Все
Истории
Дизайн
Код
Геймдев
Бизнес
Маркетинг
Управление
Кино
Музыка
Проектная фотография
Развитие
Здоровье
Деньги
Образование
EdTech
Корп. обучение
Блог Skillbox
Глоссарий
Спецпроекты
Профориентация
Профессии в сфере ИИ: кто работает с искусственным интеллектом и создаёт нейросети
Разбираемся, где в мире нейросетей ещё нужен человек.
Когда-то новые технологии забирали у людей часть ручного труда. Теперь автоматизация добралась до IT и диджитала. ИИ уже пишет код, помогает искать ошибки, создаёт изображения, анализирует документы и отвечает клиентам. Одни привычные задачи постепенно уходят машинам, зато рядом появляются новые специальности — от AI-тренеров до ML-разработчиков и специалистов по нейросетям.
В этой статье мы разберёмся, кто сегодня работает с искусственным интеллектом, чем отличаются эти профессии и какие из них требуют серьёзной технической подготовки, а в какие можно прийти без программирования.
Содержание
- ML-разработчик
- Архитектор ИИ
- AI-разработчик
- Дата-инженер
- Дата-сайентист
- Вайб-кодер
- Специалист по внедрению ИИ
Как ИИ меняет рынок труда
Распространение ИИ не только создаёт новые профессии, но и меняет уже существующие рабочие места. Особенно заметно это в технологических компаниях: они автоматизируют часть задач и одновременно направляют больше сотрудников и инвестиций на развитие ИИ.
Ещё в 2023 году глава IBM Арвинд Кришна заявил, что компания планирует замедлить или приостановить наём на некоторые бэк-офисные позиции, в том числе в HR. По его оценке, за пять лет ИИ и другие инструменты автоматизации могли заменить около 30% из 26 тысяч таких рабочих мест — примерно 7800 позиций.
В мае 2026 года Cisco объявила о сокращении почти 4000 сотрудников — это менее 5% штата. Компания объяснила реструктуризацию перераспределением ресурсов в пользу быстрорастущих направлений, среди которых ИИ, производство чипов, оптические технологии и информационная безопасность. При этом решение приняли на фоне рекордной квартальной выручки Cisco в 15,8 миллиарда долларов.
Изменения видны и по рынку вакансий. По данным FRED, с февраля 2020 года число вакансий в сфере разработки программного обеспечения в США снизилось примерно на 25%. Если же сравнивать с пиковыми значениями марта 2022 года, показатель сократился примерно втрое.
Инфографика: Skillbox Media
Похожую открытую статистику по российскому рынку найти сложнее, однако отдельные компании также сообщают о сокращении штата на фоне автоматизации.Так, Герман Греф заявил, что в 2025 году «Сбер» сократил 20% сотрудников центрального аппарата, признанных неэффективными с помощью мультиагентной системы.
Однако такие примеры сами по себе не доказывают, что ИИ ведёт к сокращению рабочих мест. На занятость одновременно влияет множество параметров: состояние экономики, последствия массового найма прошлых лет и обычные меры бизнеса по снижению затрат. При этом влияние ИИ невозможно отрицать: компании автоматизируют часть рутинных задач и вкладывают всё больше ресурсов в разработку генеративных систем.
Профессии в ИИ без программирования
В сфере ИИ работают не только профессионалы с глубокими знаниями машинного обучения и программирования. Компании также ищут специалистов по нейросетям, которые умеют создавать контент, обучать модели, оценивать риски и решать другие задачи, не связанные с кодом. Разберём такие профессии подробнее.
AI-тренер
AI-тренер помогает улучшать модели искусственного интеллекта с помощью человеческой обратной связи. Он размечает данные, оценивает ответы нейросети, сравнивает разные варианты и отмечает ошибки — от фактических неточностей до нарушений заданных правил. Например, специалист может получить два ответа модели на один запрос, выбрать более удачный и объяснить решение по заданным критериям.
Часть задач связана не только с оценкой готовых ответов, но и с подготовкой данных. AI-тренеры составляют примеры запросов и эталонных ответов, размечают тексты, изображения или другой контент, проверяют сложные случаи и помогают уточнять инструкции для команды разметки. В более продвинутых проектах они также участвуют в тестировании безопасности моделей и ищут сценарии, в которых нейросеть ошибается.
Глубокие знания машинного обучения нужны не во всех таких вакансиях. Для многих позиций важнее грамотность, внимательность, умение аргументировать свои оценки. При этом для обучения моделей в отдельных областях компании привлекают профильных специалистов — например, разработчиков, математиков, юристов или экспертов по естественным наукам.
