Ещё недавно казалось, что нейросети угрожают рынку труда, а теперь именно профессии, связанные с ИИ, формируют новые карьерные траектории. Мы изучили специальности, которые появились и утвердились за последние годы. В статье рассказываем, кто за что отвечает, какие навыки нужны и на какой доход ориентируются соискатели.
AI-тренер / асессор
AI-тренер обучает модели искусственного интеллекта корректно отвечать на запросы пользователей и избегать логических, фактических и этических ошибок. Его работа строится вокруг оценки ответов модели, ранжирования и создания обучающих примеров, на которых система учится дальше.
Главная ценность этой профессии — человеческий «контроль качества». Асессор не просто читает ответы, а помогает команде понять, где модель проваливается: путает причины и следствия, подменяет факты догадками, некорректно реагирует на чувствительные темы, теряет стиль или тон.
Типовые задачи AI-тренера выглядят так:
- разметить подборку диалогов по правилам;
- сравнить несколько вариантов ответа и выбрать лучший;
- написать эталонный пример;
- составить короткое пояснение, почему один вариант лучше другого.
Часто добавляется работа с «красными зонами»: токсичность, дискриминация, персональные данные, медицинские и юридические темы и т. д.
Инструменты, которые на своей должности использует асессор, зависят от компании. Обычно это внутренние интерфейсы разметки, таблицы, простые скрипты на Python для проверки статистики по ошибкам, иногда — тестовые «песочницы» для общения с моделью и логирования результатов. Если команда делает уклон в сторону безопасности, подключают чек-листы и регламенты по этике, а также сценарии для стресс-тестирования.
Освоить профессию можно и без глубоких технических знаний, но одной грамотной речи недостаточно. Работодателям важно умение оценивать ответы по установленным правилам и не поддаваться впечатлению, если текст выглядит красиво, но содержит ошибки.
На портале hh.ru AI-тренерам предлагают от 58 000 рублей в месяц, а руководителям команд — до 114 000 рублей.
Промпт-инженер (Prompt Engineer)
Промпт-инженер превращает бизнес-задачи в точные инструкции для моделей и отвечает за качество результата. Это профессия на стыке гуманитарного мышления и программирования.
Его зона ответственности предполагает не просто написание удачного запроса, а выстраивание управляемого процесса. Промпт должен быть воспроизводимым: чтобы два человека, используя одну схему, получали предсказуемо похожий результат. Поэтому в крупных командах промпты версионируют, документируют и покрывают тестами — то есть заранее проверяют их на типовых сценариях и пограничных случаях, фиксируя ожидаемый итог, как это делают с программным кодом.
Сильный промпт-инженер умеет:
- Выяснять суть запроса — потому что «сделайте красиво» не спецификация.
- Дробить задачу на шаги — извлечение фактов, построение структуры, генерация, проверка.
- Защищать систему от ошибок — вводить ограничения, примеры, антипримеры и критерии отказа.
Промпт-инженер не ограничивается написанием запросов. Он проверяет, как нейросеть работает в реальных условиях, улучшает результат и сравнивает разные подходы. Для этого достаточно базового понимания программирования и умения оценивать качество ответов по понятным критериям.
Промпт-инженер работает с языковыми моделями и их интерфейсами, например, ChatGPT, GigaChat и другие LLM, а также использует API этих сервисов для тестирования запросов. Дополнительно он может применять Python и простые инструменты аналитики, чтобы сравнивать результаты и улучшать качество ответов.
По данным вакансий и профильных источников, зарплаты специалистов находятся в диапазоне от 50 000 до 250 000 рублей в месяц, а средние значения составляют около 116 000 рублей, с ростом дохода по мере повышения уровня специалиста.
Руководитель проектов в области AI (AI project manager)
AI project manager отвечает за результат целиком и работает на стыке бизнеса и технологий. Он переводит цели заказчика на язык задач для команды и следит, чтобы модель дошла до внедрения.
