Фокус на ИИ
За последние несколько лет искусственный интеллект заметно изменил работу программистов. Если раньше инженеры тратили часы на написание кода, поиск ошибок или подготовку документации, то сегодня значительную часть этих задач выполняют ИИ-помощники. Эффективность подхода подтверждают исследования. По данным McKinsey & Company, разработчики, которые используют ИИ, справляются с задачами на 35–45% быстрее своих коллег.
Это меняет запросы работодателей. Все чаще компании ищут специалистов с навыками ИИ. Так, согласно свежему исследованию рекрутингового сервиса Randstad Digital, количество вакансий для разработчиков, использующих нейросети, за последние пять лет увеличилось почти в шесть раз — почти каждая четвертая вакансия разработчика теперь требует таких навыков. А число запросов на специалистов со «свободным владением ИИ» (AI fluency) в США в целом выросло в семь раз за последние два года, по данным McKinsey. В России тенденция схожа: по данным сервиса «Авито Работа», спрос на таких профессионалов за прошлый год взлетел на треть.
В то же время ИИ не всесилен, по крайней мере, пока. Нейросети могут сгенерировать небезопасный код, взять за основу устаревшую библиотеку, предложить функционал, который не отвечает потребностям целевой аудитории и пр. Им сложно выбирать архитектуру продукта, определять долгосрочную стратегию его развития или оценивать влияние изменений на всю систему. Поэтому растет спрос на людей, которые могут проверять качество кода, созданного искусственным интеллектом (AI Code Review), адаптировать языковые модели под внутренние данные компании (fine-tuning), строить системы из автономных ИИ-агентов, проектировать RAG-архитектуры и обеспечивать безопасную работу моделей с корпоративной информацией.
Специалисты нового времени
Еще один тренд — рост спроса на так называемых T-shaped специалистов. Это профессионалы, которые обладают глубокой экспертизой в своей области и одновременно понимают смежные дисциплины. Так, высоко ценятся разработчики с продуктовым мышлением. Они способны не только написать код, но и оценить, насколько новая функция будет полезна пользователям, какие бизнес-показатели она улучшит и стоит ли инвестировать ресурсы в ее разработку. Такой подход помогает компаниям быстрее выводить успешные продукты на рынок и сокращать расходы на невостребованный функционал.
Все более востребованы специалисты, которые понимают основы права и регулирования. По данным Deloitte State of AI и Всемирного экономического форума, компании все чаще ищут инженеров, способных проектировать системы в соответствии с действующими стандартами безопасности и конфиденциальности.
Ценятся и IT-специалисты со знаниями конкретной отрасли — химической промышленности, медицины, логистики, энергетики или машиностроения. Все потому, что ИИ-модели обучаются на общих данных и плохо чувствуют специфику узкой отрасли: не знают ее регуляторных требований, отраслевого жаргона или иных нюансов. Специалист, который понимает предметную область изнутри, может точнее сформулировать задачу для ИИ, быстрее заметить ошибку в предложенном решении и т.д.
Мягкие навыки
Но это даже не главные изменения. Исследовательские организации сходятся в том, что в эпоху ИИ все большую роль играют так называемые мягкие навыки. В McKinsey среди них выделяют коммуникативность, лидерские качества, работу с клиентами, текстами и др. В докладе Всемирного экономического форума также называют адаптивность, системное мышление, клиентоориентированность, лидерство и умение работать с людьми. Все эти скилы невозможно делегировать ИИ, а еще они позволяют двигать бизнес вперед.
Так, IT-специалист должен уметь ясно и коротко объяснять свои идеи, ставить задачи, задавать правильные вопросы и давать обратную связь — как коллегам, так и ИИ-агентам. Это помогает быстрее принимать решения, сокращать количество лишних встреч и избегать ошибок. А, например, управленческое мышление позволяет программистам на старте увидеть проблему, предложить решение, оценить ресурсы, понять, какие задачи делегировать ИИ, и, в конце концов, довести проект до ума.
Отдельно стоит выделить критическое мышление — способность оценивать результаты работы ИИ и задавать вопрос «а что если это неверно». Чем больше рутинных задач берет на себя ИИ, тем важнее становится способность человека вовремя заметить его ошибку — будь то в коде, тексте или расчетах.
Важна и способность быстро учиться новому. Инструменты и модели обновляются каждые несколько месяцев, поэтому специалисту приходится регулярно пересматривать свои методы работы. Компании все охотнее нанимают тех, кто демонстрирует такую гибкость, даже если формальный набор технических навыков у кандидата пока меньше, чем у конкурентов.
Рекомендации для IT-специалистов
1. Встройте ИИ-инструменты в повседневную работу. Используйте ИИ-помощников системно — в ревью кода, тестировании, подготовке документации. Так, вы сможете решать задачи оперативнее коллег и быстрее двигаться по карьерной лестнице.
2. Прокачивайте экспертизу в конкретной отрасли. Выберите сферу — медицину, логистику, финансы, промышленность — и разберитесь в ее специфике. Понимание регуляторных требований, отраслевого контекста и реальных потребностей бизнеса — то, что сегодня отличает IT-специалиста от ИИ-агента.
3. Развивайте продуктовое мышление. Учитесь оценивать, что даст продукту та или иная функция, какую проблему она решит и оправдает ли результат затраченные ресурсы. Такой подход ценится выше, чем скорость разработки.
4. Проверяйте результаты работы ИИ. Относитесь к предложениям нейросети критически. Это позволит вовремя заметить критичные ошибки и исправить их.
5. Выделяйте час-два в неделю на обучение — читайте профильные каналы, рассылки, слушайте подкасты об ИИ, проходите короткие курсы на Stepik, Coursera или «Яндекс Практикуме», следите за обновлениями инструментов, которыми пользуетесь ежедневно, и пробуйте новые фреймворки на pet-проектах. Будьте готовы гибко перестраивать методы работы — это качество компании ценят все выше в сотрудниках.
Добрый день!
Хорошее направление для выбора будущей профессии и покачивание навыков. Благодарю!