Находки — State of Java 2026#

Респондентов: 722 | Период: 2026-03-16 → 2026-05-05 (данные обновлены; опрос принимал ответы дольше исходного окна)

Демография#

Аудитория — опытное Java-сообщество России. 44.5% имеют 10+ лет в IT, ещё 16.0% — 6–10 лет. Ядро по должностям: Senior (45.1%), Middle (23.2%), Teamlead (14.0%), Architect (4.9%), Junior — лишь 4.0%. Медианный возраст — 35 лет (без изменений), пик — когорта 35–39 (24%, без изменений).

Гендерный состав: 92.8% мужчины, 5.2% женщины. Доля женщин крайне мала для статистических выводов внутри сегмента.

Географически: регионы России (37.8%), Москва/МО (32.8%), СПб/ЛО (18.8%), за рубежом 9.1%.

Отрасль: банки и финтех (45.4%) — почти половина аудитории, интернет-сервисы (24.4%), заказная разработка (17.9%). Это определяет характер всего опроса: акцент на enterprise, безопасность, legacy, отечественные решения.

Зарплатные ожидания (самооценка): пик 300–400К руб./мес. (21.0%), широкий диапазон 200–600К (64.9% суммарно), 700К+ — у 13.4%.

Сравнение с 2025 годом#

state-of-java/2025 — единственный предыдущий год с данными в этой базе, поэтому сравнение построено на двух точках: это показывает направление движения, а не подтверждённый многолетний тренд.

Обновлено при переэкспорте данных 2026 года (662 → 722 респондента); значения 2025 года не менялись. Kotlin «в проде» не изменился при пересчёте (в пределах округления).

Ключевые изменения:

1. Java 21 обогнал Java 17 за год (52.1% → 68.7%, при падении Java 17 с 71.3% до 59.6%) — LTS-миграция ускоряется, а не просто продолжается: разрыв перевернулся, а не сократился. Java 8 медленно, но устойчиво снижается (19.9% → 16.2%).
2. Осведомлённость о GC заметно выросла: доля «не знаю, какой GC» упала с 35.3% до 24.5% (−10.8 п.п.), при одновременном росте G1 (53.1% → 66.5%). Похоже на реальный эффект — не шум выборки такого масштаба.
3. Kotlin не растёт, а поляризуется: «в проде» просело (32.7% → 29.3%), но «не использую и не хочу» выросло сильнее (29.3% → 34.3%). Число принципиальных противников растёт быстрее, чем число практикующих.
4. Инфраструктурный стек стабилен, но не статичен: PostgreSQL слегка просел (89.6% → 86.3%) на фоне роста Kafka (73.7% → 77.7%) и заметного падения Maven (68.9% → 63.7%) при почти неизменном Gradle (61.9% → 61.5%) — Maven теряет долю быстрее, чем Gradle её забирает, возможно за счёт роста доли «использую оба».
5. GitLab CI продолжает терять долю (56.4% → 53.5%) даже при доминирующей позиции — стоит проверить, растёт ли конкретный альтернативный инструмент или доля распределяется по многим нишевым CI.
6. Демография почти не изменилась: доля Senior/10+ лет опыта, медианный возраст, доля тестирования — всё в пределах 1–3 п.п. Это одна и та же аудитория из года в год, что делает остальные сравнения в этой таблице более надёжными (не искажены сменой состава респондентов).
7. Лёгкий отток из Москвы/МО (36.9% → 32.8%) в пользу «другой регион России» (36.9% → 37.8%) и «живу не в России» (7.9% → 9.1%) — стоит проверить, отражает ли это реальную релокацию или просто разный охват рассылки по регионам между годами.

Прямые находки#

1. Java 21 — новый стандарт, Java 17 — переходный, Java 25 уже в бою#

Java 21 используется у 68.7% (496 из 722), Java 17 — у 59.6%. Java 25, вышедшая в 2025 году, уже присутствует в продакшне у 20.1% (145 чел.) — это нетипично быстрый старт для свежей LTS. Java 8 сохраняется у 16.2% — устойчивый legacy-хвост, вероятно финтех и промышленность.

