И сразу к результатам. Из тех, кто подумывает начать IT‑карьеру, в результате действительно смогут сделать это 16%.

Откуда взялось это число? Из нашего прикладного эксперимента, который продолжается уже больше двух лет. Только во второй его стадии успело поучаствовать более 500 желающих.

Джуны не нужны, их плохо учат или не каждый может в IT?

Мнения о перспективах новичков в IT раскиданы в самом широком диапазоне. От «мой знакомый прочитал одну книгу и получил оффер» до «десятки тысяч джунов не могут найти работу». Не было недели, чтобы на эту тему не выходил очередной материал.

Но если не ударяться в крайности, можно выделить три основные причины сложностей со стартом IT‑карьеры.

«Джуны не нужны». Да, действительно, взрывного роста IT‑рынка, который мы наблюдали в ковид, сейчас уже нет. По сути, пузырь «нанятых с запасом» пока все еще сдувается, и рынок только подходит к нормальному состоянию. Вряд ли мы увидим высокую динамику роста числа IT‑сотрудников в ближайшие несколько лет.

Сократит ли ChatGPT какое‑то число рабочих мест? Несомненно. Но, как минимум, создаст столько же новых.

В России сейчас около 1 миллиона IT‑специалистов. Техническая карьера среднестатистического IT‑специалиста длится в районе 15 лет. Именно столько времени в среднем требуется, чтобы успеть побыть джуном, мидлом и сеньором. После чего перейти уже во что‑то нетехническое — в менеджмент, собственное дело или вообще выйти из IT. То есть каждый год только российскому рынку требуется 60 000–70 000 джунов только для того, чтобы просто заменить выбывающее более старшее IT‑поколение.

«Плохо учат». Есть ли проблемы с обучением IT‑новичков? Есть. Сложно ли «за партой» или по онлайн‑лекциям научить человека программировать? Да, сложно. Правда ли, что тем, кто ищет первую работу, не хватает практических навыков? Да, правда. И всем этим проблемам не первый десяток лет.
Но это качественный показатель, а не количественный — его сложно оценивать, обсуждать и делать какие‑то выводы.

«Не каждый может в IT». Очевидно, что нет такой профессии, которая подходила бы абсолютно любому человеку. К исключениям можно отнести только профессии, не требующие законченного школьного образования — да и то с оговорками. Если мы говорим про IT, то вроде бы даже не сильно квалифицированная специальность разметчика данных под машинное обучение требует высокой концентрации, знания терминологии и навыков работы с соответствующими инструментами.

Может конкретный человек в IT или не может — это тоже в чем‑то качественный показатель. Но нам удалось его «оцифровать».

Первая стадия (2022-2024) - создаем методику предсказания IT-карьеры

Цель у нас была простая — научиться с высокой степенью точности предсказывать карьеру (или ее отсутствие) у того, кто только планирует получать технические знания и практические навыки в IT.

Для этого в 2022-м году начали разрабатывать углубленную профориентацию, серьезно отличающуюся от популярных онлайн‑тестов, которые можно пройти за 10 минут.

А что не так с онлайн‑тестами?

После множества экспериментов профориентация оформилась в три этапа — несколько домашних заданий на восприятие технических знаний, скрининг IT‑способностей в формате группового упражнения с другими участниками и индивидуальное интервью на последнем этапе.

Первая стадия завершилась в мае 2024 года, за два года в ней поучаствовало ~ 500 человек. Про результаты мы писали на Хабре.

С одной стороны, данные первой стадии были не очень репрезентативны по доходимости участников — в это время в профориентации принимали участие только те, кто затем планировал обучаться на конкретном курсе. То есть их мотивация пройти профориентацию до конца была выше среднего.

С другой стороны, за эти два года удалось достигнуть высокой точности методики. Про конкретные числа поговорим чуть позднее.

Вторая стадия (2024-) - делаем профориентацию общедоступной

Результаты первой стадии оказались многообещающими. Далее нам захотелось большей репрезентативности и славы.

Чтобы повысить число участников профориентации, но оставить ее бесплатной, в 2024 году мы превратили ее в общедоступный курс. Нам нужно было увеличить «пропускную способность» без роста требуемых ресурсов с нашей стороны. Поэтому три задания первого этапа на восприятие технических знаний упаковали в интерактивный учебник. Второй этап, скрининг IT‑способностей, проходит в виде группового упражнения — число участников не принципиально и время нашего специалиста тратится «сразу на всех». А до последнего этапа, индивидуальной профориентации, к сожалению или счастью, доходят немногие.

Поэтому у нас копится больше данных, причиняется польза всем желающим, и это бесплатно для них и почти бесплатно для нас (но так как «почти», то ссылок на курс не даю, чтобы не создавать хабр‑эффект).

Итак, каждый ли может в IT?

Бесплатный курс‑профориентация публично запустился в мае 2024 года и с тех пор через него прошло более 500 желающих.