В России такие вакансии уже есть у крупных технологических компаний. Например, «Яндекс» ищет AI-тренеров для обучения нейросетей и предлагает удалённую работу с доходом до 125–133 тысяч рублей в месяц на руки в зависимости от региона.
Читайте также:
ИИ-креатор (AI Creator)
Одно из наиболее заметных новых направлений — создание коммерческого контента с помощью нейросетей. Название профессии пока не устоялось: компании могут искать таких специалистов как AI Creator, нейродизайнера, ИИ‑видеомейкера, дизайнера генеративного контента или просто специалиста по нейросетям.
В работе ИИ-креатор использует разные типы генеративных инструментов. Например, для создания изображений применяют Midjourney, Nano Banana и Stable Diffusion, а для генерации видео — Kling, Veo и Seedance. Часто специалисты комбинируют генеративные и традиционные инструменты: создают несколько изображений в нейросети, а финальный вариант собирают в Figma или Photoshop.
Нейросети постоянно обновляются, и навыки использования конкретного сервиса быстро устаревают. Поэтому важнее понимать общие принципы промпт-инжиниринга, работы с референсами и выстраивания процессы создания контента — от идеи до готового результата.
Работы ИИ-креаторов появляются не только в рекламе крупных компаний, но и на выставках. Так, в 2022 году работа «Театр космической оперы», созданная в нейросети Midjourney, заняла первое место в ежегодном конкурсе изобразительного искусства на ярмарке штата Колорадо.
Изрображение: Jason M. Allen / Midjourney / Wikimedia Commons
Промпт-инженер
Промпт-инженер пишет инструкции для языковых и мультимодальных моделей, чтобы получать от них более точные, стабильные и предсказуемые результаты. Он тестирует разные формулировки, примеры и ограничения, анализирует ответы модели и помогает встроить её в реальные продукты и рабочие процессы.
В реальных продуктах работа не сводится к написанию одного удачного запроса. Нужно продумать разные сценарии поведения модели: какие вопросы ей будут задавать, какой контекст и данные она получит, какие ответы допустимы и что должно происходить при ошибке. Для проверки качества часто используют наборы тестовых запросов, автоматические оценки и ручную разметку ответов.
Отдельная должность промпт-инженера есть не во всех компаниях. Часто эти задачи входят в работу ИИ-разработчиков, аналитиков, редакторов и специалистов по внедрению. Поэтому работодатели обычно ценят не умение придумывать эффектные промпты, а способность формализовать задачу, определить критерии качества и системно проверять результат работы модели.
Читайте также:
Специалист по этике и безопасности ИИ
Специалист по этике и безопасности ИИ — профессия на стыке технологий, информационной безопасности и юриспруденции. Он помогает компаниям внедрять ИИ-системы так, чтобы они оставались безопасными, предсказуемыми и соответствовали требованиям бизнеса и законодательства.
Такой специалист оценивает риски моделей, проверяет работу с персональными данными, анализирует возможные ошибки и определяет, какие решения можно передать ИИ, а где необходим контроль человека. Он может участвовать в проверке прозрачности моделей, поиске дискриминационных результатов, защите данных, разработке внутренних правил использования ИИ и подготовке процессов аудита.
В зависимости от компании эта роль может быть отдельной должностью или частью работы специалистов по информационной безопасности, юристов, комплаенс-специалистов и продуктовых команд.
Для этой профессии важно понимание бизнес-процессов, законодательства и ограничений современных моделей. Сильный специалист умеет оценить не только возможности ИИ, но и ситуации, где его применение неоправданно: если обычная автоматизация решает задачу дешевле, надёжнее и безопаснее.
Технические профессии в сфере ИИ
Над одним ИИ-продуктом могут работать специалисты разных профилей. Одни собирают и готовят данные, другие обучают и внедряют модели, третьи проектируют архитектуру системы или интегрируют готовый ИИ в процессы компании. Рассмотрим основные технические профессии в этой сфере.
ML-разработчик (Machine learning engineer)
ML-разработчик — специалист, который создаёт, обучает и внедряет модели машинного обучения в реальные продукты и сервисы. Сейчас это одна из основных и высокооплачиваемых профессий в ИИ-сфере. Например, начинающие ML-инженеры в OpenAI получают около 20 000 долларов в месяц, а у ведущих специалистов зарплаты превышают 110 000 долларов в месяц. В России зарплаты ML-инженеров тоже остаются высокими: по данным hh.ru, опытные специалисты могут получать 220–350 тысяч рублей в месяц, а отдельные компании предлагают вилки до 400 тысяч рублей и выше.
