33% россиян полагают, что с прогрессом ИИ специалисты в области информационных технологий будут тратить меньше времени на рутинные вычисления и обработку данных и больше – сосредоточатся на формулировании задач и оценке результатов. Наиболее актуальными навыками, по мнению россиян, являются умение точно формулировать запросы, понимание принципов работы ИИ-моделей и способность управлять разработкой с использованием ИИ.
Как сообщили CNews представители «Авито», 30% опрошенных отмечают преимущества ИИ в автоматизации повседневных задач, 27% – в создании и редактировании технической документации, 24% – в анализе и обработке экспериментальных данных, 23% – в поиске и систематизации научной информации, 22% – в анализе результатов исследований и выявлении закономерностей.
21% респондентов опроса «Авито» заявили, что ИИ облегчает составление отчетов и документации. 20% опрошенных уверены, что ИИ полезен при визуализации данных и создании графиков, 18% – в генерации идей и гипотез, 13% – в программировании.
33% россиян считают, что с распространением ИИ работники будут меньше заниматься рутинными вычислениями и обработкой данных, сосредоточившись на формулировании задач и интерпретации результатов. Еще 19% утверждают, что в технических командах появятся новые роли, связанные с разработкой, настройкой и внедрением ИИ-инструментов, а 18% уверены, что ИИ станет стандартным рабочим инструментом, хотя структура команд при этом существенно не изменится. 12% опрошенных полагают, что в будущем возрастет значение узких специалистов, способных глубоко оценивать качество решений, полученных с помощью ИИ.
Мнения относительно того, как развитие ИИ повлияет на входной порог 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 способности кандидатов работать с промптами наряду с основными профессиональными знаниями. Еще 19% считают, что ИИ облегчает вход в профессию, компенсируя недостаток практического опыта и способствуя более быстрому получению качественных результатов. Остальные 15% опрошенных считают, что ИИ в глобальном масштабе ничего не изменил, а в начале карьеры важнее всего базовые знания и софт-скиллы.
«Искусственный интеллект действительно помогает новичкам быстрее осваивать профессию. С его помощью они могут значительно быстрее разобраться в новой технологии, написать первый код, подготовить документацию или найти решение стандартной задачи. Однако в то же время требования к самим специалистам становятся выше. Сегодня недостаточно просто получить ответ от нейросети – важно понимать, насколько он корректен, уметь проверить его, доработать и применить в конкретной ситуации. Поэтому базовая “ИИ-грамотность” довольно быстро становится новой профессиональной нормой, особенно в ИТ. Под “грамотностью” подразумевается не перекладывание своих обязанностей 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 собеседовании. Важно отметить, 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. Все больше компаний расширяет перечень требований к специалистам. Уже практически 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 написанием промпта, то сегодня это уже более сложные требования и ожидание навыков работы с агентами.
«Требования к новичкам меняются. Раньше начинающему специалисту доставались типовые задачи: изменения по шаблону, первичный анализ, простые доработки или код по образцу, если говорить о разработке. Сейчас этот пласт работы ИИ выполняет быстрее всего. Таким образом, меняется и сам вход в профессию. Техническая рамка где-то снижается – собрать рабочий прототип может человек с меньшей подготовкой, чем требовалось ранее. Однако требования к качеству растут – от новичка сразу ожидают умения ставить задачу ИИ и оценивать, соответствует ли результат именно тому, что было нужно», – прокомментировал генеральный директор «Инфомаксимум» Александр Бочкин.
При этом Алексей Сергеев, руководитель практики «Машинное обучение и искусственный интеллект» Axenix, отметил, что следует различать уровень входа в профессию, который снизился, и порог полезности для работодателя, который вырос. Теперь от начинающего специалиста ожидают навыков, которые ранее ассоциировались с более высокими уровнями специалистов:
-
целостное понимание задачи и способность видеть реализуемую функциональность;
-
умение разбивать работу на части;
-
возможность выбирать оптимальное и не избыточное решение;
-
осознанное применение ИИ-инструментов в процессе работы;
-
контроль решений, предлагаемых ИИ.
