О том, как появление нейросетей влияет на рынок труда, говорят все. Потому что не говорить об этом невозможно. По мнению экспертов (и не только их), некоторые профессии скоро отправятся на свалку истории, а другие станут невероятно востребованными. Давайте разберёмся, что ждёт работодателей и соискателей в ближайшем будущем и каким специалистам в сфере ИИ, или AI, готовы платить больше всего.
Что в прошлом
На протяжении тысячелетий людям приходилось тяжело работать, чтобы прокормить себя: буквально выращивать достаточное количество пищи. Изобретение приспособлений для обработки земли и прогресс в животноводстве упрощали жизнь людей и увеличивали их шансы на выживание. Однако разделение труда и технический прогресс поставили людей в неравное положение: некоторые продолжали производить хлеб насущный, а другие отправились на фабрики, где могли заработать больше денег.
В 19-м веке, ближе к окончанию промышленной революции, работники фабрик испугались, что их заменят машины, и начали препятствовать научно-техническому прогрессу. От борьбы с машинами луддитов не удерживал даже страх смертной казни. Однако развитие промышленности остановить было невозможно: инженеры создавали всё более сложные и производительные машины, а для их обслуживания по-прежнему требовались рабочие — правда, всё более квалифицированные.
Что сейчас
Сегодняшняя ситуация чем-то похожа на положение дел в начале 19-го века. Нейросети как будто способны заменить большое количество профессий: от художников до программистов, которые и занимаются разработкой искусственного интеллекта. Но на самом деле всё не так просто.
Рынок труда в 20-х годах 21-го века перестраивается. Причина этому — мировые экономические сдвиги и появление новых технологий. Это касается как глобальной ситуации, так и положения дел в России.
Если говорить о нашей стране, на рынке труда существует значительный разрыв. Крупные технологические компании отказываются от «ручного» труда, автоматизируя рутинные операции. При этом в ряде компаний всё ещё велик спрос на сотрудников, выполняющих работу, которую можно автоматизировать, — но управленцы не готовы вкладываться в реформацию. Кроме того, существует высокий спрос на работников, выполняющих физические операции, которые сегодня не получается поручить машинам, — например, на курьеров.
Но обсудим подробнее состояние рынка труда в технологической сфере. Здесь ощущается дефицит кадров, — об этом сейчас много говорят. При этом работодатели ждут специалистов уровня middle и выше, а джуну нужно потрудиться, чтобы найти первое место работы. За опытными разработчиками рекрутеры ведут настоящую охоту — и их предложения куда интереснее «молодой амбициозной команды», печенек и ДМС со стоматологией.
Кому готовы платить
Оплата труда разных специалистов в сфере AI может различаться в зависимости от страны, компании и, конечно, грейда. Давайте посмотрим, кого ищут работодатели в России, какие требования они предъявляют к кандидатам и сколько готовы платить.
![](https://habrastorage.org/getpro/habr/upload_files/3d9/1ff/3f9/3d91ff3f9de95ee3b72f5357974f3ac6.jpg)
Анна Веклич
Сооснователь AI-агрегатора нейросетей GPT4Telegrambot, медиа об AI «Hi, AI! | нейросети», автор курса «Нейрограмотность»
Есть специалисты, которые разрабатывают AI: дата-сайентисты, специалисты по машинному обучению, математики, учёные. Есть те, кто знает, как адаптировать AI под потребности рынка и решать разные задачи с помощью уже готовых AI-сервисов или с помощью их дообучения под задачи компании: специалисты по дообучению LLM, разработчики на разных языках программирования и другие. И есть третий тип специалистов: все остальные. Они обучились работать с AI-сервисами как пользователи (как раньше мы учились пользоваться ПК) и стали ценными сотрудниками, которые могут быстрее выполнять задачи, делегируя многое нейросетям. Но при этом сами никак не влияют на работу сервисов, пользуются тем, что предоставляют авторы AI-ресурсов. Это маркетологи, продажники, редакторы, журналисты, иногда методисты, экономисты, юристы.
