Об авторе: Арина Пантина, образовательный продакт-менеджер направления курсов по нейросетям в «Нетологии».
ИИ-грамотность как новый стандарт на рынке труда
Владение нейросетями постепенно становится важной составляющей цифровой грамотности россиян. Исследования это подтверждают: 52% работодателей учитывают навыки работы с ИИ при подборе сотрудников. При этом каждая пятая компания (22%) организует для сотрудников обучение по работе с новыми ИИ-инструментами, а 48% планируют запустить такие образовательные программы в ближайшее время.
Как следствие — растет спрос на практическое обучение работе с нейросетями. В 2025 году курсы по этому направлению в «Нетологии» прошли более 27 тыс. человек — от маркетологов и продакт-менеджеров до аналитиков и управленцев. Такой интерес напрямую продиктован запросами бизнеса: компании ожидают, что специалисты будут использовать ИИ-инструменты при решении рабочих задач, причем не только на уровне экспериментов.
Уверенное владение генеративными моделями — такими как ChatGPT, GigaChat, YandexGPT и их аналогами — вводится как новый рабочий стандарт. При этом сами ИИ-навыки теперь еще сложнее разделить на «базовые» и «продвинутые»: граница между ними размывается по мере того, как нейросети становятся доступнее и проще в использовании.
Эволюция компетенций: от написания запросов к постановке задачи
Если еще несколько лет назад основным ИИ-навыком считалось умение писать хорошие промпты, то сегодня этого уже недостаточно. По мере развития нейросетей сами инструменты становятся проще и доступнее, однако требования к качеству их применения только продолжают расти.
Базовый уровень владения ИИ сегодня означает не просто знакомство с инструментами, а умение использовать их в повседневной работе. В первую очередь, оно подразумевает грамотное делегирование алгоритмам рутинных задач: подготовку черновиков, резюмирование документов, переводы, обработку данных и составление отчетов.
Одновременно меняются и сами требования рынка. На первый план выходит уже не prompt engineering (навык написания запросов), а более фундаментальная задача — problem framing, то есть умение правильно определить проблему, задать рамки для алгоритма и критически оценить решение. Понимание того, какой именно функционал целесообразно передать ИИ, оказывается важнее технического умения составить запрос.
ИИ-навыки для конкретных профессий: почему универсального набора больше не существует
Требования к опыту работы с ИИ сильно различаются в зависимости от профессии и уровня ответственности. Где-то нейросети используются для автоматизации рутинных задач, где-то — для анализа данных, а для руководителей они переходят в статус стратегического инструмента для принятия решений.
IT-специалисты и разработчики
В IT-секторе навык работы с ИИ уже перестал быть дополнительным преимуществом. Сегодня это базовый рабочий инструмент: около 76% разработчиков регулярно используют генеративные модели в качестве ассистентов.
Основная задача внедрения ИИ в процесс разработки — «отдать» алгоритмам повторяющиеся задачи. Генерация типового кода, поиск ошибок, написание тестов и рефакторинг позволяют инженерам освободить время для проектирования архитектуры систем.
При этом практика показывает, что оценить эффективность ИИ только количеством написанных строк кода уже нельзя. Например, после перевода более 6 тыс. инженеров на внутреннюю ИИ-платформу Project Bob IBM сообщила о росте производительности на 45%. Однако опыт использования GitHub Copilot в других компаниях показывает, что гораздо важнее смотреть не на скорость написания кода, а на его качество: сколько ошибок выявляется на ревью, уменьшается ли технический долг и становится ли система проще в сопровождении.
Опираясь на исследовательскую базу, выделяют три типичные ошибки инженерных команд при работе с ИИ:
Принимать сгенерированный ИИ код как готовый результат, хотя на практике он остается лишь качественным черновиком. Считать показателем успеха скорость написания кода, а не его качество и удобство дальнейшей поддержки. Использовать внешние ИИ-сервисы без продуманной политики безопасности.
Аналитики данных и Data Scientists
В работе специалистов по данным нейросети постепенно заняли место одного из ключевых инструментов. Сегодня ИИ помогает им автоматически очищать большие массивы информации, находить скрытые закономерности, выявлять аномалии, строить визуализации и готовить аналитические отчеты.
Все это значительно сокращает время на первичную обработку данных. Однако ключевая задача аналитика остается прежней — интерпретация результатов. Искусственный интеллект способен показать закономерность, но объяснить причины, оценить риски и принять решение по-прежнему должен человек.
Специалисты по маркетингу, PR и контенту
За последний год в России число маркетинговых вакансий с требованием владения ИИ-инструментами заметно выросло. Здесь нейросети используются не только для создания текстов и изображений, но и для глубокой аналитики: персонализации коммуникаций, сегментации клиентов и прогнозирования поведения пользователей. Главная ценность специалиста сегодня — умение превратить сырой результат работы алгоритма в контент, который решает бизнес-задачу и соответствует голосу бренда.
ИИ становится инструментом оптимизации всего производственного цикла. Например, компания Mondelez благодаря генеративному ИИ сократила затраты на подготовку digital-материалов на 30–50%, сохранив обязательную проверку всех результатов человеком. И, наоборот, история Chicago Sun-Times, где был опубликован список несуществующих книг, сгенерированный нейросетью, показала, что ответственность за достоверность информации невозможно полностью передать алгоритму.
