В вакансии написано: «Нужен опыт работы с ИИ». Достаточно ли пары удачных кейсов в ChatGPT? А если вы с его помощью разобрались, как пересобрать стиралку, или составили план тренировок и похудели? Или всё-таки пора изучать Python и строить RAG (что бы это ни было)?
Руководитель разгребает отклики и видит кандидатов, которые работали с ИИ, но каждый делал что-то своё. Один генерировал идеи для презентаций, другой настраивал бота для поддержки, третий вообще написал в резюме «использую нейросети» и больше никаких подробностей.
Яндекс Практикум и getmatch проанализировали 1 906 русскоязычных digital- и IT-вакансий с декабря 2025 года по май 2026-го. За это время доля вакансий, где ИИ-навыки указаны как обязательное требование, выросла с 34,5% до 42,9%. Вакансий, где это просто приятный бонус, число почти не изменилось: их по-прежнему 2–3%.
Ловите промокод со скидкой 16% на все профессии в Яндекс Практикуме только до 17 сентября
Вакансий с ИИ становится больше. А что именно скрывается за строчкой «работа с ИИ», часто неясно: в одной компании она означает черновики презентаций, в другой — поиск по базе знаний. Кандидатам приходится гадать, к чему готовиться, а в компании летят отклики от людей с совершенно разным опытом.
Содержание
За фразой «работа с ИИ» прячутся три разных задачи
Что с этим делать команде и бизнесу
Из бонуса в рабочий навык
Самое любопытное вот что: 61% вакансий с ИИ-требованиями относятся к направлениям за пределами Data Science. Самая заметная динамика — у руководителей проектов: доля таких вакансий выросла с 9,5% в декабре–феврале до 35% в марте–мае.
Дизайнеру не нужно срочно становиться ML-инженером, а проджекту — учиться обучать модели. ИИ въезжает в уже существующие роли как ещё один рабочий инструмент: помогает быстрее и точнее делать привычную работу.
За фразой «работа с ИИ» прячутся три разных задачи
Условно их можно разложить на три уровня. Это не классификация исследования, а способ перестать гадать по одной строчке в вакансии.
Первый уровень: инструмент. Специалист умеет получить от нейросети полезный черновик, уточнить задачу, отсеять бред и довести результат до нужного формата. Дизайнер так ищет варианты текста для интерфейса, менеджер составляет план встречи, аналитик набрасывает структуру отчёта.
Второй уровень: процесс. Человек понимает, какую рутину можно перекинуть на ИИ, где нейронка сэкономит время, а где добавит работы на проверку. Он не просто открывает сервис, а встраивает его в работу команды.
Третий уровень: техническая работа. Тут уже появляются RAG, LangChain, интеграции, данные и ответственность за то, как всё это работает. В исследовании такие технологии отделяют от широкого навыка «работать с ИИ». Это совсем другая планка, нежели умение составить хороший запрос.
Когда в вакансии смешивают все три уровня, получается каша-малаша. Компании получают случайные отклики, а кандидаты пытаются угадать, надо ли им учиться пользоваться инструментом или осваивать RAG и интеграции. В нормальном описании вакансии логичнее указывать не конкретную нейросеть, а задачу: «помогать команде собирать черновики презентаций и проверять фактуру» или «проектировать поиск по внутренней базе знаний».
Напоминаем: у нас есть промокод со скидкой на любую профессию в Яндекс Практикуме. И у вас есть, пользуйтесь 🙂
Что с этим делать кандидату
Не спешите упоминать в резюме названия всех сервисов, которые знаете или хоть разок потестили. Лучше разберите 2–3 задачи из своего опыта. Какие были вводные, что вы поручили ИИ, что потом проверили сами и что в итоге изменилось? Такой мини-кейс полезнее списка инструментов: по нему видно, что вы не просто жмёте кнопки, а понимаете логику.
На собеседовании можно спросить прямо: какую часть работы здесь планируют делать с ИИ, кто проверяет результат и какими данными нельзя делиться с внешними сервисами. Так вы не обнаружите через неделю, что «умение работать с ИИ» означало за вечер сделать для компании чат-бота. А вы вообще-то шли на позицию аналитика.
Что с этим делать команде и бизнесу
У нанимающей команды та же проблема. Если в вакансии написать «умение пользоваться ИИ», она соберёт людей с несравнимым опытом. Сначала решите, какую рабочую проблему вы хотите убрать: медленный разбор обращений, черновики однотипных документов, поиск по базе знаний, подготовку вариантов для клиента. Потом опишите, что остаётся за человеком: проверка фактов, решение, ответственность, работа с данными.
Это важно и после найма. ИИ не превращает плохой процесс в хороший, он просто быстрее размазывает его по команде. Если у каждого свой сервис, свой промпт и свои правила проверки, работа станет не быстрее, а запутаннее: уйдёт один человек — остальные не поймут, как продолжать.
Руководителю полезнее собрать несколько повторяющихся задач, договориться о границах и посмотреть, что получилось, а не объявить: «Теперь все работаем с нейронками». Иначе начнётся кто в лес, кто по дрова.
Есть ещё один неприятный, но полезный сигнал: в сопоставимых вакансиях медианная зарплата с ИИ-требованиями выше. Самая заметная разница у руководителей проектов: до 14,5%. Есть нюанс: из данных нельзя полностью убрать влияние сложности задач, масштаба компании и других условий, поэтому скажем так: ИИ-требование в вакансии часто идёт рука об руку со сложной и лучше оплачиваемой работой.
ИИ не заменяет профессию одним махом. Он добавляет в привычную работу ещё одну штуку, за которую отвечаете вы: поставить задачу, проверить результат и сделать действительно круто — а не сымитировать бурную деятельность.