Какую статистику мы имеем на текущий момент, спустя 8 месяцев старта второй стадии:

Из тех, кто уже закончил прохождение (440 человек) только 72 получили положительную рекомендацию на IT‑карьеру. Это 16.4% от общего числа.

Как я и писала выше, профориентация состоит из трех этапов.
Что происходит на каждом из них и какое количество участников отсеивается:

Три этапа полосы препятствий к IT-карьере

На первом этапе участник получает ответ на вопрос «IT — это действительно то, что я хочу?». Вообще мы специализируемся на QA, но через профориентацию проходят и те, кто хочет двигаться в сторону бизнес‑анализа или разработки. Про это чуть подробнее далее.

На этом этапе:

• даем каждому участнику немного общетематической информации: когда нужно и не нужно идти в IT, какие есть роли на IT‑проектах и как работает современное IT;

• снимаем розовые очки в плане требования работодателей к новичкам;

• даем немного начальной технической информации про основы архитектуры приложений и работу в командной строке (это пригодится на следующем этапе, на скрининге на IT‑способности);

• разбираем один из методов тестирования приложений.

В конце каждой главы есть онлайн‑тесты самопроверки. Также необходимо выполнить три домашних задания. Например, сравнить работу по Waterfall и Agile на примере действий конкретной команды, выполнить структурный анализ требований работодателей и провести исследовательское тестирование функционала конкретного сайта.

На этом этапе теряется 72% участников.
Кто‑то понимает, что IT — это не так просто, как кажется.
Кто‑то понимает, что это просто не его.
Кто‑то заваливается на, казалось бы, простых онлайн‑тестах и домашних заданиях — хотя, по сути, они проверяют лишь способность воспринимать околотехническую информацию в текстовом виде. Подозреваю, на этом этапе отваливается и много визуалов — онлайн‑лекции они воспринимают намного лучше, а здесь только текст и немного картинок. Увы, на реальных проектах придется в основном работать с информацией именно в текстовом виде.

Если первый этап участник прошел успешно, это значит, что он действительно хочет в IT. Но еще не факт, что может. Второй этап проверяет наличие аналитических способностей и дает ответ на вопрос «Смогу ли я выучиться, найти работу в IT и справиться с ней?».

Задания скрининга на IT‑способности строятся на информации об основах архитектуры приложений и работе в командной строке, которая была в учебнике предыдущего этапа. Конечно, глубоко погрузиться в технические нюансы за короткий курс невозможно, но нас интересуют не они, а способность усваивать информацию, анализировать, обобщать, синтезировать, генерировать гипотезы.

Так как всё это проходит в виде группового занятия с другими участниками и некоторые задания надо делать в подгруппах, то мы одновременно проверяем не только Hard skills, но и Soft skills. Можно дать технически правильный ответ, но испытывать сложности с аргументацией. Можно дать технически неправильный ответ, но показать способность рассуждать логически и в правильном направлении, дополняя других членов команды.

Из 123 прошедших первый этап не прошло групповой скрининг 22 человека (18% от прошедших первый этап). Сейчас есть три попытки, но, скорее всего, их число мы сократим — у кого не получается сделать это со второго раза, третий раз помогает очень редко.

Зачем нужен этот третий этап? Нередко на курс‑профориентацию приходят и те, кто уже работает в IT не первый год. Хотя, казалось бы, им уже всё должно быть понятно. Но они говорят «Мне казалось, что эта специальность — это именно то, чего я хочу. На проекте я хорошо справляюсь и зарплата устраивает. Но не покидает постоянное ощущение, что занимаюсь не своим делом. Мне не нравится».

Если человек что‑то хочет («мне это интересно») и он это может («у меня есть способности»), то это еще не гарантирует, что в результате он получит полноценную самореализацию и будет доволен работой. Например, в действительности специальность может оказаться намного проще, чем ему казалось — он с ней прекрасно справляется, но страдает от того, что его способности не используются в полной мере.

Поэтому проводящий индивидуальное интервью ментор с приличным IT‑опытом (как правило, это я) задает несколько десятков вопросов, касающихся мотивации, сильных и слабых сторон участника, исходя из предыдущего опыта (да, резюме тоже анализируем), представлений о будущей IT‑работе и того, чего хотелось бы достичь. Вопросы разработаны с привлечением профильных специалистов.

Для нас он самый затратный по времени — на интервью с каждым участником уходит около 30 минут и примерно столько же — на пост‑анализ и обсуждение со вторым специалистом всех трех этапов, чтобы выдать финальную рекомендацию. В рекомендации обозначаются сильные и слабые стороны в разрезе hard/soft skills и перечисляются рекомендованные IT-профессии. Если есть сомнения, то дается дополнительное задание в виде прохождения бесплатного курса по той или иной специальности.

В итоге из 440 изначально записавшихся на курс‑профориентацию до конца дошло только 92 участника — это 21%. Какие они в результате получили рекомендации, видно на скрине выше.

Наверняка у вас возникло множество вопросов по методике и результатам, поэтому перейду к ответам на наиболее вероятные:

Почему на третьем этапе рекомендуется в первую очередь тестирование?