Главное отличие AI-проектов от обычных IT-задач — результат нельзя точно предсказать заранее. Невозможно пообещать конкретный эффект, пока команда не проверит данные и не протестирует решение. Поэтому руководитель проекта выстраивает работу по этапам: сначала пробный вариант, затем доработка — и только потом внедрение.
Одна из ключевых задач в этой роли — договориться с заказчиком о понятных критериях успеха. Это может быть ускорение процессов, снижение числа ошибок, экономия времени сотрудников или уменьшение затрат. Важно заранее определить границы «ответственности системы»: в каких ситуациях она справляется сама, а где должна подключаться команда специалистов.
Инструменты здесь привычные (Agile, трекеры, диаграммы, матрицы рисков), но добавляются ML-артефакты: датасеты, эксперименты, документация по данным, отчёты об ошибках модели, план мониторинга после запуска.
Согласно данным «Хабр Карьеры», средний доход руководителя проектов составляет около 163 000 рублей. Уровень зарплаты начинается от 70 000 рублей и доходит до 350 000 рублей.
Инженер данных (Data Engineer)
Инженер отвечает за то, чтобы у команды были понятные сведения для работы с AI-моделями. Если информация собрана плохо или обновляется с ошибками, даже точная модель будет давать неверные результаты.
Эту профессию часто недооценивают начинающие специалисты, хотя от неё во многом зависит успех проекта. Инженер следит, чтобы данные поступали вовремя, без ошибок и в едином формате.
В повседневной работе инженер данных настраивает процессы загрузки информации, проверяет качество, контролирует доступы и безопасность. Важно, чтобы весь процесс подготовки был воспроизводим — тогда результат можно будет повторить и проверить в любой момент. Для этого используют языки программирования и специальные сервисы для работы с большими объёмами информации, а также системы контроля, которые вовремя сигнализируют о сбоях.
Типичные инструменты — SQL, Python, Airflow (или аналоги), Spark, Hadoop, облачные хранилища и DWH. Плюс мониторинг: алерты, отчёты о «провалах» загрузки, контроль задержек.
Размер зарплаты зависит от уровня опыта и региона. По данным портала hh.ru, начинающие специалисты получают от 100 000 рублей в месяц, опытные — от 200 000 рублей, а эксперты высокого уровня — от 300 000 рублей при среднем показателе по стране около 180 000 рублей.
MLOps-инженер
MLOps-инженер отвечает за то, чтобы AI-модель продолжала нормально работать после запуска. Его задача — следить, чтобы система не ломалась, не теряла качество и давала стабильный результат в реальной жизни, а не только на тестах.
После внедрения условия постоянно трансформируются: появляются новые данные, меняется поведение пользователей, обновляются сценарии использования. Из-за этого модель может начать ошибаться. MLOps-инженер отслеживает изменения и вовремя запускает доработку или обновление решения.
В повседневной работе он следит за стабильностью сервиса, скоростью ответа и количеством ошибок, а также контролирует, кто и как получает доступ к данным. Задача — сделать систему надёжной и предсказуемой для бизнеса.
Эта профессия подойдёт тем, кому важны порядок, стабильность и контроль процессов, а не постоянные эксперименты с алгоритмами. Главными инструментами специалистов этого профиля обычно становятся Docker, Kubeflow, Airflow, MLflow, Git, CI/CD, системы мониторинга и хранилища артефактов.
В 2025 году MLOps-инженерам в России в среднем предлагают около 210 000 рублей в месяц: начинающие специалисты получают от 100 000 рублей, опытные — 180 000–300 000 рублей, а на старших позициях доход может превышать 400 000 рублей. Размер оплаты зависит от отрасли, масштаба компании, навыков работы с ML-инфраструктурой и облачными сервисами.
Программы обучения 707 Fullstack-разработчик Социальная психология $titleСпециальность
ML-инженер (Machine Learning Engineer)
ML-инженер разрабатывает модели, которые помогают бизнесу решать конкретные задачи — от рекомендаций товаров до выявления ошибок и подозрительных операций. Его задача не просто обучить модель, а добиться стабильного результата.