2. 95% разработчиков используют AI-инструменты; 53% — ежедневно#

Только 5.3% (38 чел. — то же абсолютное число, что и раньше, доля просто снизилась за счёт роста выборки) никогда не пользовались AI. 52.8% используют ежедневно, 18.1% — несколько раз в неделю. Главные задачи: замена поиска (73.8%), замена StackOverflow (72.9%), написание кода (63.2%), генерация тестов (60.9%), ревью кода (56.1%). AI-adoption в Java-сообществе завершён — это уже не тренд, это норма.

Алексей Федоров — CGO JUG Ru Group

95% — это точка, после которой спор о том, войдёт ли ИИ в профессию разработчика, уже закончен. Теперь вопрос в другом: что происходит с инженерной работой, когда агенту можно передать целую задачу — от исследования и планирования до реализации и проверки результата? Кто формулирует намерение, даёт контекст, устанавливает критерии и принимает ответственность? Именно этот разговор станет центральным на нашей осенней Java-конференции Joker 2026.

3. Claude Code — лидирующий агентский инструмент, Cursor второй; агентские инструменты выросли с 43% до 58% адопции#

Среди AI-oriented и агентских инструментов: Claude Code — 27.0% (195 чел.), Cursor — 17.9%, OpenAI Codex CLI — 9.7%, Kilo Code — 7.3%, GitHub Copilot — 6.9%. Это резко расходится с глобальной картиной по установленной базе (JetBrains AI Pulse, апр. 2026: Copilot 29% adoption at work — всё ещё формальный лидер), но опережает уже наметившийся глобальный тренд по предпочтению: в том же опросе Claude Code — безоговорочный лидер по удовлетворённости (46% «most-loved» против 9% у Copilot).

Существенное изменение с прошлой версии этого отчёта: раньше здесь было "57.3% не используют агентские инструменты вовсе" — при обновлении данных выяснилось, что доля выбравших хотя бы один агентский инструмент выросла с ~42.7% до 58.0%, то есть доля НЕ использующих упала до 42.0%. Это не просто уточнение цифры на пару процентных пунктов — вывод меняется по существу: агентские инструменты за прошедшее время перешли от "используют меньшинство" к "используют большинство" аудитории. Стоит проверить, отражает ли это реальный рост adoption за месяцы между первым и повторным экспортом данных, или на более крупной выборке точнее посчитался знаменатель (реального падения тут может не быть — просто первая выгрузка недооценивала adoption).

4. PostgreSQL — безальтернативная СУБД для Java-бэкенда#

PostgreSQL выбрали 86.3% (623 из 722). Redis (40.3%) — в основном кэш, не основная БД. ClickHouse (19.7%) немного обогнал MongoDB (18.7%) — раньше они делили третье место практически поровну (18.9%), сейчас разрыв уже заметен. Отечественный Pangolin (PostgreSQL-форк) у 7.5% — концентрация в финтехе, где требуется сертификация.

5. Spring Boot доминирует, версия 4.x уже у каждого четвёртого#

Spring Boot используют 87.8%. Spring Boot 3.x — у 73.1%, Spring Boot 4.x — уже у 24.7% (~178 чел.). Spring Boot 4.0 вышел в конце 2024 года — такой охват за первые 4–5 месяцев существования говорит о высоком темпе adoption у early adopters в нашей аудитории.

6. Kafka — де-факто стандарт обмена сообщениями: 77.7%#

Kafka используют 77.7% (561 из 722) опрошенных. RabbitMQ — второй (32.0%), ActiveMQ — 12.5%. Dominance Kafka настолько тотальна, что она входит в топ-5 используемых Spring-модулей (Spring for Apache Kafka — 46.1%).

Григорий Кошелев — Функциональный руководитель Java разработки в Контуре

Если в процентах Кафка не сильно приросла к прошлому году, то adoption внутри проектов вырос: на примере консалтинга вижу сдвиг от «Объясните нам, что такое Кафка» к «У нас уже есть Кафка, научите нас её правильно использовать». То есть, раньше люди просто затаскивали Кафку, а сейчас смотрят, в каких сценариях и как этот инструмент использовать.

Российский тренд на Кафку очень близок с общемировым трендом: Кафка есть в 80%+ крупнейших компаниях (Fortune 100) во всех отраслях IT.

