Анастасия Емельянова | Рынок труда

Где ИИ у меня не сработал Про нейросети принято писать, что они всё ускоряют. Напишу про то, где у меня не получилось — это полезнее и честнее. Пробовала отдать машине первичный разбор резюме: загрузить текст и получить список функций вместо должностей. То самое, что я делаю руками на консультации. Что получилось хорошо. Формулировки чистятся быстро: «занималась» превращается в глагол, канцелярит уходит. На этом экономится минут двадцать, и это честные двадцать минут. Что не получилось. Первое: машина достраивает то, чего в тексте нет. Там, где человек написал «вела отчётность», в ответе появлялись цифры и масштабы, которых он не называл. Модель, судя по всему, искренне хотела помочь. Для резюме это прямой путь к позору на собеседовании. Второе, важнее: она не отличает главное от второстепенного. Из пятнадцати действий человека она выдаёт все пятнадцать одинаково значимыми. А вся работа как раз в том, чтобы понять, какие три из них покупают, и вынести их на первый экран. Это решение требует знания рынка, а не текста. Третье: она не умеет задавать неудобный вопрос. Половина ценного на разборе появляется, когда я спрашиваю «а кто это делал до тебя?» — и человек вдруг вспоминает, что до него этого не делал никто, потому что процесса не было и он его придумал. Машина такого не спросит: ей неоткуда знать, что здесь надо остановиться и копнуть. Вывод, который я для себя сделала: чистовая обработка формулировок — да. Решение о том, что вытащить наверх, — нет. Это не про то, что ИИ плохой. Это про границу, где заканчивается инструмент и начинается работа. Пробовал отдавать машине что-то из своей работы? Где сломалось? Собираю примеры, где граница проходит на практике.

От каких направлений я отговариваю Меня регулярно спрашивают, какое онлайн-направление выбрать. Отвечу с той стороны, с которой обычно не отвечают: от каких отговариваю. Не рекомендую начинать с базового копирайтинга. Тексты — первое, что ушло к нейросетям, и ушёл именно тот объём, на котором раньше зарабатывали новички. Порог входа остался низким, нижний ценовой этаж провалился. Не рекомендую шаблонный дизайн лендингов и «веду соцсети под ключ» в том виде, в каком это продают. Та же история: работа из повторяющихся операций дешевеет первой. Это не значит, что в SMM нельзя зарабатывать. Это значит, что вход туда длинный, а продают его как короткий. Не рекомендую переводы без узкой специализации. Под моим личным списком есть рамка поустойчивее. Если разложить работу по риску устаревания, получаются три этажа. Высокий риск: повторяющиеся операции, ввод данных, простая отчётность, базовый контент, базовое тестирование. Всё, что состоит из шагов, которые можно описать инструкцией. Средний риск: есть навык, нет смежного понимания. Аналитик, который умеет только Excel. Координация без знания предметной области. Человек, который знает инструмент и не знает, зачем он бизнесу. Низкий риск: там, где решение принимается в неполных данных и нужно понимать чужой процесс. Архитектура сложных систем, бизнес-анализ, продуктовая аналитика, безопасность, экспертиза в конкретной отрасли. Обратите внимание, где в этом списке оказывается отраслевой опыт — на нижнем этаже, рядом с самым дорогим. Это буквально противоположно тому, что говорят на курсах «войти в онлайн с нуля». Отдельно про модные навыки со сроком годности. Промпт-инжиниринг проходит ровно этот путь: пару лет он был отдельной строкой в резюме, дальше растворяется внутри профессий — как когда-то растворилось «уверенный пользователь ПК». Учиться ему стоит. Строить на нём профессию — нет. Что при этом держится: внедрение ИИ в процессы, кибербезопасность и UX/UI, но у последних двух длинный вход. Инфографика для маркетплейсов пока живёт за счёт объёма e-commerce, хотя черновую часть уже забирает машина. Общее правило, которым пользуюсь сама: обесценивается то, что состоит из повторяющихся операций и не требует контекста. Держится то, где нужно понимать чужой бизнес. Поэтому я разбираю сначала опыт, а потом направление. Обратный порядок — выбрать модное направление и пойти учиться — стоит дорого и чаще всего заканчивается ничем. И да, мне невыгодно писать этот пост. Отговаривать от направлений, которые хорошо продаются, — так себе бизнес-модель. Но врать про рынок дороже. Какое направление ты сейчас рассматриваешь? Напиши — скажу честно, что про него видно по вакансиям.

Что растёт: не «нейросети», а внедрение Спрос на специалистов по внедрению ИИ в процессы компаний вырос примерно в 7,5 раза. Цифра красивая, и из неё обычно делают неверный вывод: «надо срочно учиться нейросетям». Дефицит не там. Пользоваться нейросетью сейчас умеет очень много людей, порог входа низкий и продолжает падать. Дефицит в другом: мало кто может встроить её в чужой рабочий процесс. Для этого надо понимать сам процесс: где узкое место, что можно отдать машине, что нельзя, как это встанет в существующие правила и кто будет этим пользоваться. Насколько это дорого, можно посмотреть в двух независимых местах. По данным hh.ru за второй квартал 2025 года медианная зарплата специалистов с ИИ-навыками была около 100,7 тысячи рублей против примерно 75 тысяч у сопоставимых специалистов без них — разрыв около 34%. По данным SuperJob разрыв в их выборке получился похожим: около 370 тысяч против 280 по одной и той же позиции с ML-компетенциями и без — примерно 32%. Это две разные выборки и два разных способа счёта, складывать их в одну цифру нельзя, и я не складываю. Но когда два источника, считающие по-разному, расходятся на два процентных пункта, интересна не точность, а устойчивость: надбавка за этот слой существует и она измеримая. А теперь цифра, которая объясняет, почему это важно именно сейчас. Общая медиана почти не растёт: в IT она за год прошла путь примерно от 180 до 183 тысяч — меньше двух процентов. Рынок в целом стоит, а разрыв внутри него — тридцать с лишним процентов. То есть растёт не рынок. Растёт расслоение внутри одной и той же профессии. Второе, что видно в данных: отдельной «ИИ-профессии» почти не появляется. Появляются связки. Разработчик плюс ИИ. Аналитик плюс продукт. Тестировщик плюс автоматизация. Менеджер продукта плюс данные. Рынок покупает не новый навык вместо старой профессии, а старую профессию с новым слоем сверху. Для тех, кто не в IT, механика ровно та же. Бухгалтер, который автоматизировал сверку, стоит дороже бухгалтера. Логист, который считает маршруты по данным, стоит дороже логиста. Не «вместо», а «плюс» — и платят как раз за «плюс». Отсюда неудобный для всей ниши «войти в онлайн» вывод: опыт из прошлой жизни здесь не балласт, а как раз то, чего не хватает. Человек, десять лет проработавший в логистике, внедрит ИИ в логистику лучше, чем выпускник курса без отрасли за спиной. Второй умеет пользоваться инструментом, первый понимает, куда его ставить. Что делать практически. Не «пойти учиться нейросетям с нуля», а взять свой прошлый процесс — тот, который знаешь до деталей, — и разобрать, какие три операции в нём можно было бы автоматизировать. Упражнение стоит ноль и даёт больше, чем курс. Оговорка: все цифры выше — по IT, по разным выборкам и за разные периоды. Это не единая статистика, а три независимых наблюдения, которые указывают в одну сторону. Назови процесс из своей прошлой работы, который бесил больше всего своей рутинностью. Разберём, что там можно отдать машине.