Сейчас высокий спрос на всех этих специалистов. Просто он в разных секторах рынков. Первые — самые высокооплачиваемые, работают в топовых корпорациях или создают свои компании. Вторые — работают в среднем бизнесе, агентствах, а также руководителями направлений по цифровизации. А третьи — это необходимые специалисты, которые в скором времени должны появиться везде: от самых начальных позиций до руководителей проектов. Сотрудники многих отраслей сегодня должны уметь работать с AI, — так же, как мы умеем пользоваться интернетом, компьютером или документами Word.
Отметим, что зачастую компании ищут человека ну пул обязанностей, которые находятся на пересечении разных профессий, — например, ML-инженера с глубоким пониманием принципов компьютерного зрения или data engineer, data analyst.
Архитектор интеллектуальных систем (AI/ML architect)
![Источник: getmatch Источник: getmatch](https://habrastorage.org/getpro/habr/upload_files/45a/770/efe/45a770efe1bb56c9a9b7842db9f30386.png)
Что делает: занимается проектированием сложных AI-систем и их интеграцией в бизнес-процессы компаний.
Сколько зарабатывает: до 550 000 ₽.
Что должен уметь:
понимать принципы работы алгоритмов машинного обучения;
знать языки программирования (чаще всего требуется Python, Java, C++);
работать с фреймворками и библиотеками;
иметь навыки проектирования систем;
работать с базами данных.
Инженер данных (data engineer)
![Источник: hh.ru Источник: hh.ru](https://habrastorage.org/getpro/habr/upload_files/b91/5ff/643/b915ff6432c25fcfe52f36c2833961af.png)
Что делает: разрабатывает системы хранения и обработки больших объёмов данных, необходимых для обучения AI-моделей.
Сколько зарабатывает: до 500 000 ₽.
Что должен уметь:
проектировать, создавать и поддерживать хранилища данных;
работать с облачными платформами для хранения данных;
настраивать ETL-процессы (извлечение, преобразование и загрузка данных);
разрабатывать и оптимизировать SQL-запросы;
применять методы обеспечения качества данных (очистка, дедупликация, профилирование);
использовать инструменты для работы с большими данными: Hadoop, Spark и подобные;
обеспечивать безопасность данных.
![](https://habrastorage.org/getpro/habr/upload_files/bcf/ed4/073/bcfed40734f8882d714e3c86797fae5e.jpg)
Владислав Шевченко
Ведущий инженер разработки и внедрения моделей машинного обучения в Альфа-Банке, ментор программы онлайн-магистратуры «Инженерия данных» в Нетологии
После окончания университета я два года работал инженером в Роснефти. Именно там у меня появилось огромное желание создавать свои бизнес-решения и проекты. Дальнейший путь был довольно стандартным: сначала консалтинг и бизнес-аналитика, затем я решил, что хочу не просто создавать процессы и решения, но и понимать, как всё работает изнутри. Поэтому я начал обучение по программам для работы с большими данными, таким как Pentaho и Hadoop, и нашёл свою первую работу дата-инженером в одном из ведущих банков. Кстати, желание разбирать всё до мельчайших деталей у меня с детства: я часто разбирал игрушки.
ML-инженер (machine learning engineer)
![Источник: hh.ru Источник: hh.ru](https://habrastorage.org/getpro/habr/upload_files/4c5/726/d67/4c5726d67d3f0fc35579e3d9fc62fd8e.png)
Что делает: создаёт и обучает модели машинного обучения, которые лежат в основе многих AI-решений.
Сколько зарабатывает: как правило, до 600 000 ₽.
Что должен уметь:
проектировать и обучать модели машинного обучения;
работать с различными алгоритмами и методами машинного обучения: линейной регрессией, деревьями решений, нейронными сетями и т. д.;
настраивать гиперпараметры моделей для повышения их точности и производительности;
проводить эксперименты и анализировать результаты;
разрабатывать и внедрять системы автоматического обучения и переобучения моделей;
обеспечивать интерпретируемость и объяснимость моделей;
применять методы борьбы с переобучением и другими проблемами машинного обучения.