7. Records и Switch Expressions — самые востребованные современные фичи Java#

Среди языковых нововведений Java 12–17: Records используют 78.9%, Switch Expressions — 76.5%, Text Blocks — 73.0%, Pattern Matching for instanceof — 65.9%. Это полноценное mainstream-использование, а не эксперименты. Virtual Threads (Java 21) уже у 34.2% — значимо для фичи, которой нет и двух лет в LTS.

8. 9.3% Java-разработчиков не пишут тесты вообще#

При том что 87.4% пишут юнит-тесты и 70.2% — интеграционные, 67 чел. (9.3%) не пишут никаких (то же абсолютное число, что и раньше — доля снизилась только из-за роста выборки). С учётом демографии (44.5% 10+ лет опыта) это не новички, а сознательный выбор: legacy без тестов, embedded-разработка или data pipelines.

9. Maven и Gradle впервые сравнялись: 63.7% vs 61.5%#

В начале 2020-х Maven уверенно лидировал. Сейчас разрыв — 2.2 процентных пункта (был 2.6). Kotlin Gradle DSL (используется в 21% через Kotlin в Gradle-файлах) — ключевой драйвер роста Gradle.

10. GitLab CI лидирует с отрывом, GitHub Actions — маргинален#

GitLab CI — 53.5%, Jenkins — 39.8%, TeamCity — 12.7%, GitHub Actions — лишь 8.9%. GitLab как единая платформа (и хранение кода 65.8%, и CI) доминирует. Это прямое следствие специфики российского enterprise-рынка.

11. 70% не участвуют в open source#

Лишь 16.3% пишут OSS-код в свободное время, 6.0% — в рабочее. При этом аудитория ежедневно потребляет open source библиотеки. Барьер участия высокий даже для Senior-разработчиков.

12. Grafana Prometheus — квазимонополия в monitoring: 70.9%#

Grafana Prometheus используют ~512 чел. (70.9%). VictoriaMetrics — второй (19.3%). ELK Stack — у 44.0% для логов, Grafana Loki — 32.0%. Dynatrace + Datadog суммарно ~6% — коммерческие APM практически вне рынка.

13. 56.9% согласились на углублённые JVM-вопросы — это сильный JVM-сегмент#

Вопрос «Хотите более глубоких вопросов по Java/JVM?» разделил аудиторию: 411 чел. (56.9%) выбрали «Да». Внутри сегмента: 42.1% смотрели исходники JVM на GitHub или в других источниках, 4.1% компилировали локально, 1.2% патчат и пересобирают регулярно. G1GC используют 66.5% (пересчитано по всей аудитории) — ZGC только у 12.7%.

14. Банки и финтех формируют технологический ландшафт всего опроса#

45.4% (328 чел.) из банков и финтеха. Внутри сегмента заметно выше, чем у интернет-сервисов (176 чел.): Oracle Database (16.2% vs 7.4%), Pangolin (14.0% vs 2.3%), использование Sonar (77.4% vs 47.7%), Hibernate (68.3% vs 53.4%). В целом по опросу — акцент на безопасность (46.0% обновляют Java из требований ИБ). Интернет-сервисы (24.4%) заметно чаще на ClickHouse (29.5% vs 13.4% у банков) — иной технологический профиль.

15. Зарплатные ожидания: медиана 300–400К руб., хвост до 5M+#

Важная оговорка: вопрос звучал «Сколько, как вы считаете, вам должны платить за вашу работу?» — это самооценка ожиданий/аппетитов («сколько я внутренне считаю справедливым»), а не подтверждённые данные о фактической зарплате. Ниже и во всех кросс-анализах с этим вопросом (см. пункт 6 в разделе «Находки для кросс-анализа») речь идёт именно о желаемой, а не о реальной оплате.

Пик ожиданий — 300–400К (21.0%), 400–500К (15.9%), 500–600К (14.9%, без изменений). Порог 700К+ — у 13.4% суммарно по всем диапазонам выше 700К, 1M+ — у ~4.4%. 7.2% затруднились ответить (без изменений) — нетипично для Senior-аудитории, вероятно, вопрос о «должном» воспринимался как некомфортный.