ML-разработчики участвуют в создании корпоративных ассистентов, чат-ботов, сервисов обработки документов, инструментов для анализа встреч и ИИ-помощников для продаж, HR, финансов и других подразделений.
Развитие генеративного ИИ расширило задачи ML-разработчика. Помимо классического машинного обучения, специалисты теперь работают с LLM и мультимодальными моделями, создают RAG-системы и ИИ-агентов, а также адаптируют готовые модели под конкретные продукты.
Во многих продуктовых командах ML-разработчик также сопровождает нейросеть на всём жизненном цикле: от первой выгрузки данных до A/B-теста и масштабирования решения на всех пользователей.
Архитектор ИИ (AI Tech Lead)
Архитектор ИИ — специалист, который определяет, как будет устроена ИИ-система целиком: из каких компонентов она состоит, как они взаимодействуют и на какой инфраструктуре работают. В вакансиях такую роль также могут называть ML-архитектором, AI Solution Architect или Tech Lead по искусственному интеллекту.
Архитектор выбирает модели и способы их подключения к продукту, проектирует работу с корпоративными данными и продумывает инфраструктуру. При этом ему приходится учитывать не только качество модели, но и нагрузку, скорость работы, стоимость эксплуатации, масштабируемость и требования информационной безопасности.
Например, архитектор решает, использовать готовую LLM или разворачивать собственную, нужен продукту RAG или дообучение модели, где хранить данные и как предоставить модели безопасный доступ к ним. Он также определяет, как ИИ-компоненты будут взаимодействовать с API, базами данных, внутренними сервисами и другими частями продукта.
Для такой работы нужно понимать устройство моделей машинного обучения, агентов, DevOps и облачной инфраструктуры. Архитектор ИИ — не стартовая позиция, а следующий карьерный этап для опытного разработчика, ML-инженера или специалиста по работе с данными.
Читайте также:
Дата-инженер (Data engineer)
Дата-инженер отвечает за то, чтобы данные из разных источников регулярно собирались, очищались, преобразовывались и попадали туда, где их смогут использовать аналитики и ML-разработчики.
Данные могут поступать из CRM, внутренних баз, API, файлов, мобильных приложений, сайтов и корпоративных сервисов. Дата-инженер объединяет эти источники в устойчивые автоматизированные пайплайны, следит за качеством данных и организует их хранение.
На практике специалист проектирует хранилища и витрины данных, автоматизирует загрузки и следит за тем, чтобы они выполнялись без сбоев. Для этого обычно используют SQL и Python, системы оркестрации и базы данных.
В ИИ-проектах дата-инженер особенно важен на этапе подготовки данных для аналитики и обучения моделей: от качества и доступности данных напрямую зависит качество конечного решения.
Дата-сайентист (Data Scientist)
Дата-сайентист исследует данные, проверяет гипотезы и создаёт модели, которые помогают бизнесу прогнозировать события, принимать решения и автоматизировать процессы. Он переводит бизнес-задачу в математическую модель, выбирает подходы к решению, проводит эксперименты и оценивает качество результата.
Специалист по данным работает с методами машинного обучения, статистикой, анализом данных и нейросетевыми технологиями. В зависимости от проекта он может создавать классические ML-модели, обучать нейросети, работать с большими языковыми моделями и разрабатывать решения на основе генеративного ИИ: например, RAG-системы, ИИ-ассистентов и агентные системы.
Обычно ему нужны Python и инструменты анализа данных, SQL, библиотеки машинного обучения и глубокого обучения, а также технологии для создания приложений на базе LLM.
Работодатели особенно ценят опыт разработки моделей полного цикла. Специалист должен понимать, какую проблему решала модель, почему был выбран конкретный подход, как измерялось качество и какой практический эффект получил бизнес.
AI-разработчик
AI-разработчик создаёт приложения и сервисы на базе моделей искусственного интеллекта. В отличие от ML-разработчика, он обычно не обучает нейросеть с нуля, а подключает существующие модели к продукту и настраивает их под конкретную задачу.
Например, AI-разработчик может создать корпоративного ассистента, чат-бота поддержки или сервис для анализа документов. Для этого он работает с API языковых и мультимодальных моделей, настраивает промпты, подключает базы знаний и создаёт ИИ-агентов, которые взаимодействуют с внешними сервисами.
Для работы нужны навыки классической разработки — чаще всего Python или JavaScript, — понимание API, баз данных и архитектуры приложений. Также специалисту важно разбираться в возможностях и ограничениях современных моделей: стоимости запросов, скорости ответа, контекстном окне и способах оценки качества.
