Россияне назвали главные навыки работы с ИИ у ИТ-специалистов - IT Speaker, новости информационных технологий

Россияне назвали главные навыки работы с ИИ у ИТ-специалистов

Редакция

11:00 / 24 июля 2026

33% россиян считают, что с развитием ИИ ИТ-специалисты будут тратить меньше времени на рутинные расчеты и обработку данных и больше – заниматься постановкой задач и анализом результатов. Наиболее востребованными навыками россияне назвали умение формулировать точные запросы, понимание принципов работы ИИ-моделей и способность управлять разработкой с ИИ. 

Фотография freepik

Как сообщили CNews представители «Авито», 30% опрошенных замечают пользу ИИ в автоматизации рутинных задач, 27% – в написании и редактировании технических текстов, 24% – при анализе и обработке экспериментальных данных, 23% – при поиске и систематизации научной информации, 22% – при анализе  результатов исследований и поиске закономерностей. 

21% респондентов опроса «Авито» отметили, что ИИ помогает составлять отчеты и документацию. 20% опрошенных уверены, что ИИ приносит пользу при визуализации данных и построении графиков, 18% – при генерации идей и гипотез, 13% – при написании кода. 

33% россиян считают, что с распространением ИИ сотрудники будут меньше заниматься рутинными вычислениями и обработкой данных, сосредоточившись на постановке задач и интерпретации результатов. Еще 19% полагают, что в технических командах появятся новые роли, связанные с разработкой, настройкой и внедрением ИИ-инструментов, а 18% уверены, что ИИ станет стандартным рабочим инструментом, однако структура команд при этом существенно не изменится. Еще 12% опрошенных считают, что в будущем усилится роль узких экспертов, способных глубоко оценивать качество решений, полученных с помощью ИИ. 

Мнения о том, как развитие ИИ повлияет на порог входа в технические профессии, разделились. Однако чаще всего россияне говорили не о снижении требований, а об их трансформации: 24% респондентов уверены, что работодатели будут больше ценить умение кандидатов работать с промптами наряду с фундаментальными профессиональными знаниями. Еще 19% уверены, что ИИ снижает порог входа в профессию, компенсируя недостаток практического опыта и помогая быстрее получать качественные результаты. Остальные 15% опрошенных считают, что ИИ глобально ничего не изменил, а в начале карьеры важнее всего базовые знания и софт-скиллы. 

«Искусственный интеллект действительно помогает начинающим сотрудникам быстрее осваивать профессию. С его помощью они могут значительно оперативнее разобраться в новой технологии, написать первый код, подготовить документацию или найти решение типовой задачи. Однако при этом требования к самому специалисту становятся выше. Сегодня недостаточно просто получить ответ от нейросети – важно понимать, насколько он корректен, уметь проверить его, доработать и применить в конкретной ситуации. Из-за этого базовая "ИИ-грамотность" довольно быстро становится новой профессиональной нормой, особенно в ИТ. При этом под "грамотностью" имеется в виду не перекладывание своей работы на нейросеть, а эффективное использование современных инструментов. Во многих компаниях это пока не прописано в требованиях вакансий, но навык работы с ИИ уже подразумевается или проверяется на интервью. Важно, что LLM не заменяет инженерное мышление – он помогает сократить рутину, а ответственность за качество результата по-прежнему лежит на сотруднике», – рассказала IT Speaker Ольга Борисова, руководитель группы поиска и подбора персонала компании «Бастион».

По словам Дмитрия Немова, директора по развитию продуктов холдинга IT_ONE, в настоящее время ИИ меняет требования к начинающим техническим специалистам и уровень входа в профессию. Так, все больше компаний расширяет количество требований к любому специалисту. Уже почти базовым требованием стал опыт работы хотя бы с одним из известных ИИ-инструментов. При этом, если раньше специалист мог ограничиться  работой с ИИ в режиме чата и написания промпта, то сегодня это уже более сложные требования и ожидание навыков работы с агентами. 

«Требования к новичкам смещаются. Раньше начинающему специалисту доставались типовые задачи: изменения по шаблону, первичный анализ, простые доработки или код по образцу, если рассматривать именно разработку. Сейчас этот слой работы ИИ закрывает быстрее всего. Отсюда меняется и сам вход в профессию. Техническая рамка где-то снижается – собрать рабочий прототип может человек с меньшей подготовкой, чем требовалось раньше. А порог по качеству растет – от новичка сразу ждут умения поставить задачу ИИ и оценить, что получено именно то, что требовалось», – прокомментировал генеральный директор «Инфомаксимум» Александр Бочкин. 

