АНАЛИТИЧЕСКОЕ ИССЛЕДОВАНИЕ
Как российский бизнес формулирует спрос на людей с AI-компетенциями
Анализ 1 000 уникальных московских вакансий HeadHunter с упоминаниями AI / ИИ / искусственный интеллект / нейросети / LLM. Это исследование рассматривает вакансии как публичный запрос бизнеса на ИИ-экспертизу: кого компании хотят нанять, какие задачи связывают с ИИ и насколько глубокой компетенции ожидают от кандидата.
От автора
Мой основной профиль это стратегические и трансформационные проекты: от разработки бизнес-стратегий и операционных моделей до PMO и реинжиниринга процессов. За плечами опыт работы в государственном секторе и крупных инфраструктурных компаниях, а сегодня я работаю в консалтинге «ТеДо» (ex-PwC). В решении задач я всегда придерживаюсь системного подхода, рассматривая проблему через разные плоскости и уровни.
Последние три года я глубоко погружен в тему AI и GenAI. По сигналам в разных областях, по трендам и исследованиям, я вижу, какое масштабное и сквозное воздействие эти технологии оказывают на самые разные функции и отрасли.
Мое твердое убеждение заключается в том, что искусственный интеллект не сводится исключительно к разработке, обучению и развертыванию моделей. Это важный, но не единственный аспект.
Не менее значимы культурно-этическая трансформация организации, обучение сотрудников, а также органичная интеграция ИИ в общую стратегию компании, бюджет, продуктовые линейки и маркетинг.
Именно это сформировало мой исследовательский интерес: сопоставить реальный профиль специалистов, которых ищет российский бизнес, с тем, как на практике должна комплексно выстраиваться ИИ-трансформация.
Для проверки этой гипотезы я выгрузил 1000 вакансий с HH.ru с упоминанием AI, ИИ, искусственного интеллекта и LLM. В выборку вошли упоминания в любом контексте — от прямых обязанностей до описания стека и корпоративной культуры.
Базовая гипотеза: содержание вакансии с упоминанием ИИ напрямую отражает текущее представление бизнеса о том, какая именно экспертная поддержка ему нужна, где именно должна создаваться ценность и какие ожидания стоят за этим технологическим трендом.
Разумеется, имея на руках этот массив данных, мне также было интересно проанализировать уровни заработных плат, глубину требуемой квалификации и другие рыночные маркеры, которые фиксирует HeadHunter.
Все свои выводы и результаты исследования я оформил в формате лендинга. Буду рад вашим комментариям, вопросам и новым гипотезам, которые можно проверить!
Обсудить исследование в Telegram →Методология исследования
Каждая карточка вакансии была сохранена с исходными параметрами и полным описанием. Далее вакансии размечались по бизнес-функции, типу роли, уровню требований к ИИ, масштабу компании и контурам требуемых AI-инструментов. Функция определяется сначала по названию должности, затем проверяется по обязанностям и требованиям. Такой порядок важен, потому что AI Data Engineer или LLM Developer может работать в продукте для маркетинга, но его профессиональная функция остается инженерной.
Классификация основана на публичных текстах вакансий и нужна для стратегического анализа спроса. Она не заменяет внутренние данные компаний. Зарплаты рассчитываются только по опубликованным вилкам. Масштаб работодателя анализируется только для вакансий, где его можно было определить с достаточной уверенностью.
ИИ стал отдельным требованием к кандидатам, но пока уступает базовым корпоративным системам
Количество упоминаний компетенций и сервисов в вакансиях
Сравнение показывает относительную зрелость навыков. ИИ уже превратился в самостоятельную категорию спроса, но по распространенности пока уступает базовым корпоративным инструментам, таким как Excel, CRM и 1С. Это естественно для технологии, которая активно входит в повседневную работу, но еще не стала универсальным требованием к большинству профессий.
Работодатели разделяют ИИ на «ядро профессии» и «вспомогательный инструмент»
Распределение требований к ИИ-компетенциям
ИИ является ядром роли в 336 вакансиях. Здесь сам предмет работы связан с разработкой, интеграцией, данными для моделей или управлением AI-продуктом. В 664 вакансиях технология помогает основной функции. Эту группу формируют продажи, маркетинг, поддержка, HR, финансы и операции.
Разделение не зависит от того, насколько активно компания рассказывает об ИИ в описании. Оно зависит от того, что должен делать конкретный человек. Поэтому SMM-специалист с ChatGPT остается пользователем вспомогательного инструмента, а Data Engineer для подготовки датасетов относится к ядру AI-ролей.
Почти половина спроса сконцентрирована в ИТ/дата-инженеринге и маркетинге
Распределение между функциональными подразделениями бизнеса
Наиболее крупный контур спроса формирует разработка ПО и AI engineering. Это подтверждает, что техническая составляющая на рынке труда превалирует.
