Так, по мнению директора департамента цифровых и продуктовых программ Школы управления "Сколково" Николая Верховского, все чаще будут требоваться сотрудники со специфическими знаниями. По экспертным оценкам, один ИИ-агент работает в три-пять раз эффективнее, чем один человек. Но без тех, кто поддерживает таких агентов в эффективном состоянии, своевременно меняя разные модули - память, модель, навыки, кто настраивает и поддерживает работоспособность команды агентов, не обойтись. А это уже реальные люди.
"На практике автоматизация не убирает людей из процесса, а меняет архитектуру труда. Вокруг ИИ неизбежно формируется целый слой специалистов, чья задача - не делать работу вместо системы, а управлять ею: ставить задачи так, чтобы результат был предсказуемым, проверять выводы, встраивать ИИ‑решения в реальные бизнес‑процессы и нести ответственность за последствия", - уточняет заместитель генерального директора компании LANSOFT Дмитрий Пилипенко.
Именно эта управленческая и экспертная составляющая делает человеческий труд устойчивым. Критическое мышление, коммуникации, ответственность за свои решения - это то, что не формализуется и не делегируется алгоритму.
"В ИТ-командах мы уже видим перестройку ролей. На позициях с высокой долей рутинных, воспроизводимых задач - это джуниор-разработчики, тестировщики, специалисты по обработке данных, операторы поддержки - ИИ все чаще берет на себя типовые сценарии. Это меняет структуру спроса: от таких специалистов теперь требуется больше, чем раньше, а простое выполнение шаблонных операций перестает быть достаточным", - рассказывает эксперт.
Отдельно растет спрос на так называемых оркестраторов - опытных специалистов, которые управляют командами ИИ-агентов: задают им контекст, проверяют гипотезы, принимают финальные решения. На первый взгляд кажется, что такой человек заменяет целую команду, ведь он действительно способен ускорить разработку в разы. Но здесь есть предел в когнитивной нагрузке, которая оказывается крайне высокой, и наращивать ее бесконечно невозможно. Поэтому оркестратор не столько заменяет десятки людей, сколько перераспределяет сложные задачи.
Экономическая логика тоже не поддерживает сценарий тотального замещения. "ИИ - это не бесплатное решение, а отдельная статья расходов: токены, железо, лицензии, поддержка инфраструктуры. Поэтому его внедряют точечно там, где он дает эффект. Грамотный подход не в том, чтобы заменить людей ИИ везде, где технически возможно, а в том, чтобы найти связку, где человек и ИИ вместе работают эффективнее всего", - добавляет Дмитрий Пилипенко.
При этом в России сокращение штата в ИТ связано в первую очередь не с искусственным интеллектом, а с высокой ключевой ставкой и завершением фазы активного найма.
Важно различать два типа сокращений, которые часто смешивают. Первый - технологический: компания убирает функции, которые ИИ научился закрывать, и одновременно открывает позиции под новые ИИ‑роли. Второй - классическая оптимизация после перегрева найма, где ИИ становится удобным ярлыком, но новых ИИ‑позиций не появляется.
На деле специалисты, которые умеют сочетать предметную экспертизу с ИИ‑инструментами, становятся более востребованными и выше оплачиваются. По имеющимся данным, зарплаты на позициях с ИИ‑навыками в среднем на треть выше рынка. Самые высокооплачиваемые позиции сегодня: финансовый аналитик с автоматизированной отчетностью, юрист с ИИ‑ассистентом для правовой аналитики, маркетолог, самостоятельно выстраивающий конвейер спроса.
Под влиянием искусственного интеллекта профессии не исчезают, а мутируют, уверен ИТ-директор АО "КИВИ" Олег Васютин. В то же время он не совсем согласен, что с развитием ИИ работников обязательно станет больше.
"Сам по себе ИИ не определяет численность команды. Он меняет экономику конкретного процесса: одни операции ускоряет или полностью автоматизирует, но одновременно повышает требования к данным, контролю качества и ответственности за результат. Генеративная модель может за несколько секунд произвести объем работы, на который человеку потребовались бы часы. Но вместе со скоростью масштабируется и ошибка. Неверный ответ сотрудника обычно остается локальной проблемой. Неверно настроенная модель способна воспроизвести один и тот же дефект в тысячах документов, ответов клиентам или программных модулей. Поэтому главный вопрос для бизнеса звучит не так: может ли ИИ выполнить задачу? Важно другое: кто проверит результат, заметит системное отклонение и остановит процесс до того, как ошибка станет массовой", - поясняет Олег Васютин.
Эксперт тем не менее не ожидает, что рынок надолго наполнится отдельными промпт-инженерами, AI-редакторами и кураторами нейросетей. "Часть таких позиций востребована на текущем этапе, когда компании только осваивают технологию. Дальше эти функции, скорее всего, будут встроены в существующие профессии. Разработчик будет отвечать не только за собственный код, но и за проверку модулей, созданных AI-агентом. Аналитик - за качество исходных данных и обоснованность вывода модели. Специалист клиентского сервиса - за решение, в каких случаях автоматический ответ можно отправить пользователю, а в каких требуется вмешательство человека", - уверен он.