Работа начинается с понимания цели: что именно система должна улучшить и как это измерить. В одних задачах важна точность, в других — скорость реакции или снижение числа ошибок. Поэтому ML-инженер всегда смотрит на результат с точки зрения пользы, а не только цифр.
Большую часть времени специалист тратит на проверку и улучшение качества работы ИИ-модели. Он анализирует, в каких ситуациях система ошибается, почему это происходит и как можно исправить проблему. Улучшения обычно вносят постепенно, шаг за шагом.
Для работы используют языки программирования и специальные библиотеки, а также знания математики, которые помогают понять причины ошибок и объяснить их команде простым языком.
По данным DreamJob, в 2025 году ML-инженерам в России в среднем платят около 193 000 рублей в месяц, чаще всего предлагают от 100 000 до 285 000 рублей, а минимальные и максимальные значения составляют примерно 90 000 и 360 000 рублей.
Аналитик данных (Data Scientist)
Data Scientist работает с большими объёмами данных и помогает бизнесу принимать решения на их основе. Его задача — находить закономерности, объяснять, что происходит и почему.
В этой профессии сочетаются аналитика и практическая работа с моделями, но особенности зависят от компании. Где-то специалист больше исследует данные и ищет причины изменений, а где-то участвует во внедрении решений в продукт.
Один из ключевых навыков — умение понятно объяснять результаты. Руководству важны не сложные расчёты, а ясные ответы: что влияет на показатели, где возникают проблемы и какой эффект даст предлагаемое решение. Поэтому Data Scientist регулярно готовит отчёты, визуализации и обсуждает выводы с командой.
Аналитик данных использует инструменты для сбора, обработки и анализа информации, а также языки программирования для расчётов и построения моделей. В работе применяют библиотеки Pandas и NumPy для анализа данных, Matplotlib, Seaborn и Plotly — для визуализации результатов, SciPy и scikit-learn — для статистических расчётов и моделирования. Эти инструменты позволяют наглядно представлять данные и обоснованно объяснять выводы клиенту.
Если сравнить доходы Data Scientist по уровням, начинающие специалисты в среднем зарабатывают около 125 000 рублей в месяц, а Middle и Senior — примерно 233 000 рублей и 266 000 рублей соответственно.
NLP-специалист (Natural Language Processing Specialist)
NLP-специалист отвечает за то, чтобы системы на базе ИИ правильно работали с текстами и речью. Такие решения используют в чатах поддержки, поиске, переводе, анализе отзывов и других сервисах, где важно понимать смысл слов.
Основная сложность в этой работе связана с качеством текстов. Пользователи пишут с ошибками, сокращениями и эмоциями, а иногда затрагивают чувствительные темы. Поэтому специалист следит не только за точностью ответов, но и за тем, чтобы система вела себя корректно и безопасно.
В повседневной работе он подготавливает примеры для обучения, проверяет, где система ошибается и улучшает её «поведение» с учётом реальных сценариев использования. NLP-специалист должен понимать, как именно результат будет применяться в продукте и для каких задач.
Инструменты NLP-специалистов — NLTK, spaCy, TensorFlow Text, а также общие ML-библиотеки. Важны навыки построения датасетов, разметки, оценки ошибок и понимание того, как модель будет использоваться.
Зарплата NLP-специалиста зависит от опыта и региона: начинающим после первых проектов обычно предлагают 60 000–70 000 рублей, специалистам среднего уровня — от 130 000 рублей, а в Москве опытные эксперты могут зарабатывать 250 000–300 000 рублей. По данным hh.ru, в целом по России оклады варьируются в диапазоне от 40 000 до 90 000 рублей, а в Москве — от 50 000 до 300 000 рублей.
