Примерно пол года назад ко мне обратился друг детства, Виктор. Человек, который больше десяти лет проектировал подстанции. И вот он, задаёт вопрос, который, я уверен, хоть раз слышал каждый из вас: «Слушай, я хочу в IT. Куда податься?»

Сейчас он занимается автоматизацией в одной IT компании адаптируя LLM под внутренние процессы, но расскажу обо всём по порядку.

Вопрос не новый. Но в 2025 году, когда столько шума про AI, а рынок, кажется, набит джунами под завязку, он звучал особенно остро. Как руководитель проектов в IT, я видел другую сторону медали: сотни вакансий, где компании месяцами ищут толковых специалистов. Немного пообщавшись, задавав вопросы я выдал Виктору план. Им и хочу с вами поделиться.

Почему моё мнение может быть полезным? Я не HR и не карьерный коуч, а IT продуктовик и руковожу проектами. Слежу за ситуацией, сам искал и нанимал людей и знаю, кто нужен рынку прямо сейчас, за какие навыки платят деньги сегодня, а не в гипотетическом будущем.

Почему не Data Science и не Frontend? Жёсткий отбор кандидатов

Когда Виктор сказал «айти», он в первую очередь думал о Frontend или Data Science. Это логично: об этом кричат на каждом углу. Но я его остановил.

Frontend: Высоченная конкуренция среди джуниоров. Чтобы выделиться, нужно сделать не todolist, а целый Figma-клон. Это не 3-4 месяца, а годы.

Data Science: Требуется глубокая математической база. Тут не получится «быстро переучиться».

Классическая Backend-разработка: Нужно глубоко понимать архитектуру, базы данных, оптимизацию. Слишком долгий вход для новичка.

Куда же идти? Моё предложение — AI Engineer / LLM-инженер.

Звучит громко, но объясняю, почему это идеальный вариант для человека с нуля в 2025-2026:

1. Спрос безумно опережает предложение. Компании задыхаются без людей, которые умеют заставить LLM делать что-то полезное, а не просто гонять запросы в ИИ. Они готовы брать джунов и доучивать под свои нужды.

2. Порог входа ниже, чем кажется. Вам не нужно с нуля писать архитектуру нейросетей. Ваша задача — научиться работать с API готовых моделей (как с конструктором) и связывать их в рабочие продукты.

3. Бэкграунд инженера — это суперсила. Системное мышление, понимание логики процессов, которое есть у любого инженера — бесценно. Вы умеете разбирать сложную систему на компоненты. LLM — это и есть сложная система.

План на 4 месяца: От «Hello, World!» до первого оффера

Вот тот самый пошаговый план, который я дал Виктору. Каждый этап — это конкретная цель, инструменты и осязаемый результат («артефакт»).

Месяц 1: Программирование — только то, что нужно для дела.

Цель: Научиться читать и писать простой Python-код. Не чтобы стать гуру, а чтобы понимать, что происходит в примерах и документации.

Инструменты: Бесплатные тренажёры Можно найти в Интернете. Смотрим только на основы: переменные, функции, циклы, работа с библиотеками ( requests, json).

Артефакт: Простой скрипт, который парсит погоду с открытого API и выводит её в консоль. Цель — почувствовать, что вы можете заставить компьютер делать что-то полезное.

Месяц 2: «Магия» ИИ: твой первый чат-бот за выходные.

Цель: Понять, как работают API больших моделей. Убрать страх перед «искусственным интеллектом».

Инструменты: OpenAI API (или аналог), фреймворк Streamlit (чтобы не париться с вёрсткой).

Артефакт: Веб-чат-бот, который отвечает на вопросы пользователя. Разворачивается локально за 2-3 часа. Это уже не «Hello, World!», это мини-продукт. Им можно поделиться с друзьями.

Месяц 3: Специализация и создание «козыря» в портфолио.

Цель: Сделать один, но полноценный проект, который решает реальную задачу.

Пример проекта: «Умный ассистент для анализа отзывов». Пользователь загружает CSV-файл с отзывами на товары, а ваш бот:

1. Классифицирует их (положительный/отрицательный).

2. Пишет краткую выжимку по отзывам.

3. Выводит результат в красивом интерфейсе.

Инструменты: Langchain (для упрощения работы с LLM), pandas для обработки данных. Смотрите туториалы на крупных видеохостингах — их море.

Месяц 4: Упаковка и продажа себя.

Цель: Научиться презентовать себя и начать откликаться на вакансии.

Что делать:

1. GitHub: Оформите README для своего проекта. Обязательно: скриншоты интерфейса, понятная инструкция по запуску, описание проблемы и решения.

2. Резюме: Упор НЕ на опыт (его нет), а на навыки и проект. В графе «Опыт» пишите «Пет-проекты» и даете ссылку на GitHub.

3. Сопроводительное письмо: Шаблон, где вы кратко описываете свой проект и объясняете, почему хотите работать именно в этой компании.

Суровая правда: чего не расскажут на курсах

Будет непросто. Давайте без иллюзий.

1. Зарплата джуниора будет скромной. В 2025 году в регионах это ориентировочно от 70к до 100к рублей на старте. В Москве и Питере — выше. Не ждите сразу 200к.

2. Вам придется постоянно учиться. Ваш главный навык — не Python, а умение гуглить, читать документацию и разбираться. Технологии меняются каждый квартал.

3. Будет много отказов. Очень много. Это нормально. Нужно пройти не 10, а 50-100 собеседований. Не воспринимайте это как личную трагедию. Это игра в числа.

Чек-лист на 4 месяца

Чек-лист «Старт в AI за 120 дней»:

Месяц 1: Пройти базовый курс Python. Написать 3-5 простых скрипта (парсер, работа с файлами, простой телеграм-бот).

Месяц 2: Получить API-ключ OpenAI. Сделать по туториалу чат-бота на Streamlit. Понять, что такое «промпт».

Месяц 3: Придумать и реализовать один полноценный пет-проект. Выложить его на GitHub с красивым README.

Месяц 4: Составить резюме. Начать откликаться на 3-5 вакансий в день. Проходить все возможные собеседования для получения опыта.

Список ресурсов для старта (бесплатных):

Python: Любой курс для начинающих («Python: курс для начинающих»)

API OpenAI: Документация на platform.openai.com, раздел Quickstart

Streamlit: Официальные туториалы и галерея примеров

Langchain: Документация и видео на видео-хостингах по запросу «Langchain для начинающих»

Вакансии: HH, Telegram-каналы по поиску работы в AI.

Заключение

Спустя четыре месяца Виктор получил три предложения о работе. Он выбрал позицию специалиста по автоматизации в одной IT-компании, где его задача — как раз адаптировать LLM под внутренние процессы. Его стартовая зарплата — 90 000 рублей. На предыдущей была 80.000 без перспективы вырасти в ближайшее время. Сейчас он может рассчитывать на 150 через год. Он в игре.

IT — это не про возраст и не про диплом престижного вуза. Это про готовность решать задачи, учиться и не бояться пробовать. Если инженер-электрик, который до этого видел код только в фильмах, смог за 4 месяца кардинально сменить профессию — сможете и вы при большом желании.

А вы куда посоветовали бы пойти человеку с нуля в 2025? Может, я упустил какое-то перспективное направление? Напишите ваше мнение в комментариях.