При этом Алексей Сергеев, руководитель практики «Машинное обучение и искусственный интеллект» Axenix, рассказал IT Speaker, что следует разделять уровень входа в профессию, который снизился, и порог полезности для работодателя, который вырос. Теперь от начинающего специалиста ждут навыков, которые ранее ассоциировались с более высокими уровнями специалистов: 

  • целостное понимание задачи и способность насквозь видеть реализуемую функциональность;

  • умение декомпозировать работу на части;

  • возможность выбирать оптимальное неизбыточное решение;

  •  осознанное применение ИИ-инструментов в работе;

  • контроль решений, предлагаемых ИИ. 

«Порог входа в профессию ИИ одновременно снижает и повышает. Новичку проще быстрее собрать прототип, написать шаблонный код, разобрать чужой репозиторий и закрыть учебную задачу – модели закрывают часть рутины, на которой раньше "ломались" первые месяцы. Но работодатель ждет не только "умею разговаривать с ChatGPT без словаря". Нужны точная постановка задачи, проверка ответа модели, понимание границ инструмента и базовые знания предметной области – иначе результат работы модели превращается в дорогой мусор. На практике джуну все чаще дают роль "оператора контура": формулировать запрос, сверять результат с требованиями, чинить ошибки и доводить решение до рабочего состояния. Чистый набор синтаксиса без умения управлять ИИ-инструментами ценится слабее, а спрос смещается от "написать с нуля" к "отвечать за качество результата"», – прокомментировал Илья Народицкий, директор по стратегическим инновациям компании «Навикон». 

Интересно, что, по мнению Андрея Приемко, директора по разработке iSpring, начинающим специалистам вообще не стоит использовать ИИ в работе, кроме как для поиска информации. ИИ снижает порог входа в профессию, но предъявляет требования к тому, чтобы пользователь мог качественно верифицировать результат работы ИИ. 

«Наблюдение за работой начинающих специалистов вызывает серьезные опасения. Мы проводили эксперимент: давали джуниорам задачи и смотрели, как они их решают. Часто они обращались к ИИ как к источнику готовых решений, то есть фактически списывали. Модель генерировала код, они копировали его в проект и при этом прямо признавали, что местами не понимают, как сгенерированный код работает. Обращение к ChatGPT или другой системе превратилось в способ получить результат, за который сам специалист ответить не может. Если в организации не выстроен процесс код-ревью, а ему часто не уделяют должного внимания, такой подход становится миной замедленного действия. Когда сотрудник уходит, компания получает большой объем сгенерированного кода, за который никто не отвечает и который крайне тяжело сопровождать. Если речь идет о сайте или веб-портале, то последствия невелики. Но если это калькулятор страхования или информационная система, риски становятся очень серьезными», – добавил Константин Ващенков, технический директор компании «Хи-Квадрат», создатель платформы быстрой разработки XSQUARE.

На этом фоне меняется и набор наиболее востребованных компетенций технических специалистов. По мнению россиян, главный навык – умение формулировать точные запросы и задачи для ИИ (35%). На втором месте – понимание принципов работы ИИ и моделей (27%), на третьем – постановка задач и управление разработкой с использованием ИИ (25%). 

«Несмотря на то, что ИИ все больше интегрируется в работу ИТ-специалиста, ключевая роль человека в разработке сохранится. ИИ способен существенно ускорить выполнение рутинных задач, но он не понимает бизнес-контекст, не принимает решений и не несет ответственности за конечный результат. Но под его воздействием меняется суть деятельности разработчика. Раньше он придумывал алгоритм и то, как его реализовать. Сейчас же 90% времени уходит не на то, чтобы что-то изобрести, а на рутинные задачи, связанные с проверкой, конструированием, интеграцией, то есть не с чистым изобретательством. Однако благодаря ИИ пропорция меняется. Все идет к тому, что рутинную часть все больше будет забирать на себя искусственный интеллект. Сейчас специалисту важно обладать критическим мышлением, уметь проверять результаты работы ИИ, поскольку модели могут ошибаться, использовать устаревшие подходы или предлагать небезопасные решения. Фокус на рынке труда все больше будет смещаться на то, чтобы сотрудник умел задачи не только решать, но и правильно ставить», – прокомментировал Сергей Лунегов, директор по продуктам компании Axiom JDK.

