Об авторе: Наталья Рейслер, руководитель отдела подбора персонала MWS AI (входит в МТС Web Services).
До 2030 года изменится и состав ИИ-команд, и критерии найма. Мы в MWS AI провели комплексное исследование рынка «К эффекту от AI приводит команда: как собрать команду, которая делает результат». Мы собрали данные о 142 закрытых позициях в ИИ-командах за 2025 год, изучили 147 exit-интервью, побеседовали с руководителями ИИ-функций и сделали анализ российского и мирового рынка труда.
На основе этой информации мы выделили шесть трендов, которые, по нашей оценке, определят, кого и как будут нанимать для работы с ИИ до 2030 года.
1. Спрос на ИИ-специалистов продолжит расти быстрее IT-индустрии в целом
Общее охлаждение рынка IT-найма пока не отменяет высокий спрос на профессионалов в области искусственного интеллекта. В 2024–2025 годах зарплаты специалистов по ИИ и машинному обучению увеличились на 18–25%, по инфраструктуре и эксплуатации моделей — на 15–20%, а для IT-отрасли в среднем рост составил менее 10%. Одновременно доля крупных российских компаний, использующих решения на базе генеративного ИИ, по нашей оценке, выросла примерно с трети в 2024 году до 50% во втором квартале 2025-го.
Мировая индустрия движется в ту же сторону: PwC отмечает, что в секторе технологий, медиа и телекоммуникаций уже почти каждая восьмая новая вакансия связана с ИИ. Компании, активно внедряющие ИИ, нанимают больше сотрудников, чем те, которые почти с ним не работают.
Наша собственная практика показывает, насколько неоднороден рынок. В 2025 году ML-инженера в среднем нанимали за 17 рабочих дней, специалиста по данным — за 22, менеджера ИИ-продукта — за 42. Для руководителя ИИ-направления и руководителя ML/AI-команды реалистичный срок составлял 60–90 календарных дней, иногда до четырех месяцев.
По мере перехода от экспериментальных проектов к промышленному использованию ИИ спрос будет поддерживать необходимость создавать, внедрять и обслуживать работающие системы. Поэтому до 2030 года рынок ИИ-специалистов, вероятно, продолжит расширяться быстрее традиционных сегментов IT, хотя темпы роста для отдельных профессий будут сильно различаться.
2. Новые ИИ-профессии будут появляться и исчезать быстрее
Вокруг ИИ формируются специальности, которых несколько лет назад не существовало: специалисты по координации ИИ-агентов (workforce orchestrator), по надежности ИИ-систем и по оценке качества моделей. Появляются и гибридные роли на стыке инженерии, продукта и консалтинга.
Одновременно меняются существующие профессии. Например, задачи промпт-инженера постепенно становятся частью более широкой специальности — ИИ-инженера, а граница между исследовательскими и инженерными функциями размывается. McKinsey описывает похожий сдвиг: компании все чаще уходят от статичных названий должностей к набору компетенций, меняют приоритеты найма и готовят сотрудников к ролям, где им предстоит управлять ИИ-агентами наряду с людьми.
Мы ждем ускорения этого процесса. Новые профессии будут возникать прежде всего вокруг оценки качества, эксплуатации, интеграции и управления агентами. Специальности, которые возникли из-за ограничений нынешних моделей, могут исчезать по мере развития технологии. В результате к 2030 году жизненный цикл некоторых ИИ-профессий станет значительно короче привычного карьерного цикла. Растущий спрос на новую роль теперь не означает, что она продержится на рынке даже десять лет.
Антон Рубенчик, директор по цифровым и информационным технологиям «Сибура»:
«Мы тестируем формат сверхмалых команд, в которых ИИ ускоряет производство. Первые результаты показывают: путь от идеи до промышленного внедрения сокращается на 20–30%, при этом для сопоставимых результатов нужно вдвое меньше сотрудников. Одновременно меняется сама роль ИТ-специалиста. Теперь ценится не программирование как таковое, а способность управлять созданием продукта — от постановки задачи до валидации результата. Профессионалам это открывает новую карьерную перспективу: из узкопрофильного специалиста можно стать технологическим лидером, способным приносить бизнесу реальную пользу».
