По вакансиям можно понять, чего бизнес ждёт от специалистов по ИИ: какую работу им поручает, каких навыков требует и сколько предлагает платить. Мы разобрали 230 объявлений, чтобы руководителю было проще определить, кого нанимать, а кандидату — понять требования и выбрать подходящую позицию.
В выборку вошли объявления с hh.ru по внедрению, разработке, управлению ИИ-проектами, аналитике и обучению. Их собирает агент из поиска, откликов и избранного, сохраняя описания целиком. Повторы и вакансии без задач по ИИ из подсчёта убраны.
Данные собраны на 21 октября 2026 года. Выборка показывает задачи и требования в найденных вакансиях. Чтобы судить о росте спроса на всём рынке, нужны регулярные замеры по одинаковым запросам: количество сохранённых объявлений зависит и от нашего отбора.
Разбор обновляется, когда новые вакансии меняют цифры или выводы. Дата последнего обновления — в шапке. С прошлого обновления 1 октября в базу добавились 65 вакансий.
Название позиции ещё не объясняет, кого ищут
Под названием «AI Engineer» встречаются заметно разные обязанности. В одной вакансии это разработка моделей и работа с данными, в другой — автоматизация закупок, логистики или клиентского сервиса. Начнём со второй: именно здесь проще всего ошибиться, выбирая человека только по названию его прежней должности.
В вакансии Senior AI Engineer у «Интернет РЕВОЛЮЦИИ» перечислены поиск товаров и поставщиков, расчёт прибыльности, подготовка контента, реклама, логистика. Инженер должен разобраться, что сотрудники делают вручную, и автоматизировать эту работу. Например, собрать систему поиска перспективных товаров с расчётом стоимости поставки. От него ждут и разработки, и понимания того, как компания зарабатывает.
Такую позицию трудно отнести только к разработке или только к управлению. Человеку придётся обсуждать задачу с закупщиками, работать с данными и писать код. Если нанять сильного разработчика и ждать, что закупками займётся кто-то другой, обязанности останутся незакрытыми.
Вот какие обязанности встречаются у разных ролей в выборке.
| Роль | Какую работу ей поручают |
|---|---|
| Специалист по внедрению и автоматизации | Найти ручную работу, автоматизировать её, подключить нужные системы и обучить сотрудников |
| AI-инженер | Разработать агентов или поиск по документам, настроить модели и поддерживать их работу |
| Руководитель направления | Выбрать проекты, обосновать бюджет, организовать работу и посчитать эффект |
| Менеджер проекта | Собрать требования, согласовать сроки, организовать разработку и запуск |
| Продакт | Проверить, кому нужен ИИ-продукт, выбрать функции и следить за результатами их использования |
| Аналитик | Изучить данные и рабочие задачи, проверить гипотезы, подготовить требования для разработки |
| Специалист по обучению | Подготовить занятия и инструкции, помочь сотрудникам применять ИИ в работе |
Например, руководитель проекта у «Экзон Групп» управляет командой: бизнес-аналитиком, разработчиками и инженерами по машинному обучению. Он собирает требования и планирует разработку. Это другая работа, чем самостоятельно искать поставщиков и писать для закупки автоматизации, хотя обе позиции связаны с внедрением ИИ.
Компании просят подключать ИИ к своим данным и программам
В описаниях часто встречаются API, учётные системы и базы знаний. За этими требованиями стоит понятная задача: получить данные компании, обработать их с помощью ИИ и вернуть результат туда, где работает сотрудник.
В графике учтены прямые упоминания, включая навыки, которые работодатель считает дополнительным преимуществом.
Через API программы обмениваются данными. RAG позволяет находить в документах компании сведения, на которые модель будет опираться в ответе. Агент может выполнить несколько действий подряд: найти документ, обратиться к другой программе, подготовить результат.
Например, для подготовки ответа на клиентскую заявку могут понадобиться история обращений из CRM, условия договора из базы документов и остатки товара из системы учёта. Специалист должен понять, где взять эти сведения и как проверить подготовленный ответ. Умения пользоваться чат-ботом здесь недостаточно: нужны доступ к данным и работа с программами компании.
Платформы автоматизации вроде n8n встречаются рядом с Python и SQL. В закупочной вакансии Сбера это разделение описано прямо: специалист быстро собирает и проверяет прототип, а продуктовая команда затем делает промышленную версию. Нанимают человека, который может проверить идею до того, как на неё выделят большую разработку.
Для части вакансий нужны собственные серверы и дообучение
Не все работодатели собираются пользоваться облачными сервисами. В вакансии AI/LLM-инженера у РЖД прямо запрещены внешние API: модели, базы и обработка данных должны работать внутри закрытой инфраструктуры. От кандидата требуется опыт запуска локальных моделей и их подключения к внутренним системам.