Вайб-кодер
Вайб-кодер создаёт программы с помощью ИИ-инструментов, описывая нужный результат на естественном языке. Вместо того чтобы самостоятельно писать каждую строку, он ставит задачи нейросети, проверяет результат и уточняет запросы, пока приложение не заработает как нужно.
Для вайб-кодинга используют инструменты вроде Cursor, Claude Code, Replit и Devin. С их помощью можно собрать простой сайт, бота, веб- или мобильное приложение. ИИ генерирует код, исправляет ошибки и помогает добавлять новые функции.
Стоит отметить, что вайб-кодер — пока скорее название подхода к разработке, чем устоявшаяся профессия. Вайб-кодинг используют как опытные программисты, чтобы быстрее создавать прототипы, так и люди без глубоких технических знаний. Чем сложнее становится проект, тем важнее понимать основы разработки: это помогает заметить ошибки ИИ, проверить безопасность кода и не потерять контроль над процессом.
На рынке труда отдельные вакансии вайб-кодеров пока встречаются редко. Чаще умение работать с ИИ-инструментами для программирования появляется среди требований к разработчикам, а сам вайб-кодинг считается скорее дополнительным навыком, нежели самостоятельной специальностью.
Читайте также:
Специалист по внедрению ИИ и нейросетей
Специалист по внедрению ИИ помогает компаниям находить практические сценарии использования искусственного интеллекта и превращать их в работающие решения. Он анализирует бизнес-процессы, выбирает подходящие инструменты, запускает пилотные проекты и оценивает их результат.
Эта роль находится на пересечении бизнес-анализа, управления проектами и технологий. Специалист должен понимать, какие задачи можно автоматизировать с помощью ИИ, какие данные потребуются для работы системы и как встроить решение в существующие процессы компании.
На практике он может создавать ИИ-ассистентов, автоматизировать обработку документов и запросов, подключать языковые модели к корпоративным базам знаний, настраивать интеграции с CRM, таск-трекерами и другими внутренними сервисами.
Для работы нужны знания современных ИИ-инструментов, платформ для создания ассистентов и агентов, сервисов автоматизации, API и принципов работы с корпоративными данными. При этом глубина технических навыков зависит от компании: где-то специалист самостоятельно собирает прототипы, а где-то управляет командой разработчиков, аналитиков и специалистов по безопасности.
Главное требование к такой роли — умение доводить идеи до измеримого результата. Специалист должен не просто внедрить ИИ-инструмент, а показать его пользу: например, сократить время обработки заявок, повысить качество сервиса или снизить операционные затраты.
Как выбрать направление в сфере ИИ
Начинать карьеру в ИИ с нуля необязательно. Во многих случаях искусственный интеллект становится продолжением уже существующей специализации: дизайнеры осваивают генеративные модели, аналитики — работу с данными и автоматизацию, менеджеры проектов — внедрение ИИ в бизнес-процессы, а разработчики — LLM, ML и инфраструктуру для моделей.
Поэтому выбирать направление лучше не по названию профессии или популярности конкретной нейросети, а по тому, какие задачи вам интереснее решать:
- Нравится работать с данными, базами и инфраструктурой — стоит присмотреться к профессии дата-инженера. Здесь важно уметь собирать информацию из разных источников, строить хранилища и автоматизировать их обработку.
- Интересны математика, эксперименты и поиск закономерностей — вам ближе дата-сайенс. Понадобятся статистика, теория вероятностей, анализ данных и машинное обучение.
- Хочется создавать модели и превращать их в работающие продукты — подойдёт ML-разработка. Помимо машинного обучения, пригодятся навыки программирования, тестирования, развёртывания и мониторинга моделей.
- Ближе дизайн, видео и визуальное творчество — можно развиваться как ИИ-креатор. При этом генеративные модели не заменяют знания композиции, монтажа, типографики и других основ профессии.
Полезно начинать не с изучения инструментов, а с создания небольшого проекта. Например, аналитик может автоматизировать подготовку отчёта, разработчик — собрать приложение с LLM, а дизайнер — сделать серию рекламных креативов. Такой проект позволяет одновременно разобраться в технологии и получить результат, который можно показать работодателю.
При этом конкретные модели, сервисы и фреймворки будут постоянно меняться. Гораздо дольше сохраняют ценность фундаментальные навыки: программирование, работа с данными, математика, дизайн, понимание бизнес-процессов и умение оценивать качество результата.
Больше интересного про код — в нашем телеграм-канале. Подписывайтесь!