Наиболее распространенные ошибки маркетинговых команд связаны именно с переоценкой возможностей ИИ. Компании начинают измерять эффективность количеством созданного контента вместо реальных бизнес-показателей, делают ставку на массовую генерацию креативов или чрезмерно автоматизируют персонализацию, из-за чего коммуникация начинает восприниматься как навязчивая.
Специалисты по продажам и клиентскому сервису
В продажах искусственный интеллект уже берет на себя значительную часть стандартных коммуникаций с покупателями. Нейросети помогают готовить коммерческие предложения и кастомизированные клиентские письма, формировать сценарии звонков и вариантов ответов на типовые возражения и автоматизировать работу службы поддержки.
Это не означает замену менеджеров по продажам. Напротив, освобождая специалистов от рядовых задач, ИИ позволяет им сосредоточиться на сложных переговорах, работе с ключевыми клиентами и построении долгосрочных отношений — все эти навыки остаются весомым конкурентным преимуществом человека.
Менеджеры среднего звена
Для руководителей ИИ, прежде всего, является инструментом повышения личной эффективности. Он помогает быстрее анализировать рынок, структурировать большие объемы информации, готовить документы, протоколы встреч и обрабатывать обратную связь.
Показательный пример — внедрение ИИ в государственном секторе Великобритании, где автоматизация первичной классификации тысяч обращений граждан позволила сэкономить около 75 тыс. рабочих часов и порядка £20 млн в год. При этом принцип остается неизменным: алгоритм лишь готовит базу для работы, а решения принимают эксперты. Корпоративный опыт использования Microsoft 365 Copilot в 2025 году также подтверждает, что ИИ отлично справляется с административной работой, но в задачах, требующих глубокого понимания контекста и сложного рассуждения, заметно уступает человеку.
Проблема современных менеджеров чаще не в недоиспользовании ИИ, а в чрезмерной опоре на него. Руководители ожидают, что нейросеть сама предложит готовое стратегическое решение, воспринимают черновик текста как финальный документ или не проверяют информацию экспертным взглядом.
Топ-менеджеры
Для руководителей высшего звена взаимодействие с ИИ уже не сводится к выбору конкретных инструментов или сервисов. Их главная задача — придумать, как внедрить искусственный интеллект так, чтобы он системно работал и действительно создавал ценность. Ведь реальный эффект компании дает не номинальный статус AI-first, а наличие управляемой системы с разными инструментами «под капотом».
Практика показывает, что успешное внедрение всегда требует комплексного подхода. Недостаточно приобрести современные инструменты — необходимо обучить сотрудников, продумать регламенты работы, определить зоны ответственности и систему оценки результатов. Именно поэтому многие крупные компании переходят от точечного использования нейросетей к полноценной перестройке внутренних процессов. Показателен опыт Shopify, где руководители должны сначала доказать, что задачу невозможно эффективно решить с помощью ИИ, и только после этого запрашивать расширение команды.
Однако последние годы показали и обратную сторону масштабной автоматизации. Например, компания Klarna пересмотрела подход к внедрению ИИ, признав, что стремление к максимальной автоматизации и сокращению затрат не должно происходить в ущерб качеству клиентского опыта.
Поэтому сегодня основная задача руководителей — не внедрить ИИ любой ценой, а найти баланс между автоматизацией, качеством сервиса и управлением рисками. Именно он определяет успешность цифровой трансформации бизнеса.
Почему формального владения ИИ-навыками уже недостаточно
По мере распространения и популяризации нейросетей меняются и требования к пользователям. Работодатели все чаще оценивают не факт использования технологий, а способность получать с их помощью измеримый результат.
На практике специалисты все еще часто совершают типичные ошибки:
ставят задачи без конкретики и контекста; доверяют результату, не проверяя факты и не адаптируя ответ под бизнес-задачу; используют ИИ хаотично, без четкого плана; останавливаются в обучении, игнорируя новые функции.
Как работодатели оценивают ИИ-компетенции кандидатов
В 2025 году число вакансий с требованием ИИ-навыков в России выросло почти на 89%, а работодатели стали меньше смотреть на формальное знание конкретных сервисов, и больше — на реальные кейсы их применения. Если раньше подтверждением могли служить сертификаты или перечень инструментов в резюме, то сегодня компании просят соискателей рассказать, как именно они применяли нейросети и какого результата удалось достичь с их помощью.
Под влиянием ИИ меняются и подходы к подбору персонала. Из-за наплыва сгенерированных ИИ резюме бизнес переходит к форматам, которые сложнее автоматизировать. Вместо классического скрининга кандидаты получают рабочие симуляции, тестовые задания и практические кейсы, максимально приближенные к реальным задачам компании.
Одновременно бизнес пытается определить разумные границы использования ИИ-сервисов при отборе соискателей. Например, компания Anthropic разрешила кандидатам применять модель Claude для улучшения черновиков резюме, но профильные тесты и собеседования нужно проходить самостоятельно. Такой подход отражает общий тренд рынка: полный запрет на ИИ выглядит все менее реалистичным. Вместо этого компании стремятся определить, где помощь алгоритмов допустима, а где необходимо оценивать исключительно человеческие навыки.