Техлид Сергей Прощаев отмечает, что использование AI-агентов позволяет джуниорам быстрее закрывать задачи, но препятствует формированию глубокого понимания системы. Хотя метрики поставки выглядят успешно, новички часто оказываются не готовы к разбору реальных инцидентов, так как не развивают навыки самостоятельной диагностики.

Согласно отчету LeadDev Engineering Leadership Report 2026, 84% руководителей опасаются негативного влияния AI на развитие джунов, однако лишь 4% изменили процессы онбординга. Исследование Anthropic, опубликованное в январе 2026 года с участием 52 разработчиков, показало, что чрезмерная зависимость от AI снижает качество отладки и понимание кода по сравнению с самостоятельной работой.

Для решения проблемы предлагается оценивать готовность сотрудников по навыкам, а не по скорости закрытия тикетов. Рекомендуется в первые недели онбординга изучать систему без AI-инструментов, прослеживая путь запроса от API до базы данных. Важно проводить регулярные разборы прошлых инцидентов, чтобы учить джунов анализировать логи и метрики, а не просто копировать исправления из чата.

Процесс обучения стоит разделить на задачи по выпуску кода и задачи на обучение. В последних джуниор сначала пробует решить проблему самостоятельно, фиксирует гипотезы, а затем сравнивает свой подход с ответом агента. Такой подход, применяемый в командах вроде той, что описывает Гарима Агарвал, помогает сбалансировать использование технологий с развитием инженерного мышления.