Локальные модели или размещение внутри компании упоминаются в 22 описаниях, дообучение — в 15. Из 65 вакансий, добавленных после 1 октября, такие требования и пожелания есть соответственно в 6 и 4.
У СИСТЭМ ЭЛЕКТРИК в обязанности специалиста по внедрению входят запуск и дообучение моделей на сервере. Дообучение позволяет приспособить готовую модель к задаче с помощью дополнительных примеров. В той же вакансии нужно согласовывать решения со службой информационной безопасности; опыт работы с GPU и ускорения обработки запросов указан среди преимуществ.
У «Мебель Рус» дообучение связано с конкретной задачей. Компания хочет получать проект в программе «Базис-Мебельщик» по фотографиям замеров: распознавать стены, окна, двери и размеры, затем создавать помещение и мебель. Для этого нужны подготовка обучающих данных, работа с изображениями и дообучение модели. Дополнительно ценится опыт в мебельном проектировании.
В этих объявлениях технические требования следуют из задачи. Закрытые данные требуют своей инфраструктуры. Распознавание замеров — примеров изображений и проверки на реальных помещениях. Работодателю важно, делал ли кандидат что-то подобное и понимает ли, что понадобится для запуска.
Проверка качества бывает отдельной специализацией
HeadHunter ищет инженера в команду LLM Evals. Его работа — собирать наборы задач для проверки, настраивать автоматическую оценку ответов, создавать метрики и разбирать ошибки ассистентов. Evals здесь означает проверки качества решений на базе языковых моделей.
В Meteoro Platform это поручают инженеру, который сам разрабатывает агентов. В описании есть хороший критерий: найденный сбой должен стать тестом. Если агент ошибся на определённой задаче, эту задачу добавляют в проверки, чтобы замечать повторение ошибки после следующих изменений.
У Национальной Транспортной Компании приёмку тоже связывают с проверочными наборами на реальных данных. Проверка оказывается частью задания и условий сдачи работы. По такому объявлению кандидат может заранее понять, как будут оценивать его результат.
Для руководителя здесь полезен сам способ постановки задачи. Кто будет собирать примеры, проверять ответы и разбирать ошибки после запуска? В найденных вакансиях есть оба варианта: отдельный специалист и инженер, который отвечает одновременно за разработку и проверку.
Опыт в закупках или документообороте тоже становится требованием
В закупочной вакансии Сбера требуется не меньше двух лет опыта в закупках, тендерах или снабжении. Будущий сотрудник должен знать процедуры, работать с техническими заданиями, договорами и коммерческими предложениями. ИИ-инструменты нужны ему для автоматизации этой работы. Знание закупок включено в обязательные требования вместе с опытом создания работающих ИИ-решений.
В вакансии архитектора документооборота предлагаются два варианта опыта: кандидат уже автоматизировал договорную, кадровую или бухгалтерскую работу либо делал похожее в другой области и готов разобраться в документах. Юридическое образование не требуется. Работодатель просит показать систему, которую кандидат построил, и сравнить работу до и после автоматизации.
Среди 59 вакансий, добавленных в сентябре, есть пять аналитических позиций. В них встречаются работа с данными, проверка гипотез, подготовка требований и оценка ответов моделей. Например, в вакансии AI-аналитика у «Страны Девелопмент» нужно тестировать промпты и улучшать ответы. Это тоже работа по внедрению ИИ, со своими требованиями к кандидату.
У человека с опытом в закупках, документообороте или аналитике поэтому есть основания рассматривать такие позиции. Проверять стоит обе части требований: насколько он знает саму работу и что уже умеет автоматизировать.
Некоторые работодатели сразу называют результат первых месяцев
В Home-Heat руководителю по внедрению ИИ дают ориентир на первые 90 дней: выбрать приоритетные процессы и реализовать два-три проекта с измеримым эффектом. При отклике просят рассказать о собственных проектах и результате в цифрах.
В закупочной роли Сбера эффект предлагают считать в сэкономленных часах, деньгах или сокращении ошибок. В вакансии архитектора документооборота перечислены время подготовки документа, доля просроченных документов и подтверждённая экономия. Такие требования встречаются и у руководителей, и у людей, которые будут сами делать автоматизацию.
Чтобы ответить на них, кандидату нужно знать, как измерить нынешнюю работу. Сколько документов проходит за месяц, сколько времени занимает обработка, сколько ошибок приходится исправлять. После внедрения это можно сравнить с новым порядком работы и учесть расходы на инструменты и поддержку. Подробнее об этом — в разборе экономики внедрения.
Число запущенных агентов такого сравнения не заменяет. В найденных объявлениях с подробным описанием результата работодателей интересует, сколько ручной работы удалось убрать и что изменилось для сотрудников.