При этом ситуация также может свидетельствовать о том, что в вакансиях, где ИИ является вспомогательным, об этом требовании пишут редко, что может свидетельствовать о низком уровне AI-культуры в российских компаниях. Это подтверждается тезисом о том, что навык работы с ИИ для российских работодателей менее привычен, чем всем знакомые Excel, Word или 1С.
Одновременно почти каждая пятая вакансия приходится на функцию маркетинга. Здесь ИИ чаще применяется для генерации материалов, подготовки кампаний, персонализации коммуникаций и ускорения производства креатива.
Продажи, продуктовая трансформация и аналитика в контексте ИИ встречаются реже. Эти функции должны связывать технологию с коммерческим эффектом, выбором сценариев внедрения и работой с данными. Редкость процессных и бэкофисных сотрудников может говорить о том, что операционные задачи описывают через методологию, а не через сервисы и инструменты.
Уровни требований к применению ИИ
Требования в вакансиях по знанию ИИ я разделил на 5 уровней: от простого к сложному.
| Уровень | Содержание требования |
|---|---|
| 1. Базовое использование готовых AI-сервисов | Готовые сервисы для текста, поиска, презентаций, визуалов и повседневной продуктивности. |
| 2. Прикладное использование AI в рабочем процессе | AI-ассистенты, боты, простая автоматизация, no-code и повторяемые сценарии. |
| 3. Проектирование AI-сценариев и внедрения | Выбор use cases, требования, roadmap, метрики и управление внедрением. |
| 4. Инженерная интеграция AI-систем и данных | LLM, RAG, агенты, API, архитектура, пайплайны и данные для моделей. |
| 5. Обучение, развёртывание и эксплуатация моделей | Fine-tuning, MLOps/LLMOps, production, inference, мониторинг и локальные контуры. |
Уровень требуемых компетенций жестко привязан к конкретной бизнес-функции
Уровни требований к ИИ-компетенциям в разрезе функциональных направлений
Маркетинг и продажи уже сосредоточены на базовом уровне: их ключевая зона применения — готовые AI-сервисы. Это быстрые сценарии с понятным эффектом: генерация контента, поддержка коммуникаций, анализ обращений и ускорение подготовки материалов.
Продукт формирует следующий уровень зрелости — прикладные инструменты, no-code и проектирование сценариев. Здесь AI становится частью клиентского пути, логики сервиса и продуктовых решений.
Разработка — главный технологический центр трансформации. Именно она обеспечивает интеграцию AI в ИТ-ландшафт и развёртывание моделей: от подключения сервисов до создания устойчивых промышленных решений.
Данные выступают сквозной основой для уровней 3–5: без качественных данных невозможно масштабировать сценарии, интегрировать решения и обучать модели.
Поддерживающие функции — CX, HR, финансы и операции — пока находятся на ранней стадии. Их потенциал связан прежде всего с точечным внедрением готовых сервисов и постепенным переходом к прикладным сценариям.
Названия ролей и язык требований отражают разрыв в понимании ценности ИИ
| Функция | Три наиболее частых названия позиций | Как описывают применение ИИ |
|---|---|---|
| Разработка ПО / AI engineering | AI Engineer / AI-инженер / Senior AI engineer | LLM, RAG, агенты, API, интеграции, пайплайны, подготовка и качество данных, MLOps. |
| Маркетинг и контент / growth | SMM-менеджер / Коммуникационный дизайнер / Графический дизайнер | Тексты, визуалы, ролики, креативы, аудитории, персонализация и аналитика кампаний. |
| Продукт / стратегия / трансформация | AI Product manager / Product Lead | AI-use cases, roadmap, требования, метрики эффекта, управление внедрением. |
| Продажи / коммерция | Менеджер выездного сервиса / AI Agent & Capability Owner / Владелец AI-агентов (B2B) | Лиды, подготовка КП, персонализация, поиск информации, анализ звонков и переписок. |
| Данные / аналитика / BI | Системный аналитик / Бизнес-аналитик / IT аналитик Agentic Development | Аналитические ассистенты, SQL и BI, качество данных, интерпретация результатов. |
| Клиентская поддержка / CX | Менеджер по работе с клиентами | Боты, базы знаний, классификация обращений, контроль качества сервиса. |
| HR / обучение / AI-культура | Персональный менеджер Сбер Премьер / Менеджер по развитию AI-культуры и внутреннему консалтингу (LLM / GenAI) / Амбассадор AI решений для бизнеса, услуги маркетинга | Обучение, промптинг, амбассадоры, методология и адаптация сотрудников. |
| Финансы / риски / право / compliance | Директор по экономике и финансам / Финансовый менеджер / Руководитель направления Legal AI (LLM) | Документы, проверки, риски, комплаенс, контроль использования данных. |
| Операции / back-office / процессы | AI-интегратор (автоматизация бизнес-процессов) / Специалист по AI-автоматизации бизнес-процессов / Operations Assistant (AI-first) | Заявки, документооборот, внутренние помощники, workflow и роботизация. |
Таблица показывает, что названия ролей и язык требований различаются. В инженерной функции работодатели называют конкретный стек и ожидают создание систем. В маркетинге и продажах описывают результат работы, скорость подготовки материалов и качество коммуникации. В продуктовых ролях фокус смещен к выбору сценариев, метрикам и координации внедрения.