В финансовом секторе этот процесс заметен особенно хорошо. ИИ уже может искать аномалии в транзакциях, анализировать документы, готовить варианты ответов клиенту или помогать в разработке. Но важно понимать, как система ведет себя в пограничных случаях, почему она приняла конкретное решение и соответствует ли оно требованиям регулирования.
"Большая часть профессионального опыта существует не в регламентах. Это знание контекста, исключений и последствий: когда формально правильный ответ применять нельзя, когда данные выглядят достоверно, но собраны некорректно, когда решение соответствует алгоритму, но создает неприемлемый риск для клиента. Пока такие элементы не описаны и не встроены в архитектуру процесса, полная автоматизация будет приводить не только к экономии, но и к росту скрытых издержек - повторной работе, ошибкам и нагрузке на поддержку", - добавляет Олег Васютин.
Станет ли через пять-десять лет работников больше? По мнению эксперта, универсального сценария нет. В операционных функциях численность может сокращаться, потому что один специалист с ИИ сможет выполнять больший объем задач. Одновременно будет расти спрос на более квалифицированные роли на стыке технологии и предметных знаний. Но это не означает, что на каждого AI-агента потребуется отдельный контролер.
"Задача бизнеса как раз состоит в том, чтобы выстроить систему, где контроль масштабируется технологически, а человек подключается там, где цена ошибки или уровень неопределенности действительно этого требуют", - поясняет Олег Васютин.
Практически для любого специалиста, по его мнению, базовыми станут три навыка: умение поставить ИИ корректную задачу, способность проверить его вывод и понимание границ, за которыми результат нельзя использовать автоматически.
HR-директор Института AIRI Мария Звонарева приводит исследование Microsoft, в котором прямо говорится, что наибольшую ценность для бизнеса представляет модель "человек + ИИ".
"По оценкам IBM Institute for Business Value за 2026 год, организации получают наибольший эффект от ИИ не при изолированной автоматизации, а когда параллельно инвестируют в переобучение сотрудников, изменение процессов и управленческие роли, которые связывают технологию с бизнес-результатом. То есть ИИ сам по себе не заменяет команду: он создает спрос на тех, кто умеет грамотно встроить его в рабочие процессы", - отмечает она.
Искусственный интеллект отлично закрывает базовые задачи. Ему можно доверить создание презентаций, ответы на письма, написание постмитов, интеграцию систем, считает руководитель направления по внедрению ИИ сервиса развития бизнеса Calltouch Павел Мрыкин.
Однако инструменту нужен человек. "ИИ пишет или делает ровно то, что у него просишь, поэтому чем больше у человека погруженность в рабочий процесс, чем шире кругозор, тем большую эффективность он демонстрирует и тем лучший результат даст ему ИИ. Конечно, появляются люди, которые работают с новыми инструментами: визионеры и так называемые евангелисты в сфере, которая пропагандирует инструменты, автоматизацию, оптимизацию. И это не только люди, которые пишут алгоритмы, это и, к примеру, безопасники, которые следят, чтобы в ИИ-приложения не попадала критичная информация (персональные данные, коммерческая тайна)", - поясняет Павел Мрыкин.
Это также специалисты, которые могут руководить новым инструментом, в том числе директора по цифровой трансформации, которые вместе с другими текущими позициями меняют процессы.
"Занимаясь маркетинговыми технологиями и сквозной аналитикой, понимаю, что перед бизнесом стоит задача - не поменять полностью все и сразу, а улучшить текущие процессы, оптимизировать и автоматизировать их, не нарушая существующий уклад. Технологии умны, они обучаются, но это постоянная работа: наполнение ИИ контекстом, добавление необходимой информации и корректировка. И это сопоставимо с тем, как берешь на работу человека. Он проходит этап обучения. То же и с ИИ. Нет волшебной кнопки "принеси денег". ИИ только сокращает расстояние до цели, делая какие-то шаги проще и быстрее, но работа с ним - это тоже работа", - подчеркивает Мрыкин.
Что же касается новых профессий и требований к знанию ИИ-инструментов, здесь действительно есть конкуренция, но не между ИИ и человеком, а между специалистами с разной квалификацией.
"Однако важно понимать, что, если взять на четыре роли одного человека, то в случае его ухода компания лишится, по сути, сразу четырех сотрудников. Даже и без искусственного интеллекта эта проблема должна решаться возможностью корректной замены", - добавляет эксперт.
Например, в обувной индустрии искусственный интеллект экономит огромное количество времени на рутинных задачах. Так, как рассказывает основатель бренда Comfers Дмитрий Максимов, ИИ используется при разработке новых моделей. Это помогает быстро визуализировать идеи, подобрать сочетания материалов и цветов, проанализировать актуальные мировые тренды. То, что раньше занимало несколько дней обсуждений, сегодня можно сделать за несколько часов.