Обучение сотрудников бывает отдельной должностью
Северсталь ищет эксперта по генеративному ИИ и обучению персонала. Ему предстоит готовить курсы и практические занятия, обучать людей с разным уровнем подготовки, помогать им применять инструменты в рабочих задачах. Результат предлагают оценивать по тому, пользуются ли сотрудники ИИ после обучения и сколько времени это экономит.
У СИСТЭМ ЭЛЕКТРИК обучение входит в обязанности специалиста по внедрению. После запуска он должен подготовить документацию, обучить заказчика, собрать обратную связь и поддерживать продукт. Сотруднику поручают весь этот объём работы сразу.
Это ещё одно различие, которое стоит выяснить до найма. Будет ли инженер только разрабатывать систему или ему предстоит также учить людей, писать инструкции и отвечать на обращения пользователей? В вакансиях встречаются оба варианта.
Работу с сопротивлением сотрудников вписывают в обязанности
Слово «сопротивление» прямо встречается в 5 вакансиях из 230, а обучение сотрудников или пользователей — в 49 из 224 полных описаний, примерно в каждой пятой. Логика видна из самих объявлений: инструмент, которым сотрудники боятся или не хотят пользоваться, эффекта не даёт. Кто-то должен научить сотрудников и разобраться с их возражениями.
Подробнее всего это расписано у ОМЕГИ в вакансии ведущего специалиста по трансформации ИИ с оплатой 400 тыс. ₽ до вычета. В обязанностях есть отдельный блок «Обучение и работа с сопротивлением». Специалист должен «проводить не лекции, а практические воркшопы с решением реальных задач сотрудников» и «активно работать с возражениями и страхами персонала, превращая их из противников ИИ в союзников». Сразу за этим блоком идут метрики: экономию времени и денег фиксируют по каждому процессу.
В других вакансиях это задача одной строкой, но формулировки такие же прямые. Бизнес-аналитику AI в Novaroll поручают «учить людей. Показать, объяснить, снять сопротивление — чтобы инструментом реально пользовались». Росгосстрах ждёт от руководителя AI-автоматизации, что он будет «делиться результатами, снимать сопротивление, формировать доверие к направлению». В Агротеке и Финансовом Доме «Солид» работа с сопротивлением входит в управление изменениями — так называют подготовку людей к новому порядку работы.
Руководителю это стоит решить до найма: кто будет учить людей и отвечать на их возражения — новый специалист, руководители отделов или кто-то ещё. Кандидату полезно заранее подготовить пример, как он помог коллегам начать пользоваться новым инструментом: в части вакансий эта работа записана в обязанности наравне с технической.
Зарплата указана примерно в четверти вакансий
Из 230 вакансий зарплата указана в 63 — примерно в 27%. У остальных 167 публичной суммы нет.
Вот три примера. Суммы указаны на руки.
| Позиция | Указанная оплата |
|---|---|
| Специалист по внедрению ИИ | 50–60 тыс. ₽ |
| AI-инженер для работы с локальными моделями | 150–250 тыс. ₽ |
| Руководитель проекта по ИИ | 200–300 тыс. ₽ |
У первой позиции есть готовый прототип ИИ-помощника для врачей и техническое задание. Нужно доработать поиск по проверенным медицинским материалам и чат; содержание будут оценивать профильные эксперты. У второй — запуск моделей на собственном оборудовании и подключение других сервисов. У третьей — управление командой разработки в строительном ИТ-продукте.
Разница в оплате сопровождается разницей в обязанностях. По этим трём примерам можно сравнить предложения, но нельзя установить среднюю зарплату по рынку. В остальных объявлениях также встречаются суммы до вычета налогов и другие валюты; здесь они не приведены к одной величине.
Как использовать этот разбор
Руководителю эти вакансии помогают определить состав работы до поиска человека. Если нужно автоматизировать закупки, стоит отдельно решить, кто знает процедуры, кто сможет разработать решение и кто будет проверять документы. Один сотрудник может совмещать эти обязанности, но тогда опыт в закупках становится таким же существенным требованием, как технические навыки.
На собеседовании это удобно проверять на одном проекте кандидата: что делали вручную, что он изменил сам, как проверял результат, кто пользовался системой после запуска. Рассказ о таком проекте позволяет обсудить именно ту работу, которую предстоит поручить человеку.
Кандидату полезно читать объявление с теми же вопросами. Какие задачи он будет делать сам? Есть ли команда? Кто предоставит данные и проверит результат? Нужно ли знать закупки, медицину или производство? Так проще понять, соответствует ли позиция его опыту и чему придётся научиться.
За названием «специалист по ИИ» пока помещается слишком много разных обязанностей. Вакансии, где названы задача, команда и ожидаемый результат, дают гораздо больше оснований для выбора — и работодателю, и человеку, который собирается откликнуться.