Находки с комментариями экспертов#

1. Java 25 у 20.1% — реальный продакшн или dev-стенды?#

Java 25 LTS вышла в сентябре 2025, опрос проводился в марте–мае 2026 — то есть 6 месяцев. За это время 20.1% уже в «продакшне» — нетипично быстро. Вопрос спрашивал «используете в продакшне», но часть могла отметить dev-среды или pilot-деплойменты. В 2027 стоит разделить: «в продакшне» / «в dev/staging» / «планирую».

Александр Ланцов — Ведущий разработчик Мир Plat.Form

JEP 491 убрал пиннинг виртуальных потоков на synchronized — без этого их было бы опасно применять в существующих кодовых базах. Таким образом Java 25 — первый LTS-релиз с полноценной поддержкой Loom.

2. Spring Boot 4.x у 24.7% — аномально быстрое внедрение#

Spring Boot 4.0 требует Java 17+ и Spring Framework 6.2+. За полгода 24.7% — это либо наша аудитория сильно смещена к early adopters, либо часть ответов — planning/dev. Сравнить с данными JetBrains Developer Ecosystem Survey 2026 для кросс-валидации.

Илья Кучмин — Senior Lead Developer Amplicode

Удивительно: Spring Boot 4.x — 23,6% — аномально быстрое внедрение. Тому виной, конечно же, аудитория JUG Ru Group, которая, как известно, в целом сильно смещена в сторону early adopters. Да ещё и ответили самые активные. И всё же это много. Думаю, сыграли роль ещё несколько факторов: во-первых, Java 17 обеспечила низкую планку перехода; во-вторых, возмужавший OpenRewrite; в-третьих, конечно же, AI-агенты. Понятно, что, сказав агенту мигрировать приложение на Spring Boot 4, вы вряд ли получите рабочий результат. Однако попросите агента написать план, отправьте его на реализацию — и, вероятно, вы получите мигрированное приложение.

Илья Сазонов — Директор по продуктам Axiom JDK

Я думаю, что так много последнего Spring Boot, потому что отвечали разработчики. Но дело не только в том, что они говорят о том, на чём разрабатывают, а ещё в том, что если есть, допустим, 10 сервисов и из них 8 на 3.5, а 2 новых на 4.0, разработчики будут говорить, что у них в компании используется Spring Boot 4.0. Потому что новый фреймворк — это хорошо признаваться, что он у тебя старый — не очень приятно.

Насчёт сложностей перехода — переход с 3.5 на 4.0 и правда проще, чем с 2.7 на 3.5. Но я в последнее время начал подозревать, что во многом ситуацию изменил AI. После него всё равно надо тестировать и переход надо планировать, но если сервисов немного, то с помощью AI их можно перенести всей пачкой «за один присест».

3. Claude Code #1 вместо GitHub Copilot — это артефакт нашей аудитории, или мы просто на шаг впереди глобального тренда?#

Проверено против внешних данных (июль 2026): формулировка «Copilot — безусловный глобальный лидер» больше не точна. Рынок стал трёхсторонним:

• По установленной базе Copilot действительно всё ещё формально впереди: JetBrains AI Pulse (апр. 2026, 10K+ разработчиков) даёт Copilot 29% adoption at work против 18% у Cursor и 18% у Claude Code.
• Но по динамике Copilot теряет долю: Stack Overflow Developer Survey 2025 фиксирует падение с 67% до 51% среди профессиональных разработчиков за год.
• По предпочтению Copilot проигрывает решительно: в том же JetBrains-опросе Claude Code — «most-loved» инструмент у 46% разработчиков против 9% у Copilot; среди тех, у кого есть выбор между несколькими инструментами, Copilot предпочитают лишь 8%.
• Рынок сегментирован: Copilot всё ещё доминирует в enterprise/legacy Microsoft-стеке (56% adoption, 90% проникновения в Fortune 100), тогда как в стартапах и у продвинутых пользователей лидирует Claude Code (75% adoption у стартапов).