Кроме дизайна, ИИ-агенты помогают анализировать отзывы покупателей, выявлять повторяющиеся запросы и проблемы, готовить описания товаров, отвечать на типовые вопросы клиентов. Это не заменяет специалиста, но освобождает его время для других, более творческих и ответственных задач.
"Параллельно мы наблюдаем, как ИИ начинает менять и само производство. На крупных обувных фабриках постепенно появляются роботизированные комплексы, которые выполняют отдельные операции - например, автоматический раскрой материалов, нанесение клея, контроль качества с помощью "компьютерного зрения" и т. д. Пока такие решения требуют очень серьезных инвестиций, поэтому доступны в основном крупнейшим или узкоспециализированным производствам. Мы внимательно следим за тем, как развивается роботизация на фабриках наших партнеров в Китае, но пока считаем, что человек остается незаменимым на многих этапах изготовления обуви", - поясняет предприниматель.
Он убежден, что ИИ не уменьшит потребность в профессионалах, а просто изменит требования к ним. Если раньше дизайнер должен был хорошо рисовать, а технолог - понимать раскрой и возможности сочетания материалов, то теперь им важно еще и уметь работать с нейросетями. Как показывает практика, еще не все умеют грамотно ставить задачи ИИ и критически оценивать полученный результат.
Появляются новые специальности на стыке технологий и моды, такие, как специалисты по работе с генеративным дизайном. При этом опыт людей, которые способны соединить технологии с пониманием физических свойств материалов, всех нюансов производства и анатомии человека, пока не заменяется алгоритмом.
Самое заметное изменение - это скорость разработки. Если раньше дизайнер создавал несколько вариантов модели, то сегодня с помощью нейросетей можно за один день посмотреть десятки концепций, поэкспериментировать с цветами, материалами, фактурами и деталями.
"Но важно понимать, что ИИ пока не придумывает революционные идеи самостоятельно и часто даже спотыкается в мелочах. Например, у нас форма носка необычно широкая, и многие сервисы генераций изображений просто сужают носок наших моделей автоматически, опираясь на свою базу данных. При этом с помощью ИИ очень хорошо комбинируется уже существующие решения и быстрее проходим путь от идеи до прототипа. А дальше процессы пока полностью контролирует человек - там, где нужно учитывать биомеханику стопы, особенности материалов, технологию производства, себестоимость и долговечность изделия", - рассказывает Максимов.
При этом он отмечает, что алгоритм может подсказать, чего хочет большинство покупателей, однако он не чувствует, как обувь ведет себя при ходьбе. Поэтому в разработке по-прежнему незаменимы испытания реальными людьми, тестовые образцы и опыт специалистов, которые понимают биомеханику движения.
Экономист, предприниматель, руководитель Московского отделения независимого профсоюза "Новый труд" Анна Полякова добавляет, что одна из причин, по которой ИИ не может просто заменить человека, - необходимость контроля. Генеративные модели могут выдавать убедительные, но ошибочные результаты - так называемые галлюцинации, игнорировать контекст, нарушать требования безопасности или корпоративные правила. Поэтому чем глубже ИИ внедряется в рабочие процессы, тем больше требуется сотрудников, которые ставят задачи алгоритмам, контролируют качество данных и исправляют ошибки.
Это видно и по рынку труда. Работодатели все чаще указывают навыки работы с ИИ в вакансиях: весной 2026 года число таких предложений выросло у специалистов по продажам на 80%, у сотрудников поддержки - на 67%, у операторов кол-центров - на 73%. Растет спрос и на управленческие роли: потребность в директорах по ИИ в России, по оценкам участников рынка, увеличилась в два-три раза. Кроме того, 62% опрошенных компаний считают, что внедрение нейросетей будет способствовать появлению новых специальностей для управления ИИ.
Международная практика подтверждает, что ставка на полную замену человека часто оказывается экономически спорной. По данным одной из британских платформ управления персоналом, 39% мировых бизнес-лидеров сокращали сотрудников из-за внедрения ИИ, однако 55% из них позже признали это решение ошибкой. Американские аналитики также прогнозируют, что более половины увольнений, вызванных внедрением ИИ, будут впоследствии частично отыграны обратно, когда компании столкнутся с проблемами от преждевременной автоматизации.
Показательны и отдельные примеры. Шведский финтех Klarna после активной ставки на ИИ в клиентской поддержке снова стал нанимать операторов - потому что клиентам важно иметь возможность поговорить с человеком. Американский автогигант Ford после внедрения ИИ для контроля качества и проектирования пришел к выводу, что без опытных инженеров качество падает. Компания наняла, повысила или вернула в штат около 350 технических специалистов.
В России добавляется еще один фактор, увеличивающий спрос на ИТ-специалистов: импортозамещение и развитие отечественных операционных систем. Компаниям приходится поддерживать сразу несколько технологических экосистем - российскую и зарубежную. Это усложняет задачи разработчиков в части адаптации и совместимости продуктов.