судью по людям. Если проверку результата автоматизировать, сначала прогнать судью на наборе решений с человеческими оценками и измерить расхождение; пока расхождение не измерено, вердикт агента — не измерение.
• Не закрывать канал стажёров. Стажировка — формат, где сигналом служит настоящая работа, а не её имитация; для команд с ресурсом это канал найма, который конкуренты в текущем году сами же закрывают.

Вопрос «откуда возьмутся сеньоры через пять лет, если джунов не нанимать» решается не тогда, когда компания открывает вакансию, а сейчас — на этапе выбора формата интервью. Компании, которая первой научится отличать хорошего продуктового инженера от хорошего решателя задач LeetCode, достанется дешёвый и воспроизводимый конвейер кадров; остальные продолжат перекупать друг у друга всё тех же сеньоров по растущей цене. Формат Восса — первая детально описанная попытка такого отличия, и то, что его ещё никто не проверил, — не причина игнорировать, а причина испытать на своих задачах.

Источники

1. Laurie Voss — «A proposal: how to hire junior engineers in the age of AI» (02.11.2026): https://seldo.com/posts/a-proposal-how-to-hire-junior-engineers-in-the-age-of-ai
2. ADP Research Institute — «Yes, AI is affecting employment. Here's the data» (26.08.2025): https://www.adpresearch.com/yes-ai-is-affecting-employment-heres-the-data
3. Anthropic — «How employment is changing at Anthropic» (16.10.2026): https://www.anthropic.com/research/employment-at-anthropic
4. The Pragmatic Engineer — «State of the software engineering job market in 2026, part 2»: https://newsletter.pragmaticengineer.com/p/the-job-market-in-2026-part-2
5. TekRecruiter — обзор трендов найма разработчиков (данные Indeed Hiring Lab в пересказе CNBC, 10.2026): https://www.tekrecruiter.com/post/software-engineering-hiring-trends
6. Sean Goedecke — «Juniors and AI»: https://www.seangoedecke.com/juniors-and-ai/
7. Felix Rieseberg — «Hunger beats tenure: Advice for junior engineers» (10.2026): https://felixrieseberg.com/hunger-beats-tenure-advice-for-junior-engineers
8. Canva Engineering — «Yes, You Can Use AI in Our Interviews. In fact, we insist»: https://canva.dev/blog/engineering/yes-you-can-use-ai-in-our-interviews
9. interviewing.io — «A Senior Engineer's Guide to Meta's Interview Process and Questions»: https://interviewing.io/meta-interview-questions
10. Business Insider — о новом формате интервью для разработчиков в Google (10.2026): https://www.businessinsider.com/google-interview-process-ai-gemini-coding-comprehension-software-engineer-2026-10
11. CoderPad — «In the AI Era, Shopify Is Investing in Junior Engineers—Not Cutting Them» (интервью с Фарханом Таваром): https://coderpad.io/blog/hiring-developers/in-the-ai-era-shopify-is-investing-in-junior-engineers-not-cutting-them/
12. Cloudflare — «One year later: the power of 1.1.1.1 interns» (2026): https://blog.cloudflare.com/one-year-later-1111-interns/
13. Noon — «Structured Interview Validity: The Research in Numbers» (обзор Sackett, Zhang, Berry, Lievens, Journal of Applied Psychology, 2022): https://www.noon.ai/blog/articles/356-structured-interview-validity
14. Grepture — «Why You Can't Trust LLM-as-a-Judge Scores (Yet)»: https://grepture.com/blog/llm-as-a-judge-bias
15. «Reliability without Validity: A Systematic, Large-Scale Evaluation of LLM-as-a-Judge Models Across Agreement, Consistency, and Bias» (arXiv 2606.19544): https://arxiv.org/abs/2606.19544
16. Hirevire — «5 New AI Hire Laws: What AI Regulation Every HR Employer Needs to Know in 2026»: https://hirevire.com/articles/ai-hiring-laws-hr-leaders
17. ABC News — «Google skips 'waste of time' brainteaser interview questions» (2013): https://abcnews.com/blogs/business/2013/06/google-skips-waste-of-time-brainteaser-interview-questions
18. hh.ru — «Краткий обзор рынка труда», февраль 2026 (официальная статистика вакансий, резюме и hh.индекса): https://stats.hh.ru/api/v1/monthly-report/f-2a3d864d-7eb6-459c-aaa2-2bb0ef26e846
19. РБК Тренды — «IT-рынок в России: прогноз в сфере HR на 2026 год» (2026): https://trends.rbc.ru/trends/social/cmrm/698da33a9a79474de4341261
20. hh.ru — «Прогноз: что будет происходить на рынке труда в 2026 году»: https://hh.ru/article/prognoz-chto-budet-proiskhodit-na-rynke-truda-v-2026-godu
21. CNews — «Невыгодное начало. В России сокращаются зарплатные предложения для ИТ-джунов» (14.08.2026, данные HRDirect в пересказе ТАСС): https://www.cnews.ru/news/top/2026-08-14_nevygodnoe_nachalov_rossii
22. Российская газета — «Искусственный интеллект так и не вытеснил младших айтишников с рынка труда» (18.05.2026): https://rg.ru/2026/05/18/kod-pod-voprosom.html
23. Selecty — «Поступать в вуз — обязательно? Разбираемся, как нанимают джунов в 2026»: https://selecty.ru/blog/how-are-juns-hired-in-2026
24. РБК — «Как в России используют ИИ для приема сотрудников на работу» (07.2026): https://www.rbc.ru/education/10/07/2026/6a45b0fe9a79474ef5a957fb
25. Яндекс — «Яндекс обновляет процесс найма разработчиков. Рассказываю, почему мы пошли на такой шаг» (блог компании на Хабре): https://habr.com/ru/companies/yandex/articles/959986/
26. Яндекс Практикум и hh.ru — «Уровень конкуренции в IT среди новичков и влияние дополнительного IT-образования на привлекательность кандидата» (методология и результаты исследования; периоды анализа — 2024 год): https://practicum.yandex.ru/promo/work-guide/konkurenciya-v-it/