В число наиболее востребованных компетенций также вошли быстрое освоение новых инструментов (24%), навыки программирования и интеграции ИИ в существующие решения (23%), критическое мышление и проверка результатов работы моделей (23%), а также понимание ограничений и рисков использования ИИ (22%) и глубокие знания в своей технической области (22%). 

«Если мы говорим о специалистах, которые отвечают за архитектуру, системную разработку, проектирование и сложные технологические решения, то senior-разработчик – это наше все, и знания ИИ здесь решительно не помогут. Останется глубокая потребность в специалистах с глубоким техническим бэкграундом в ключе классических наук. Но в меньшей степени это касается сферы креатива, потому что в создание материалов, контента и способы их генерации ИИ будет проникать все больше», – добавил Константин Ващенков.

По словам Немова, несмотря на развитие ИИ, специалистам будет крайне важно сохранить фундаментальные инженерные навыки профессии, а также уметь работать с большим объемом данных, принимать решения и ставить задачи. 

«Фундаментальные знания останутся ключевыми для технических специалистов, независимо от развития ИИ. Для каждой роли такие навыки отличаются: для разработчиков важны языки программирования и основы разработки; для архитекторов – проектирование систем; для ИБ-специалистов – принципы защиты информации и подходы к ее обеспечению. При этом все большее значение приобретают компетенции, которые сложно автоматизировать: системное и критическое мышление, способность анализировать информацию, понимать бизнес-задачу и принимать решения. ИИ может значительно ускорить работу, но именно специалист по-прежнему отвечает за качество результата и последствия своих действий», – прокомментировала Ольга Борисова.

В комментарии для IT Speaker генеральный директор «Инфомаксимум» Александр Бочкин добавил к этому списку контроль результата, системное мышление и умение настраивать всю область целиком, а также понимание бизнес-контекста и процессов, чтобы видеть, где именно ИИ дает эффект. Само знание ИИ-инструментов при этом вторично: важнее умение применять их в конкретных процессах. 

«Наиболее ценными останутся системное мышление, архитектура, понимание предметной области, информационная безопасность и способность отвечать за конечный результат. ИИ может выступать в роли очень быстрого младшего разработчика, но ему по-прежнему нужен сильный специалист, который правильно поставит задачу и не пропустит красиво оформленную ошибку; поэтому драматического снижения полной себестоимости разработки пока не произошло, а выигрыш сильно зависит от конкретной задачи и зрелости команды», – рассказал Илья Измайлов, управляющий директор холдинга «Экспанта». 

Измайлов добавил, что под влиянием ИИ в ближайшие годы сильнее всего изменятся роли разработчиков, тестировщиков, аналитиков, специалистов первой линии поддержки и технических писателей. Так, изменения коснутся ролей, где много типовых, хорошо формализуемых операций. Их работа не исчезнет, но сместится от непосредственного выполнения к постановке задач, контролю результата и интеграции отдельных решений в целостную систему. Андрей Приемко привел такое же мнение и добавил, что будут профессии, которые ИИ может заместить полностью и уже забирает у специалистов работу: дизайнеры, фотографы, видеографы и переводчики. 

«Сильнее всего изменятся профессии, в которых значительную часть работы занимает рутина производства более или менее стандартных и понятных артефактов – простых блоков кода, тестов, запросов, документации, макетов. Меньше всего меняются роли, завязанные на неоднозначные решения, ответственность и контекст бизнеса – архитектура, безопасность, продуктовые решения, интеграция legacy-систем. Можно ожидать повышение значимости ролей, отвечающих за архитектуру, надежность ПО, то есть нужны специалисты с высокой насмотренностью и техническим видением. Понятным растущим сегментом профессий становятся ИИ-инженеры, специалисты в агентных системах. В целом можно отметить общий дрейф профессий от базирующихся на ручном труде к "дирижированию" инструментами на основе ИИ», – рассказал Алексей Сергеев. 

По словам Маргариты Урюпиной, HR BP холдинга SNDGLOBAL, контрактная разработка электроники – наиболее вероятный сценарий ближайших лет: не исчезновение отдельных профессий, а изменение содержания работы внутри них. Наиболее заметные изменения происходят в рутинной работе, разработке программного обеспечения, тестировании, подготовке запросов у аналитиков. 

