Я изучил 1 000 вакансий, чтобы узнать как российский бизнес формулирует спрос на людей с ИИ-компетенциями

По разным оценкам, до 80% инвестиций в ИИ не окупаются или вовсе проваливаются. Причина часто лежит за пределами ИТ-составляющей: компании внедряют модели и инструменты, но не меняют процессы, роли, культуру и управленческие решения.

Последние три года я изучаю AI и GenAI и практики их внедрения в бизнесе. ИИ влияет на все функции компании и постепенно меняет саму модель работы. Поэтому его внедрение требует связки технологий с обучением людей, стратегией, бюджетированием, продуктами, маркетингом и управлением рисками.

Из этого вырос мой исследовательский вопрос: кого российский бизнес ищет для работы с ИИ и насколько этот спрос отражает потребность в комплексной трансформации?

Я проанализировал 1 000 вакансий с HH.ru с упоминанием AI, ИИ, искусственного интеллекта и LLM. В выборку вошли упоминания в любом контексте: от прямых обязанностей до описания стека и корпоративной культуры.

Базовая гипотеза состоит в том, что содержание вакансии с упоминанием ИИ отражает текущее представление бизнеса о том, какая экспертная поддержка ему нужна, где должна создаваться ценность и какие ожидания стоят за технологическим трендом.

На основе этого массива я также проанализировал уровни заработных плат, глубину требуемой квалификации, масштаб работодателей и другие рыночные маркеры, которые фиксирует HeadHunter.

Методология

Каждая карточка вакансии с портала HH.ru с упоминанием AI, ИИ, искусственного интеллекта, нейросетей и LLM была сохранена с исходными параметрами и полным описанием. Вакансии размечались по бизнес-функции, типу роли, уровню требований к ИИ, масштабу компании и контурам требуемых AI-инструментов. Функция определялась сначала по названию должности, затем проверялась по обязанностям и требованиям. Такой порядок важен, поскольку AI Data Engineer или LLM Developer может работать в продукте для маркетинга, но его профессиональная функция остаётся инженерной.

Классификация основана на публичных текстах вакансий и нужна для стратегического анализа спроса. Она не заменяет внутренние данные компаний. Зарплаты рассчитываются только по опубликованным вилкам, а масштаб работодателя — только для вакансий, где его можно определить с достаточной уверенностью.

ИИ стал отдельным требованием к кандидатам, но пока уступает базовым корпоративным инструментам и сервисам

Сравнение показывает, что ИИ уже становится самостоятельной категорией требуемых навыков в вакансиях, однако по распространённости пока уступает базовым корпоративным инструментам — Excel, CRM и 1С. Это естественно для технологии, которая активно входит в повседневную работу, однако пока не стала универсальным требованием для большинства профессий.

Работодатели разделяют ИИ на «ядро профессии» и «вспомогательный инструмент»

ИИ является ядром роли в 336 вакансиях. Здесь сам предмет работы связан с разработкой, интеграцией, данными для моделей или управлением AI-продуктом. В 664 вакансиях технология помогает основной функции. Эту группу формируют продажи, маркетинг, поддержка, HR, финансы и операции.

Разделение не зависит от того, насколько активно компания рассказывает об ИИ в описании. Оно зависит от того, что должен делать конкретный человек. Поэтому SMM-специалист с ChatGPT остаётся пользователем вспомогательного инструмента, а Data Engineer для подготовки датасетов относится к ядру AI-ролей.

Почти половина спроса сконцентрирована в ИТ/дата-инжиниринге и маркетинге

Наиболее крупный контур спроса формирует разработка ПО и AI engineering. Это подтверждает, что техническая составляющая на рынке труда превалирует. При этом это также может свидетельствовать о том, что в вакансиях, где ИИ является вспомогательным, об этом требовании пишут редко; это может быть связано с низким уровнем AI-зрелости в российских компаниях.

Почти каждая пятая вакансия приходится на функцию маркетинга. Здесь ИИ чаще применяется для генерации материалов, подготовки кампаний, персонализации коммуникаций и ускорения производства креатива. Продажи, продуктовая трансформация и аналитика встречаются реже, хотя именно эти функции должны связывать технологию с коммерческим эффектом, выбором сценариев внедрения и работой с данными.

Требования в вакансиях по уровню ИИ-компетенций можно разделить на 5 уровней: от простого к сложному

1. Базовое использование готовых AI-сервисов — готовые сервисы для текста, поиска, презентаций, визуалов и повседневной продуктивности.

2. Прикладное использование AI в рабочем процессе — AI-ассистенты, боты, простая автоматизация, no-code и повторяемые сценарии.

3. Проектирование AI-сценариев и внедрения — выбор use cases, требования, roadmap, метрики и управление внедрением.

4. Инженерная интеграция AI-систем и данных — LLM, RAG, агенты, API, архитектура, пайплайны и данные для моделей.

5. Обучение, развёртывание и эксплуатация моделей — Fine-tuning, MLOps/LLMOps, production, inference, мониторинг и локальные контуры.

Уровень требуемых компетенций у соискателя зависит от бизнес-функции

Большинство бизнес-функций осваивает открытые сервисы, которые помогают быстрее создавать контент, обрабатывать информацию, готовить аналитику и автоматизировать рутинные операции. Маркетинг, финансы, продажи, HR, клиентский сервис и другие бэкофисные подразделения пока находятся именно на этом уровне.