![](https://habrastorage.org/getpro/habr/upload_files/7eb/571/7d5/7eb5717d5c57b28e9fb5e2309283031e.jpg)
Наталья Баданина
Data scientist в Чистой линии, эксперт ML и DS в Нетологии, соавтор курсов по DS и R
Чтобы начать работать с ML, понадобятся навыки программирования на Python, иногда можно встретить в работе R и Julia. Их используют в основном для статистического анализа и высокопроизводительных вычислений. У Python нужно изучить ещё некоторые библиотеки, такие как TensorFlow, PyTorch, scikit-learn.
На старте карьеры сильно поможет практический опыт. Например, участие в pet-проектах, стажировках или хакатонах. На платформе Kaggle доступны соревнования по анализу данных, где можно применить и улучшить навыки в решении практических задач.
Что касается теоретических знаний, для понимания алгоритмов машинного обучения будет полезно знать линейную алгебру, статистику и теорию вероятностей.
Важно знать и специфику отрасли, в которой вы собираетесь применять AI, будь-то финансы, медицина, маркетинг или промышленность.
NLP-специалист (natural language processing specialist)
![Источник: hh.ru Источник: hh.ru](https://habrastorage.org/getpro/habr/upload_files/f7c/299/839/f7c299839adfbff34519c32583310a34.png)
Что делает: занимается обработкой естественного языка, которая позволяет AI понимать и генерировать текст.
Сколько зарабатывает: до 700 000 ₽.
Что должен уметь:
работать с текстовыми данными, используя методы и инструменты NLP;
применять алгоритмы машинного обучения для обработки естественного языка;
создавать модели для анализа тональности текста, определения ключевых слов, извлечения информации и других задач;
использовать библиотеки и фреймворки для NLP: NLTK, spaCy, TensorFlow Text и другие;
разрабатывать системы автоматического перевода, распознавания речи, генерации текста и другие приложения NLP.
Специалист по компьютерному зрению (computer vision specialist)
![Источник: hh.ru Источник: hh.ru](https://habrastorage.org/getpro/habr/upload_files/9d1/6e9/bfe/9d16e9bfeeb8d9e33248cbba05ed2b4e.png)
Что делает: работает над системами распознавания изображений и видео, которые используются в различных AI-приложениях.
Сколько зарабатывает: до 600 000 ₽.
Что должен уметь:
работать с алгоритмами и методами компьютерного зрения;
создавать и обучать модели для распознавания объектов, определения их местоположения, классификации и других задач;
использовать библиотеки и фреймворки для компьютерного зрения: OpenCV, TensorFlow, PyTorch и другие;
разрабатывать системы автоматического обнаружения, отслеживания, анализа и интерпретации визуальных данных.
Аналитик данных (data analyst, data scientist)
![Источник: hh.ru Источник: hh.ru](https://habrastorage.org/getpro/habr/upload_files/550/456/6d5/5504566d5911c0c2bedfeaae62378eda.png)
Что делает: анализирует большие объёмы информации, выявляет закономерности и тенденции, которые можно использовать для улучшения AI-алгоритмов.
Сколько зарабатывает: до 550 000 ₽.
Что должен уметь:
работать с различными источниками данных;
очищать, преобразовывать и обрабатывать данные;
применять методы статистического анализа и машинного обучения;
строить модели и делать прогнозы на основе данных;
визуализировать результаты анализа в виде графиков и диаграмм;
интерпретировать результаты и формулировать выводы.
Руководитель проектов в области AI (AI project manager)
![Источник: getmatch Источник: getmatch](https://habrastorage.org/getpro/habr/upload_files/6de/ce0/0e9/6dece00e9f62e1aa2ff50b429d7573a7.png)
Что делает: координирует работу команды специалистов, отвечает за успешное выполнение проектов по разработке и внедрению AI-решений.
Сколько зарабатывает: до 400 000 ₽.
