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.