Вывод для отчёта: наш результат (Claude Code #1 — 27.0%, Copilot — 5-е место, 6.9%) — это не столько selection bias на фоне стабильно доминирующего Copilot, сколько опережающее отражение уже идущего глобального сдвига предпочтений. Selection bias всё же стоит явно упомянуть (наша аудитория технически продвинутее среднего Java-разработчика, поэтому эффект у нас выражен резче и раньше, чем в среднем по рынку), но не в формулировке «расходится с общепризнанным лидером» — а как «наша аудитория опережает тренд, который уже виден в глобальных опросах 2025–2026».

4. 24.5% не знают свой GC — незнание или разделение ответственности?#

При 44.5% Senior+ аудитории — почти четверть не знает, какой GC используется в их приложениях. Экспертная оценка — это нормально в эпоху containerized deployments, где DevOps/SRE настраивают JVM-флаги? Или это красный флаг для Java-специалиста?

Александр Ланцов — Ведущий разработчик Мир Plat.Form

Сделал отсылку к окружению Go: «Влияние Go :) Там разработчики относительно редко упираются в GC (есть только два флага для настройки)». К тому же стремятся и разработчики JVM, делая алгоритмы GC всё более интеллектуальными и адаптивными.

5. Сдвиг от JPA к JDBC (6.9%) больше чем обратно (1.5%)#

JPA → JDBC хотят 6.9% (~50 чел.), JDBC → JPA — лишь 1.5% (~11 чел.). Исторически движение шло в сторону ORM. Экспертный комментарий — это разочарование в Hibernate, влияние CQRS/read-models, или рост производительностно-ориентированного дизайна?

Илья Сазонов — Директор по продуктам Axiom JDK

Вопрос по тому, что люди хотят перейти с JPA на JDBC, связан с тем, что люди имеют в виду не чистый JDBC, а Spring Data JDBC, который позиционируется как «JPA done right». Spring Data JDBC совсем недавно было вообще неудобно использовать в продакшне, но развитие идёт и, конечно, многие хотят попробовать. Мне кажется, существование Spring Data JDBC даже дало импульс развития Hibernate и JPA. Там тоже в последнее время появилось много интересного.

6. OpenTelemetry у 46.7% — реальный охват или завышенный ответ?#

OTel — относительно молодой стандарт (stable 1.0 в 2021). 46.7% «Да» — это много. Но 17.3% «не знаю». Уточнить вопрос — используют ли OTel API/SDK напрямую в коде, или оно подтягивается транзитивно через Spring Boot Actuator/Micrometer.

Григорий Кошелев — Функциональный руководитель Java разработки в Контуре

Несмотря на то, что OTel — это молодой стандарт (трассировки GA — 2021, метрики GA — 2022, а логи GA — 2023), сейчас это второй по активности проект в CNCF (Cloud Native Computing Foundation) после Kubernetes.

В чём успех OpenTelemetry? Все крупные «игроки» на рынке Observability поддерживают OTLP (OpenTelemetry Protocol):

• Onprem-бэкенды: Prometheus (метрики), Jaeger (трассировки), Grafana Tempo и Mimir (трассировки и метрики)
• SaaS-бэкенды: Datadog, Dynatrace, NewRelic, HoneyComb
• Облачные провайдеры: AWS CloudWatch, Google Cloud Monitoring

Оценка 46.7% соотносится с внешними исследованиями — «When 48.5% of organizations already use a technology» и «OpenTelemetry reaches 49% production use».

OTel vs Zipkin: объективная оценка. Micrometer — стандарт для Spring. С Spring Boot 3 старый фреймворк трассировки Spring Cloud Sleuth заменён на Micrometer Tracing, поэтому сравнить популярность можно по публичным данным использования компонентов Maven. Если сравнивать две реализации транспорта трассировок в Micrometer, то текущее использование версий с начала 2026 года — 88 против 76 в пользу OTel (см. micrometer-tracing-bridge-otel и micrometer-tracing-bridge-brave).

Но 17.8% «не знаю» — интеграции настраиваются один раз и затем всё просто работает, поэтому разработчики даже не заглядывают в то, какие компоненты используются под капотом: для многих достаточно того, что в Spring Boot приложении автоматически собираются метрики и оказываются в Grafana.

