Дефицит молодых специалистов в логистике из-за ИИ вырос до 19%

Нехватка молодых сотрудников в профессиях, наиболее подверженных влиянию искусственного интеллекта, продолжает расти. По данным дашборда Canaries Стэнфордской лаборатории цифровой экономики, дефицит работников 22–25 лет в таких специальностях увеличился с 15% в июле 2025 года до 19% к июню 2026-го. Цепочки поставок – одна из зон риска: автоматизация рутинных задач сокращает число позиций начального уровня, через которые новички традиционно набирают экспертизу.

Проблема не в том, что ИИ берёт на себя подготовку данных, сводные таблицы поставщиков или черновые прогнозы – это как раз логичная автоматизация. Проблема в том, что именно на этой рутине строился карьерный путь junior-специалиста. Начинающий логист учился распознавать риски скрытых издержек дешёвого поставщика, понимать, почему прогноз нужно пересмотреть после шока спроса, и когда задержка транспорта меняет всю последовательность производства.

Если эти задачи просто передать алгоритму, учиться станет не на чем. А старшее поколение планировщиков рано или поздно уйдёт на пенсию или сменит роль – и организация останется без людей, способных объяснить, почему рекомендация системы имеет смысл и когда её нужно отменить.

Выход, который предлагают эксперты, – не замедлять внедрение ИИ, а перестроить обучение. Пусть система собирает сравнительную таблицу поставщиков – а стажёр объясняет, какие допущения в ней критичны. Пусть ИИ строит прогноз – а младший аналитик расследует выброс и защищает скорректированный сценарий. Пусть алгоритм суммирует переписку с контрагентами – а новичок решает, что требует эскалации.

«ИИ способен сократить путь от новичка до эксперта, но только если компании сохранят сам этот путь. Цель – меньше часов на сбор информации и больше времени на обучение принятию решений.»

Такой подход превращает автоматизацию в ускоренное наставничество: вместо копирования и поиска данных – верификация, работа с исключениями, коммуникация и суждение. За месяц стажёр получает больше разборов аномалий, переговоров с поставщиками и тренировочных решений, чем раньше за квартал.

Компаниям советуют добавить к стандартным метрикам внедрения ИИ ещё одну: время до самостоятельной компетенции – как быстро новый планировщик начинает обрабатывать исключения без постоянного контроля, выявлять слабые рекомендации и аргументировать решения при противоречивых данных.