«Порог входа в профессию ИИ одновременно снижает и увеличивает. Новичку проще быстрее собрать прототип, написать шаблонный код, разобраться в чужом репозитории и завершить учебную задачу – модели закрывают часть рутины, на которой раньше “ломались” первые месяцы. Но работодатель ожидает не только “умею взаимодействовать с ChatGPT без словаря”. Нужны четкая формулировка задачи, проверка результата модели, понимание границ инструмента и базовые знания предметной области – в противном случае результат работы модели может превратиться в дорогостоящий мусор. На практике джуну все чаще назначают роль “оператора контура”: формулировать запрос, сверять результат с требованиями, исправлять ошибки и доводить решение до рабочего состояния. Чистый набор синтаксиса без умения управлять ИИ-инструментами ценится ниже, 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 следует 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 изучали, 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 работает сгенерированный код. Обращение к ChatGPT или другой системе стало способом получения результата, за который сам специалист не может нести ответственность. Если в организации не организован 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 сложно поддерживать. Если речь идет о сайте или веб-портале, то последствия не столь велики. 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 значительно ускорить выполнение рутинных задач, но он не понимает бизнес-контекст, не принимает решений и не несет ответственности за конечный результат. Однако под воздействием ИИ меняется суть деятельности разработчика. Раньше он создавал алгоритм и определял, как его реализовать. Сейчас же 90% времени уходит не на изобретение, а на рутинные задачи, связанные с проверкой, конструированием, интеграцией, то есть не с чистым изобретательством. Однако благодаря ИИ соотношение меняется. Все идет к тому, что рутинную часть все больше будет забирать на себя искусственный интеллект. На сегодняшний день специалисту важно обладать критическим мышлением, уметь проверять результаты работы ИИ, так как модели могут ошибаться, использовать устаревшие подходы или предлагать небезопасные решения. Фокус на рынке труда все больше будет смещаться на то, чтобы сотрудник не только решал задачи, но и правильно их формулировал», – прокомментировал Сергей Лунегов, директор по продуктам компании Axiom JDK.
Среди наиболее востребованных компетенций также выделяются 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, отвечающих за архитектуру, системную разработку, проектирование и сложные технологические решения, то senior-разработчик – это ключевая фигура, и знания ИИ здесь не будут решающими. Останется высокая потребность в специалистах с глубоким техническим бэкграундом в области классических наук. Но это в меньшей степени касается сферы креатива, так как в создание материалов, контента и способы их генерации ИИ будет проникает все больше», – добавил Константин Ващенков.
По словам Немова, несмотря на развитие ИИ, специалистам крайне важно сохранить фундаментальные инженерные навыки профессии, а также уметь работать с большими объемами данных, принимать решения и ставить задачи.
«Фундаментальные знания останутся ключевыми для технических специалистов, независимо от развития ИИ. Для каждой роли такие навыки различаются: 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 значительного 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 больше всего изменятся роли разработчиков, тестировщиков, аналитиков, специалистов первой линии поддержки и технических писателей. Так, изменения затронут те роли, где много типовых, хорошо формализуемых операций. Их работа не исчезнет, но сместится от непосредственного выполнения к формулированию задач, контролю результата и интеграции отдельных решений в целостную систему. Андрей Приемко выразил аналогичное мнение и добавил, что будут профессии, которые ИИ может полностью заменить, и уже забирает у специалистов работу: дизайнеры, фотографы, видеографы и переводчики.
«Сильнее всего изменятся профессии, в которых значительная часть работы заключается в рутинном производстве более или менее стандартных и понятных артефактов – простых блоков кода, тестов, запросов, документации, макетов. Меньше всего меняются роли, связанные с неоднозначными решениями, ответственностью и бизнес-контекстом – архитектура, безопасность, продуктовые решения, интеграция устаревших систем. Можно ожидать повышения значимости ролей, отвечающих за архитектуру, надежность ПО, то есть нужны специалисты с высокой насмотренностью и техническим видением. Являясь очевидным растущим сегментом, профессии, связанные с ИИ, специалисты в агентных системах. В целом можно отметить общий сдвиг профессий от тех, которые базируются 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 работодатели могли оценить навыки кандидата по работе с ИИ при найме, можно:
-
проверить, заинтересован ли соискатель использовать ИИ в своей работе или учиться правильно его применять;
-
изучить 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 тех нейросетей, с которыми умеет работать 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 сформулировать задачу модели, выбрать инструмент, получить черновик, проверить его и довести до приемлемого результата. Оценивайте четыре критерия – ясность формулировки, умение задать контекст и ограничения, навык верификации (тесты, краевые случаи, источники ошибок) и честность в том, где модель ошибается 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 отметил, что для оценки навыков кандидата по работе с ИИ можно использовать три типа оценок:
-
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.
-
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, надежности и актуальности решений можно сделать много интересных выводов.
-
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 сообщала 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.
71% компаний столкнулись с нехваткой ИБ-кадров