В вакансиях для стратегии и продукта указывают требования к прикладным ботам, no-code-решениям и трансформации процессов. Таких ролей пока мало, но именно они связывают технический стек с остальным бизнесом, обеспечивая системность ИИ-трансформации. Инженерная часть и работа с данными ожидаемо чаще требуются в разработке и связаны с проектированием решений, интеграцией ИИ в ИТ-ландшафт и обучением моделей.

Работодатели уходят от абстрактного «знания нейросетей» к требованию конкретного стека

Рынок AI-инструментов концентрируется вокруг нескольких лидеров, формирующих ядро пользовательского спроса. Главные позиции занимают Claude (156) и ChatGPT (137): они воспринимаются как универсальные платформы для повседневных задач, аналитики, создания контента и работы с текстом.

LangChain (96) выделяется как ключевой инструмент перехода от разовых запросов к созданию AI-продуктов, агентов и интеграций. Это сигнал о растущем интересе к практическому внедрению AI в процессы и ИТ-ландшафт.

Второй эшелон составляют Midjourney (61), GigaChat (59), Cursor (51) и n8n (46). Здесь представлены три наиболее востребованных направления: визуальный контент, русскоязычные языковые модели, разработка и автоматизация процессов.

Gemini (40), LlamaIndex (31), Copilot (28), Make (26) и Runway (24) занимают устойчивые нишевые позиции. Их востребованность связана с конкретными профессиональными сценариями: работа с данными, программирование, автоматизация и мультимедийный контент.

Масштаб компании определяет подход: корпорации строят системы, стартапы ищут быстрый эффектФокус компаний на ИИ-компетенции в зависимости от масштаба бизнеса

В этот срез вошли 661 вакансия, где масштаб работодателя можно определить с достаточной уверенностью.

Сложились два разных паттерна внедрения AI, зависящих от масштаба и устройства бизнеса. Корпорации и экосистемы концентрируются на разработке, данных и комплаенсе. Для них приоритетны единые платформы, управление доступами, безопасность и тиражирование интеграционных практик по всей организации. Чем крупнее структура, тем важнее управляемость и снижение системных рисков.

Стартапы и агентства фокусируются на маркетинге, контенте, продажах и клиентском сервисе. Их логика — быстро подключать готовые AI-инструменты в точки прямого контакта с рынком, чтобы быстрее получать коммерческий эффект.

Главный вывод: крупный бизнес инвестирует в фундамент AI-трансформации — платформу, данные и контроль. Компактные компании используют AI прежде всего как ускоритель фронт-офиса, выручки и клиентских коммуникаций.

Чем глубже специалист вовлечён в создание AI-инфраструктуры, тем выше его стоимость на рынке труда

На начальных уровнях работы с открытыми AI-сервисами рынок оценивает специалистов практически одинаково. При этом упоминание ИИ в требованиях к кандидатам на позиции вне ИТ свидетельствует о проникновении технологии в повседневные бизнес-функции. Навык работы с AI постепенно становится гигиеническим фактором.

Там, где сотрудник переходит от пользователя инструмента к архитектору его применения, зарплаты приближаются к 200 тыс. рублей. Это средние величины там, где в вакансиях вообще указана зарплата. Самыми высокооплачиваемыми ожидаемо оказываются специалисты, отвечающие за обучение, развёртывание и эксплуатацию моделей: их средняя зарплата начинается от 360 тыс. рублей.

Точечный найм ИТ-специалистов не даёт устойчивого эффекта — необходим переход к системной модели

Анализ вакансий показывает пока лишь отдельные точки спроса на ИИ-компетенции — главным образом технологические. Системный запрос на трансформацию организации пока только формируется.

Международная консалтинговая практика показывает, что устойчивый эффект появляется там, где ИИ становится частью стратегии, процессов и управленческой модели компании. Технологии требуют опоры на качественные данные, развитие компетенций и зрелую систему управления рисками. McKinsey связывает успех с согласованностью стратегии, талантов, операционной модели, технологий, данных и риск-менеджмента. BCG подчёркивает, что до 70% усилий успешной трансформации приходится на людей, процессы и культуру.

По результатам анализа практики внедрения ИИ в организациях я вывел эталонную модель ИИ-трансформации, которая объединяет шесть взаимосвязанных доменов.

Рекомендации

Для бизнеса

• Стройте ИИ-трансформацию как систему. Разработка и локальные модели важны, но результат достигается при связке технологий со стратегией, процессами, данными и, главное, людьми.

• Инвестируйте в массовое развитие навыков. Обучение сотрудников и создание сети AI-амбассадоров ускорят внедрение сильнее, чем отдельные локальные модели.

• Связывайте каждый AI-сценарий с бизнес-эффектом и коммерческим результатом. Для фронт-офиса это рост скорости, качества коммуникаций и выручки; для крупных компаний — масштабируемость, безопасность, единые данные и управление рисками.

• Перенаправьте бюджет с алгоритмов на данные. Без качественной основы решения на базе ИИ не смогут работать корректно и масштабироваться.

Для соискателей

• Осваивайте ИИ как базовый рабочий навык. В перспективе владение AI-инструментами станет таким же привычным критерием компетентности, как Excel и Word.

• Выберите свою профессиональную траекторию в ИИ. Технология востребована от контента и продаж до аналитики и ИТ-разработки.

• Переходите от разовых запросов к прикладным сценариям. Более ценными становятся навыки автоматизации повторяемых задач, проектирования AI-сценариев и оценки эффекта от внедрения.