Находки для кросс-анализа#

Ниже — фактические результаты кросс-анализа, пересчитанные по сырым данным - Data.csv (N=722; изначально считалось при N=662, значения ниже — актуальные). Для каждой гипотезы указан вердикт: подтверждена / опровергнута / требует уточнения (неоднозначный результат). Ни один вердикт не изменился при пересчёте на большей выборке — изменились только n и отдельные проценты.

1. Kotlin в проде vs. опыт работы — ГИПОТЕЗА ОПРОВЕРГНУТА#

Скрещено: («В проде») × (стаж).

Доля Kotlin-в-проде растёт, а не падает, вместе со стажем: минимум у группы 1–3 года (17.2%), максимум — у 10+ лет (34.8%). Тезис «Kotlin — молодёжная альтернатива Java» не подтверждается данными. Более вероятное объяснение: внедрение Kotlin в прод требует архитектурного решения (выбор стека для сервиса, миграция), которое чаще принимают опытные инженеры, а не новички, приходящие в уже существующий Java-стек.

2. AI-ежедневно vs. должность — ГИПОТЕЗА НЕ ПОДТВЕРДИЛАСЬ (адопция уже повсеместна)#

Скрещено: (частота AI) × (должность).

Доля «ежедневно» держится в узком коридоре 51–59% практически независимо от позиции — Junior (53.6%) не отстаёт от Senior (52.1%) и Teamlead (54.1%). Гипотеза «Senior быстрее внедряют AI в workflow» не подтверждается: внедрение AI уже настолько тотально (см. «Прямая находка №2», 95% пользуются AI), что различия между уровнями стёрлись. Контринтуитивный нюанс: доля «никогда» выше у Senior (6.7%) и Architect (8.8%), чем у Junior (3.6%) — абсолютные числа по-прежнему малы (21, 3 и 1 человек), делать вывод о «консерватизме опытных» на этой выборке некорректно.

3. Банки vs. интернет-сервисы: технологический профиль — ГИПОТЕЗА ЧАСТИЧНО ПОДТВЕРЖДЕНА#

Скрещено: (отрасль, n=328 банки/финтех, n=176 интернет-сервисы) × (БД) × (ORM) × (серверы приложений) × (статический анализ).

Подтвердилось: банки заметно тяжелее по Oracle/Pangolin (регуляторка, отечественные требования), сильнее держатся за Hibernate/Spring Data JPA и почти вдвое активнее используют статический анализ (Sonar 77.4% vs 47.7%, «не пользуюсь» 12.5% vs 21.0% — комплаенс-эффект). Интернет-сервисы заметно чаще на ClickHouse (29.5% vs 13.4% — аналитика/эвент-стриминг). Не подтвердилось: WildFly почти не различается (6.4% vs 7.4%) и в обоих сегментах маргинален — тезис «финтех → WildFly» не работает, Tomcat доминирует независимо от отрасли (73.8% и 61.9%). PostgreSQL — общий знаменатель для всех: разница 89.9% vs 81.2% куда меньше, чем разница по Oracle/Sonar.

4. JVM-энтузиасты (согласившиеся на deep-dive) vs. технический профиль — ГИПОТЕЗА ПОДТВЕРЖДЕНА#

Скрещено: (n=411 «Да» / n=311 «Нет») × (GC) × (профилировщики) × (JVM tuning depth).

Все показатели идут в ожидаемом направлении и с заметным разрывом: JVM-энтузиасты вдвое чаще используют ZGC (15.3% vs 9.3%), async-profiler (19.5% vs 8.7%) и JFR/JMC (31.4% vs 13.5%, разрыв в 2.3×), вдвое реже не знают свой GC (17.5% vs 33.8%). Сегмент из «Прямой находки №13» (56.9% захотели глубоких вопросов) действительно оказался технически более продвинутым, а не случайным разрезом — это валидирует использование этого фильтра как прокси для «продвинутых JVM-пользователей» в будущих опросах.

5. Virtual Threads vs. модель выполнения Spring — ГИПОТЕЗА ОПРОВЕРГНУТА#

Скрещено: (Virtual Threads) × (Spring Web execution model).