«В микроэлектронике и радиоэлектронике влияние ИИ имеет свои особенности. Здесь речь идет прежде всего об автоматизации отдельных этапов инженерного цикла: написания вспомогательных скриптов для CAD/EDA-систем, подготовки RTL-шаблонов, анализа логов симуляции, генерации тестбенчей и поиска типовых ошибок», – добавила эксперт. 

По словам Лунегова, чтобы работодателям оценить навыки работы кандидата с ИИ при найме, можно:

  • проверить, заинтересован ли соискатель использовать ИИ в работе или учиться правильно его применять; 

  • проверить результаты и проекты, чтобы определить, есть ли у соискателя интерес к ИИ или же его нет; 

  • проверить опыт и системное логическое мышление, чтобы соискатель умел ставить задачи моделям, проверять результаты, видел, где ИИ ошибся, и поправлял его там, где нужно.

«Работодатель должен смотреть не на список того, какие нейросети умеет использовать кандидат, а на то, как он из них собирает рабочий контур. Дайте кейс из вашей практики: исходные данные, ограничение по времени, критерии приемки. Попросите кандидата поставить задачу модели, выбрать инструмент, получить черновик, проверить его и довести до приемлемого результата. Оценивайте четыре критерия – ясность постановки, умение задать контекст и ограничения, навык верификации (тесты, краевые случаи, источники ошибок) и честность в том, где модель врет или недостаточно эффективна. Полезны мини-задания "найди баг в коде от ИИ" и "перепиши промпт так, чтобы ответ стал проверяемым". Никакие сертификаты не дадут такой ясности, как живой разбор кейса. В резюме и на интервью важнее показать, как ИИ встроен в реальный цикл решения задач, а не то, как много кандидат общается с нейросетями», – рассказал Илья Народицкий. 

Немов рассказал, что для оценки навыков кандидата по работе с ИИ можно использовать три типа оценок: 

  1. Помимо теоретического интервью, важно углубляться в то, насколько специалист погружен в природу работы LLM и агентов, в их слабости и сильные стороны, методики и лучшие практики, которые позволяют доводить работу до результата, – по сути, его кругозор.

  2. Личное рабочее место кандидата, его окружение, харнесс, а также то, какие базовые автоматизации для себя в быту и для работы он создал и использует. Из сложности, и надежности и актуальности решений можно сделать много интересных выводов. 

  3. Особое внимание следует уделить его архитектурным навыкам, а также навыкам рефлексии и рефакторинга. 

Илья Измайлов, управляющий директор холдинга «Экспанта», и Денис Кучеров, директор проектов Minerva Result в Minervasoft, предложили давать кандидату практическое задание с нейросетями, в том числе с использованием несовершенного результата генеративной модели. Таким образом, ему предстоит найти ошибки, доработать решение и аргументировать свои действия. В это время работодатель сможет увидеть, как он формулирует запросы, уточняет ответы, выявляет ошибки и корректирует промпты при необходимости. Само умение написать хороший промпт быстро обесценивается, гораздо важнее понять, способен ли человек отличить правдоподобный ответ ИИ от технически корректного и безопасного решения. 

«Наиболее объективным способом оценки остаются практические задания. Например, кандидату можно предложить решить инженерную задачу с разрешением использовать любые доступные ИИ-инструменты. В этом случае оценивается не скорость получения ответа, а весь процесс работы: как специалист формулирует задачу, какие дополнительные данные запрашивает, как проверяет корректность предложенного решения и способен ли обнаружить ошибки модели. Для инженерных специальностей показательны задания, в которых ИИ намеренно предлагает неполное или некорректное решение. Современные языковые модели способны формировать убедительные ответы, содержащие технические неточности, несуществующие функции библиотек, ошибочные параметры интерфейсов или некорректные инженерные допущения», – добавила Маргарита Урюпина, HR BP холдинга SNDGLOBAL (контрактная разработка электроники).

Ранее редакция IT Speaker писала о том, что внедрение ИИ в полный цикл разработки ПО удваивает продуктивность, однако ожидаемого эффекта в ускорении вывода продуктов на рынок не происходит. При этом использование ИИ меняет требования к командам и требует пересмотра кадровой стратегии компаний. 

Вас может заинтересовать: 

71% компаний столкнулись с нехваткой ИБ-кадров  

Поделиться новостью