Работодатели уходят от абстрактного «знания нейросетей» к требованию конкретного стека
Упоминание в вакансиях ИИ-инструментов/сервисов
Рынок AI-инструментов концентрируется вокруг нескольких лидеров, формирующих ядро пользовательского спроса. Главные позиции занимают Claude (156) и ChatGPT (137): они воспринимаются как универсальные платформы для повседневных задач, аналитики, создания контента и работы с текстом.
LangChain (96) выделяется как ключевой инструмент перехода от разовых запросов к созданию AI-продуктов, агентов и интеграций. Это сигнал о растущем интересе к практическому внедрению AI в процессы и ИТ-ландшафт.
Второй эшелон составляют Midjourney (61), GigaChat (59), Cursor (51) и n8n (46). Здесь представлены три наиболее востребованных направления: визуальный контент, русскоязычные языковые модели, разработка и автоматизация процессов.
Gemini (40), LlamaIndex (31), Copilot (28), Make (26) и Runway (24) занимают устойчивые нишевые позиции. Их востребованность связана с конкретными профессиональными сценариями: работа с данными, программирование, автоматизация и мультимедийный контент.
Общая картина показывает сдвиг от знакомства с отдельными AI-сервисами к сборке прикладной экосистемы: пользователи осваивают модели, инструменты разработки, интеграции и автоматизацию как единый контур работы.
Масштаб компании определяет подход: корпорации строят системы, стартапы ищут быстрый эффект
Фокус компаний на ИИ-компетенции в зависимости от масштаба бизнеса
В этот срез вошли только 661 вакансия, где масштаб работодателя можно определить с достаточной уверенностью. Неизвестные значения исключены.
Сложились два разных паттерна внедрения AI, зависящих от масштаба и устройства бизнеса.
Корпорации и экосистемы концентрируются на разработке, данных и комплаенсе. Для них приоритетны единые платформы, управление доступами, безопасность и тиражирование интеграционных практик по всей организации. Чем крупнее структура, тем важнее управляемость и снижение системных рисков.
Стартапы и агентства фокусируются на маркетинге, контенте, продажах и клиентском сервисе. Их логика — быстро подключать готовые AI-инструменты в точки прямого контакта с рынком, чтобы быстрее получать коммерческий эффект.
Главный вывод: крупный бизнес инвестирует в фундамент AI-трансформации — платформу, данные и контроль. Компактные компании используют AI прежде всего как ускоритель фронт-офиса, выручки и клиентских коммуникаций.
На рынке прежде всего требуются Senior-специалисты, при этом зарплата зависит от стека, а не от грейда
Рынок AI-вакансий строится вокруг опытных специалистов: на Senior/Lead приходится 214 позиций против 19 для Middle и 33 для Junior. Работодатели ищут людей, способных самостоятельно проектировать решения, интегрировать их в процессы и отвечать за результат.
При этом уровень дохода определяется содержанием роли. Специалисты по Core AI — сложной технической архитектуре и интеграции — получают медианно 160 тыс. ₽. Во вспомогательных AI-ролях уровней 2–3 медиана составляет 150 тыс. ₽ и сильнее зависит от коммерческой ответственности.
Главный вывод: премия на рынке возникает вокруг редкой инженерной экспертизы и способности довести AI-решение до работающей системы. Само упоминание AI в названии роли не является гарантией высокой зарплаты.
Разрозненный наем не дает устойчивого эффекта — бизнесу необходим переход к системной модели
Размещенные вакансии показывают отдельные точки спроса, при этом спрос на системную трансформацию не прослеживается. Технологический контур важен, но сам по себе не создает устойчивого эффекта. Он должен быть связан с людьми, стратегией, процессами, данными и управлением рисками. Эталонный путь трансформации — это 6 доменов:
Шесть доменов системной AI-трансформации
Стратегия и лидерство задают приоритеты, бюджет и личную вовлечённость руководителей. Операционная модель переводит AI-инициативы в сквозные бизнес-процессы. Люди и навыки обеспечивают принятие изменений: обучение, сеть амбассадоров и преодоление сопротивления.
Данные создают основу для качественных решений: нужны надёжные конвейеры данных и единая семантическая модель. Технологии дают масштабируемую платформу для разработки и внедрения. Governance удерживает систему в безопасных границах — через управление рисками, этикой, комплаенсом и безопасностью моделей.
Главный вывод: технологический стек — лишь один из шести контуров. Ценность появляется тогда, когда технологии соединены с лидерством, данными, процессами, навыками людей и управлением рисками.