Что должен уметь:
определять цели и задачи проекта;
составлять план работ и оценивать ресурсы;
координировать работу команды специалистов;
контролировать сроки выполнения задач;
обеспечивать качество результатов;
управлять рисками проекта;
представлять результаты заказчику.
Что в ближайшем будущем
Нельзя сказать, что ситуация на рынке труда сейчас меняется стремительно: по-прежнему всегда востребованы специалисты с опытом, умением самостоятельно находить решения, способностями к самообучению и развитыми гибкими навыками. Таким кандидатам готовы предоставлять максимально комфортные условия работы и хорошо платить.
Однако можно выделить тренды, отличающие сегодняшнее положение дел от прошлого десятилетия:
Рутинные процедуры всё больше автоматизируются — компаниям всё меньше нужны люди для ручного труда и выполнения простых операций (в том числе интеллектуальных). Из-за этого начинающим специалистам сложнее найти работу.
Новые технологии появляются всё чаще. Следствие этого — необходимость больше времени уделять обучению.
Конкуренция среди работодателей растёт. В России этот факт усугубляется большим количеством уехавших за границу IT-специалистов.
Работодатели ищут кандидатов с хорошей базой. Востребованы разработчики с математическим бэкграундом, а также специалисты смежных профессий, например биоинженеры или специалисты с глубоким пониманием физических процессов.
У бизнеса есть отдельный запрос на специалистов, которые хорошо владеют нейросетями на уровне пользователей. Конечно, уровень их дохода может быть не таким высоким, как у профессионалов, разрабатывающих и внедряющих AI-решения, но чтобы оставаться конкурентоспособным в любой профессии, придётся осваивать написание промптов.
![](https://habrastorage.org/getpro/habr/upload_files/dc0/29b/603/dc029b6039b598ce4377813782e6e45c.jpg)
Владимир Ли
Руководитель отдела машинного обучения в Нетологии
Сошлюсь на недавнее выступление генерального директора NVIDIA Дженсена Хуанга, где он сказал: «Сейчас уже нет смысла учить детей программировать, так как программистов скоро полностью заменят нейросети. Но одновременно с этим появится новая профессия: промпт-инженер, который умеет ставить правильные запросы для ИИ, — и в дальнейшем он один может заменить целый отдел программистов».
В такое в целом верится, но надо понимать, что, в свою очередь, специальность промпт-инженера тоже будет расширять свою функциональность, так как надо уметь не только сделать правильный промпт, но и интегрировать созданное решение в продуктивную среду, внедрить его в соответствующие бизнес-процессы, поэтому инженерные и архитектурные навыки здесь всё равно нужны.
С другой стороны, NVIDIA — монополист в сфере производства чипов, на которых работает ИИ. Благодаря этому капитализация компании выросла на 1 500% за последние 4 года. Поэтому прогнозы довольно обоснованы, но было бы странно, если бы управляющий компании — лидера в развитии AI предполагал иное развитие событий.
Нейросети будут частью нашей жизни: спорить с этим и пытаться что-то изменить — уже бесполезно. Они не приведут к массовому исчезновению ряда профессий, но существенно изменят подход к рекрутингу и организации работы внутри компаний.
Востребованность специалистов, занимающихся разработкой и внедрением искусственного интеллекта, будет только расти. Работодатели готовы предлагать таким работникам хорошие условия, но и требования предъявляют высокие. Из-за этого опытные специалисты должны постоянно повышать квалификацию и изучать новые технологии, а новички — как можно быстрее нарабатывать базу, параллельно изучая прикладные дисциплины.
Чтобы расти, нужно выйти из привычной зоны и сделать шаг к переменам. Можно изучить новое, начав с бесплатных занятий:
Нейросети для работы: пошаговый план применения;
Как начать работать с нейросетями и создать свой ChatGPT;
AI против спама: практическое руководство по разработке спам-фильтров;
Мастер-класс «Анализ данных и нейросети»;
Или открыть перспективы с профессиональным обучением и переподготовкой:
Онлайн-магистратура «Прикладной искусственный интеллект»;
Нейросети для каждого: как решать рабочие задачи быстрее;