Игорь Алутин, старший управляющий директор Московской биржи по розничному бизнесу и развитию электронных платформ:
«Новые специальности вокруг ИИ уже появляются. Московская биржа нанимает harness-инженеров — сотрудников, которые создают рабочую среду для ИИ-агентов: подключают их к данным и инструментам, выстраивают последовательность действий, контроль качества и обработку ошибок. Потребность в таких специалистах возникла из практики: на маркетплейсе «Финуслуги» уже работают ИИ-заводы, где агенты выполняют не отдельные запросы, а цепочки задач. В частности, они выявляют баги и аномалии в клиентском пути. ИИ-заводы могут работать ночью, когда нагрузка на вычислительные мощности со стороны сотрудников снижается. Это позволяет эффективнее использовать инфраструктуру, исключая простой дорогостоящего оборудования».
3. В дефиците в первую очередь будут специалисты на стыке ИИ и предметной области
Для внедрения ИИ в банке, промышленной компании или медицине одного знания моделей недостаточно. Нужно понимать контекст, какие данные можно использовать, какой уровень ошибки допустим и как устроен сам процесс, который предстоит автоматизировать. Исследование PwC показывает: количество открытых позиций на «профессионализированные» роли (в которых ИИ забирает на себя рутину, а человек выносит экспертные суждения) растет вдвое быстрее числа вакансий для «демократизированных» ролей (где ИИ упрощает работу неспециалистов).
Поэтому к 2030 году особенно востребованными могут стать профессионалы, совмещающие знания ИИ с экспертизой в предметной области. По мере упрощения работы с готовыми моделями большую ценность будут приносить люди, которые понимают, какую задачу стоит решать с помощью ИИ, какие данные для этого нужны и как проверить результат в конкретной отрасли.
В первую очередь это продакты-менеджеры. Как отмечает руководитель департамента цифрового развития и взаимодействия с клиентами «Северсталь-инфоком» Владимир Сидоров, на рынке найма две проблемы: острый дефицит «продактов плюс-плюс» — специалистов, способных мыслить широко и при этом работать с ИИ на скоростях, на порядок превышающих привычные, — и нехватка инженерных экспертов в области генеративного ИИ.
Владимир Сидоров:
«Раньше узким местом при создании решений всегда был код: бизнес писал ТЗ, а затем долго ждал реализации от команды разработки. С появлением вайбкодинга написание кода стремительно ускоряется. И здесь возникает новый риск: если раньше тормозила реализация, то теперь тормозить начинает формирование бэклога. Настоящий вызов сейчас не в том, чтобы писать код быстрее и производить в десять раз больше чего угодно. Нужно превратить эту скорость в десятикратный рост числа «бриллиантов» — действительно ценных работающих продуктов. Для этого необходимо новое поколение владельцев этих продуктов».
4. Скорость освоения новых технологий станет отдельным критерием найма
Технологии для разработки ИИ меняются очень быстро: за несколько лет конкретный инструмент, который давал кандидату редкое преимущество, может стать базовым или вообще потерять актуальность.
Мы ожидаем, что это изменит и собеседования. Вместо проверки знания отдельных инструментов работодателю будет важнее понять, способен ли кандидат сравнить несколько решений, поставить эксперимент, объяснить выбор через качество, скорость и стоимость и быстро освоить незнакомую технологию.
В нашем исследовании руководители ИИ-функций отдельно выделяли фундаментальные знания — как работают базы данных, операционные системы, процессоры и параллельные вычисления, а также способность переводить технические решения на язык бизнеса. Если срок жизни конкретного навыка становится короче срока работы сотрудника в компании, способность быстро переучиваться превращается из общего пожелания к кандидату в одну из его основных профессиональных характеристик.