Мы изначально специализируемся только на обучении QA и к нам исторически приходят люди, которые рассматривают это направление в первую очередь. Но есть и немало тех, кто выбирает между тестированием, анализом данных, бизнес‑анализом или разработкой.

Поэтому если по результату мы видим, что человеку лучше, например, в бизнес или дата‑анализ, то так честно и сообщаем. Не в наших интересах рекомендовать всем QA, чтобы люди в процессе обучения понимали «нет, это все‑таки не мое» и тем самым в результате портили статистику трудоустроенных.

Что насчет репрезентативности?

Мы оцениваем ее как достаточно высокую.

Заведомо сильный кандидат, то есть тот, кто объективно уверен в своих способностях к IT в силу профильного образования, опыта или склонностей, не будет тратить время на прохождение какой‑то профориентации. Он сразу приступит к обучению.

Но не будет тратить время на курс‑профориентацию и тот, кто привык принимать спонтанные и эмоциональные решения (и которому с таким психотипом вряд ли место в IT). Он будет ориентироваться на рекламу и оплачивать обучение без раздумий, ведь ему пообещали, что он обязательно станет IT‑специалистом.

Среднестатистический участник профориентации старается принимать решения взвешенно и так или иначе осознанно рефлексирует на тему вопросов «нужно ли мне в IT», «какая специальность подойдет мне больше всего?» и так далее.

Что насчет ложноположительного результата?

Как я и написала выше, за два года первой стадии точность самой методики была обкатана очень хорошо. Нам было легко отследить судьбу каждого участвующего, так как затем они проходили обучение на курсе, для которого это, собственно, и было входным экзаменом.

69% от получивших положительную рекомендацию на профориентации и начавших обучение специальности в результате стартовало карьеру в IT (данные 2024 года).

Еще процентов 15% не смогли стартовать IT‑карьеру за наблюдаемый период (полгода после окончания обучения) по возникшим объективным обстоятельствам — форс‑мажор в семье, здоровье, переезд в другую страну.

Поэтому можно сказать, что мы ошибаемся только в 15% случаев. Учитывая огромное число переменных, по‑моему, это отличный результат. Мы открыто публикуем данные по каждому студенту, так что все это можно изучить и проверить.

16% получающих положительную рекомендацию подозрительно коррелируют с 15% в среднем доходящих до конца онлайн-обучения

Да, мировые данные по онлайн‑обучению показывают, что до конца в среднем доходит 15% от начавших обучение.

Именно на российском рынке онлайн‑образования и именно по IT‑специальностям завершает обучение 20–60% от всех поступивших.

Из числа завершивших обучение трудоустраивается около 20–50%.

Таким образом, от числа всех изначально поступивших в результате получает работу в IT от 4% до 30% студентов.

Наши 16% получающих положительную рекомендацию попадают как раз в середину этого диапазона. Так что и в этом разрезе подтверждается наша способность предсказывать IT‑карьеру.

Что насчет ложноотрицательного результата?

Может ли быть такое, что мы сообщили участнику «рекомендуется сейчас не концентрироваться на IT‑карьере», но в результате он смог стать IT‑специалистом? Да, вероятность этого, конечно же, нельзя исключить.

На данный момент у нас такой информации нет, но через какое‑то время мы опросим всех участников, которые не завершили курс‑профориентацию успешно.

Возможно, так много выбывает на первом этапе не потому, что человек не справляется или понимает “это не мое”, а просто плохо сделан курс?

Сначала мы тоже так подумали. И поэтому для получения обратной связи интегрировали в курс короткую анонимную форму с просьбой оценить его качество. Ее результаты автоматически попадают в этот Google Sheets. На текущий момент (январь 2025) средняя оценка курса‑профориентации участниками 9.7 из 10.

Итого

Результаты нашей работы в чем‑то очевидные — как не каждый может стать врачом, так не каждый может стать IT‑специалистом.

Важная ремарка — под «не может» мы понимаем не только и не столько наличие способностей к IT. В конце концов, второй этап профориентации, где эти самые IT‑способности проверяются, не может пройти только 18% участников.

На самом деле в «не может в IT» входит и «это не совсем то, что я хотел», и «я себе представлял профессию по‑другому». То есть вещи, больше имеющие отношение к мотивации, чем к способностям, но которые каждому сложно оценить и пропустить через себя до выхода на реальную работу. Студент медвуза, несмотря на успешно сданные вступительные экзамены и наличие способностей к медицине, в какой‑то момент может понять, что от вида внутренних органов его постоянно мутит, он не хочет причинять боль другому человеку даже во благо или в принципе разочаровался в профессии. Предсказывать подобные моменты намного сложнее, чем наличие или отсутствие необходимых интеллектуальных способностей.

В этом как раз и состоит уникальность нашей работы — нам удалось построить методику, которая с высокой точностью предсказывает будущую IT‑карьеру или ее отсутствие.

Анонсы моих Хабр‑статей появляются в телеграм‑канале «Становимся тестировщиком».