Специалист по компьютерному зрению (Computer Vision Engineer)
Computer Vision Engineer занимается системами, которые распознают изображения и видео. Такие решения используют для контроля качества на производстве, обеспечения безопасности, анализа потоков людей и других задач, где важна работа с визуальной информацией.
Основная сложность в том, что условия съёмки постоянно меняются. Модели камер могут отличаться, освещение — быть нестабильным, а качество изображения меняться изо дня в день. Из-за этого система функционирует хуже, чем на тестах.
Поэтому специалист уделяет много внимания подготовке изображений и проверке работы системы в реальных условиях. Его задача — добиться того, чтобы решение стабильно распознавало объекты и давало полезный результат в повседневной эксплуатации.
В процессе используют инструменты и фреймворки машинного обучения — OpenCV, PyTorch и TensorFlow, а также средства оптимизации моделей для ускорения инференса (этапа работы модели, когда она уже обучена и используется для получения результата), уменьшения их размера и запуска на ограниченных вычислительных ресурсах.
Начинающим специалистам по компьютерному зрению и машинному обучению предлагают от 70 000 рублей в месяц, тогда как доходы опытных экспертов и руководителей команд могут доходить до 400 000 рублей.
Архитектор интеллектуальных систем (AI/ML architect)
Архитектор интеллектуальных систем отвечает за общую логику AI-решения — от того, как используются данные, до того, каким образом пользователь получает результат. Его задача — спроектировать систему целиком: определить, в каком формате ИИ выдаёт ответ, через какой интерфейс происходит взаимодействие и какую степень автоматизации получает пользователь.
По сути, архитектор следит, чтобы результат работы ИИ был понятным, полезным и применимым в конкретном бизнес- или пользовательском сценарии.Он заранее учитывает рост нагрузки, возможные сбои и дальнейшее развитие системы, чтобы её не пришлось переделывать после запуска.
Для этой профессии важен опыт: AI/ML architect должен понимать процесс программирования, работы с данными и принципов создания сервисов. Кроме того, нужно хорошо представлять, как именно компания будет использовать AI-решение в повседневной работе.
Архитектор интеллектуальных систем использует инструменты для проектирования и интеграции AI-решений, а также языки программирования для настройки логики работы системы. В работе применяются фреймворки и библиотеки для AI и ML, такие как TensorFlow, PyTorch, Keras, Scikit-learn и др.
Годовая средняя зарплата специалистов находится в диапазоне от 144 650 до 283 850 долларов, медианное значение составляет 203 900 долларов.
Чего ждать от рынка труда в ближайшем будущем
Рынок постепенно меняется, поэтому и требования к кадрам растут. Многие задачи постепенно автоматизируют, и начинающим специалистам всё сложнее войти в профессию: работодатели ожидают, что кандидат сможет быстро включиться в процесс и сразу начнёт приносить практическую пользу.
При этом компании всё реже ограничиваются экспериментами — речь идёт уже не о пилотных проектах и разовых тестах технологий, а о внедрении решений в долгосрочные процессы. Нужны системы, которые стабильно работают в реальных условиях, понятны с точки зрения затрат и не создают юридических рисков. Важно не просто доказать, что технология возможна, но и встроить её в повседневную практику компании.
На этом фоне появляются новые направления. Востребованными становятся кадры, которые оценивают качество действия систем, отвечают за безопасность и надёжность, помогают внедрять решения в процессы компании и обучают других сотрудников работе с ними.
В итоге спрос растёт на экспертов, способных понимать ИИ-технологии и их практическую пользу, доводить решения до результата и поддерживать его в процессе реализации.
Рекомендованные программы обучения
«Искусственный интеллект и большие данные», бакалавриат«Инженер искусственного интеллекта (AI-инженер)», бакалавриат«Инженер искусственного интеллекта (AI-инженер)», второе высшее«Технологии искусственного интеллекта», бакалавриат«Технологии искусственного интеллекта», второе высшее«Техник по интеллектуальным интегрированным системам (ML-тестировщик)», колледж