5. Вырастет значение опыта промышленного внедрения ИИ
Создавать прототипы с помощью ИИ становится проще, однако между работающей демонстрацией и промышленной системой остается большой объем инженерной работы. Нужно обеспечить надежность, безопасность и приемлемую стоимость вычислений, следить за качеством ответов модели, выдерживать реальную нагрузку и корректно обрабатывать ошибки. McKinsey связывает переход к агентному ИИ с изменением приоритетов технологических команд: ценность смещается от наращивания числа разработчиков к стабильности архитектуры, соблюдению стандартов, контролю результатов и получению реальной отдачи от внедрения.
Николай Козак, управляющий директор, член правления «Дом.рф»:
«Сегодня востребованы специалисты, способные интегрировать ИИ в бизнес-процессы с измеримым результатом. В «Дом.рф» мы уже видим такой эффект: система ИИ-ассистентов сокращает время на рутинные задачи в среднем на 35%, а ИИ-агент для проверки кода экономит до 30% времени разработчиков. Ключевой вызов уже не столько в доступности технологий, сколько в компетенциях людей, которые понимают, как встроить их в работу так, чтобы они усиливали команду. Поэтому мы запускаем образовательные программы для управленцев, в том числе по компетенциям ИИ».
На практике прототип и промышленная система уже требуют разной логики работы. На этапе проверки гипотезы команда измеряет скорость экспериментов, их стоимость и время до первого результата. Во время эксплуатации на первый план выходят доступность сервиса, задержка, качество, стоимость одного запроса и финансовый эффект. Поэтому особенно ценными становятся специалисты, которые уже проходили весь путь: от прототипа до решения, выдерживающего реальную нагрузку
К 2030 году название конкретной модели или программной платформы в резюме будет говорить о кандидате меньше, чем история его внедрений. Такой опыт станет одним из главных преимуществ для ИИ-профессионалов.
6. ИИ-команды станут меньше, а ИИ-специалисты распределятся по бизнесу
Нейросети повышают производительность самих разработчиков ИИ-систем. 66% разработчиков говорят, что технология позволяет им тратить больше времени на задачи с высокой добавленной ценностью, а 58% с его помощью выполняют работу, которую они не могли делать год назад.
Мы ожидаем, что это постепенно изменит логику формирования команд. Инженер сможет передать ИИ часть задач в области разработки и за счет этого контролировать значительно больший объем работы, а параллельно запускать эксперименты. Поэтому к 2030 году небольшая группа сильных специалистов сможет выполнять задачи, для которых раньше требовалось более крупное подразделение.
Одновременно ИИ-компетенции будут переходить из отдельного центра в продуктовые и бизнес-команды, а центральная ИИ-функция — определять архитектуру, задавать стандарты, отвечать за безопасность и общую стратегию. Стоимость отдельного специалиста при этом может расти даже на фоне снижения числа людей, необходимых для выполнения того же объема работы.
Как компаниям ускорить наем
Скорость решений внутри важнее ширины воронки. Сильные кандидаты редко ждут обратной связи дольше 5–7 рабочих дней, а внутренние задержки могут удвоить срок закрытия вакансии. Большинство потерь происходит именно из-за медленных решений внутри компании. Два-три ключевых источника кандидатов важнее массового поиска. ML-инженеров эффективнее искать, например, в «Яндексе», «Сбере» и MWS AI, исследователей — в МФТИ и ВШЭ. Это эффективнее массового поиска по сайтам с резюме. Реферальная программа должна работать с первого дня. В 2025 году на 34% закрытых нами позиции специалисты пришли через рекомендации, а для senior-ролей доля была еще выше. Удержание дешевле найма. На замену senior ML-инженера уходит 3–5 месяцев без учета онбординга. Поэтому важно понимать, что может подтолкнуть сотрудников к уходу, и заранее принимать меры — прежде всего обеспечивать им достойные финансовые условия и давать интересные задачи.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.