Доля пользователей Virtual Threads среди WebMVC и WebFlux теперь совпадает вплоть до десятой доли процента (38.7% у обоих) — на исходной выборке (662) разница была 1.8 п.п. (37.8% vs 36.0%), уже тогда признанная статистически незначимой; на увеличенной выборке она исчезла полностью. Гипотеза «VT заменяет реактивную модель, оставляя людей в синхронном стиле» не подтверждается: VT принимают одинаково активно и в реактивном, и в синхронном лагере. Более правдоподобная интерпретация: Virtual Threads в этой аудитории используются не как архитектурная замена WebFlux, а на уровне отдельных executor'ов/фоновых задач — независимо от того, какую модель веб-слоя выбрала команда. Стоит явно сформулировать этот вопрос в опросе 2027 (см. пункт 5 в разделе «Вопросы для следующего опроса»).

6. Ожидаемая зарплата vs. регион и должность — ГИПОТЕЗА ЧАСТИЧНО ПОДТВЕРЖДЕНА, С ВАЖНОЙ ПОПРАВКОЙ#

Скрещено: (ожидаемая зарплата — самооценка «сколько мне должны платить», не фактический доход; медиана по серединам диапазонов) × (регион) × (должность).

Везде ниже «медиана» = медиана желаемой/ожидаемой оплаты, а не измеренная реальная зарплата. Совпадающие медианы между регионами говорят о совпадающих ожиданиях (аппетитах) людей на этих позициях — это не доказательство, что их реальные доходы совпадают.

Иерархия по должности подтверждается чисто и монотонно (150 → 250 → 450 → 550 → 650) — полностью без изменений относительно исходного расчёта. По региону — да, Москва/СПб выше «другого региона России» (450 vs 350, тот же разрыв ~1.29×). При контроле по должности (только Senior) картина не изменилась: Senior в Москве (n=105), СПб (n=54) и «другом регионе России» (n=98) по-прежнему хотят получать одну и ту же медиану — 450 тыс. руб.; разница в общих цифрах по региону объясняется составом должностей, а не «региональной надбавкой» при равной позиции. Настоящее исключение — «живу не в России»: даже среди Senior (n=30) эта группа ожидает больше (550 vs 450) — подтверждает предположение о валютных/зарубежных ожиданиях, а не о заниженном ценнике удалёнки. Ещё раз: всё это про то, сколько люди хотят получать, а не про то, сколько они получают — при интерпретации не путать одно с другим.

7. Частота AI vs. объём токенов — ГИПОТЕЗА ПОДТВЕРЖДЕНА#

Скрещено: (частота AI) × (токены/день, среди ответивших на оба вопроса).

Чёткий монотонный сдвиг вправо, без изменений в характере зависимости: у «ежедневных» пользователей 41.3% генерируют 100K+ токенов/день против 8.8% у «иногда»-группы. Гипотеза подтверждена без оговорок — интенсивность использования AI линейно связана с объёмом генерации, что ожидаемо, но полезно как количественное подтверждение для раздела про AI-adoption.

Вопросы для следующего опроса (2027)#

1. Разделить «в продакшне» и «в dev/staging» для версий Java — особенно критично для Java 25 и preview-фич.

2. Добавить вопрос о структурированном логировании — JSON-логи vs. plaintext, log4j/logback patterns, OTel Logs API. ELK/Loki есть, но как именно пишутся логи — неизвестно.

3. AI в команде vs. лично: корпоративная подписка есть у 37.5%, но реальное командное внедрение (гайдлайны, prompt sharing, AI в CI) не измеряется.

4. Архитектурные стили: микросервисы vs. монолит vs. модульный монолит. Spring Modulith у 2% намекает на интерес, прямого вопроса нет.

5. Углубить Virtual Threads: используют ли VT в связке с WebMVC как замену реактива, или для отдельных executor'ов? Как влияет на архитектуру?

6. Детализировать зарубежную аудиторию: 9.1% за рубежом — это эмигрировавшие, командированные или изначально работавшие из-за рубежа? Страна проживания важна для контекста.

7. VK-специфичный раздел: получил только 27 ответов — перенести в закрытый корпоративный опрос или расширить до общего «крупные компании».

8. Тип работы: remote/hybrid/office влияет на инструментальные предпочтения и AI-adoption, но не спрашивается.