Всё больше людей понимают: ИИ-технологии важно осваивать. Но какие именно? Куда двигаться, чтобы это было реально востребовано, а не просто «модное направление»?
Я нашёл ответ — не в советах карьерных консультантов, а в реальных вакансиях.
Как появилась эта идея
Я давно подписан на рассылку AI/ML вакансий. Каждый день приходят десятки позиций — ML-инженер, ИИ-разработчик, Data Scientist.
Недавно на консультации со студентом, который только недавно начал наше обучение по ИИ-агентам, зашёл разговор о карьере. Он рассказал: в его компании открылись новые позиции ИИ-инженеров. И когда он посмотрел на требования — оказалось, это почти точное описание того, что он уже изучает.
Один совпавший случай — это случайность. А что если посмотреть на сотни вакансий сразу?
Мы выгрузили 189 уникальных AI/ML вакансий с 1 января 2026 и разобрали их по требованиям. Вот что получилось.
Главный вывод: каждая третья — про разработку ИИ-агентов
Из 189 вакансий ~55 (около 29%) — это то, что можно назвать «GenAI-инженерией»: создание ИИ-агентов, RAG-систем, умных ассистентов на базе языковых моделей.
Остальные — классический машинный обучение, аналитика данных, MLOps. Эти направления никуда не делись. Но именно GenAI-инженерия — это новое, быстрорастущее направление, где спрос сейчас опережает предложение.
Каждая третья позиция в сфере ИИ — это оно.
Что конкретно требуют работодатели
Это не абстрактное «знание ИИ». Вот шесть конкретных навыков, которые встречаются в этих вакансиях чаще всего:
🔹 1. Работа с языковыми моделями (LLM API) Уметь работать с OpenAI, GigaChat, Mistral, Llama — вызывать модели, управлять контекстом диалога, получать структурированные ответы. Это база, без которой никуда.
🔹 2. RAG-системы RAG (Retrieval-Augmented Generation) — это когда ИИ не просто генерирует из памяти, а ищет нужную информацию в базе знаний и отвечает на её основе. Почти в каждой второй GenAI-вакансии: «строить RAG-пайплайны», «ассистентный поиск», «база знаний компании».
🔹 3. ИИ-агенты и мультиагентные системы Агент — это ИИ, который не просто отвечает, а сам планирует задачи и выполняет цепочку действий. LangChain, LangGraph, мультиагентная оркестрация. Это в каждой третьей GenAI-вакансии.
🔹 4. Оценка качества (evals) Пожалуй, самый неожиданный пункт для многих: компании требуют уметь измерять качество работы ИИ-систем. LLM-as-a-Judge, метрики точности ответов. Бизнес больше не хочет просто запустить — хочет понимать, насколько хорошо работает.
🔹 5. Вывод в production Умение перевести прототип в рабочий сервис: надёжность, мониторинг, интеграция с корпоративными системами. Не «поиграть в Jupyter», а «сдать в эксплуатацию».
🔹 6. Промпт- и контекст-инжиниринг Грамотно составить системный промпт, управлять историей диалога, строить цепочки инструкций — это отдельный навык, который ценится всё выше.
Примеры реальных вакансий из выгрузки
Чтобы не быть голословным — вот несколько формулировок из реальных позиций, которые мы разбирали:
«Строить RAG- и агентские системы для внутренних и внешних ассистентов, использовать LLM для улучшения качества скоринговых моделей» — Lead GenAI&LLM
«Разрабатывать и развивать LLM-проекты в юридическом домене, проектировать агентов-экспертов, исследовать multi-agent orchestration» — Data Scientist, LegalTech
«Проектировать и разрабатывать multi-agent системы, создавать AI Copilots с контекстной памятью, персонализацией и адаптивным поведением» — AI Tech Lead
Обратите внимание: нигде нет «поэкспериментировать с нейросетями». Везде — конкретные задачи, конкретный production, конкретная ответственность.
Что это значит лично для вас
Если вы специалист и думаете о развитии в ИИ: Это именно то направление, в котором стоит развиваться прямо сейчас. Не потому что модно, а потому что рынок уже платит за эти навыки. И войти выгоднее сегодня — пока конкуренция за позиции ещё не выросла.
Если вы работаете в бизнесе или руководите: Компании, которые сейчас нанимают GenAI-инженеров, через полгода будут в другой лиге. Это не хайп — это кадровая инвестиция в конкурентоспособность. Посмотрите, что делают ваши конкуренты.
Если вы пока наблюдаете со стороны: Этап «поиграли с ChatGPT» заканчивается. Рынок перешёл к production-grade решениям. Чем раньше вы освоите навыки — тем лучше стартовая позиция.
Как освоить эти навыки
Именно этому — разработке ИИ-агентов, RAG-систем, оценке качества и выводу в production — мы обучаем на наших программах.
Четыре программы образуют единый трек и доступны в рамках КОМБО-ОФФЕРА:
- Интенсив AI-кодинг ИИ-агентов в Cursor — старт уже в эту субботу, неделя до первого рабочего агента
- AI-driven Fullstack разработка — полный цикл разработки с ИИ от бэкенда до деплоя, старт 10 марта
- AI-driven разработка ИИ-агентов — RAG-системы, агенты, мультиагентные архитектуры, evals и безопасность, старт 7 апреля
- Deep Agents: продвинутая разработка ИИ-агентов — GraphRAG, мультиагентные системы, evaluation и масштабирование, май–июнь
Вместе они закрывают все 10 ключевых требований рынка из нашего анализа.
📖 Подробнее о программах: llmstart.ru
✍️ Или напишите мне в Telegram @smirnoff_ai слово "РЫНОК ДЗЕН" — разберём вашу ситуацию и подберём с чего начать.
Чтобы вы:
— получили навыки, которые рынок ищет прямо сейчас
— уверенно претендовали на позиции ИИ-инженера
— зарабатывали больше
— в своей компании, на новой роли или в своих проектах
— не пропустили момент, когда войти ещё выгодно
Канал про практику разработки ИИ-агентов: @aidialogs
#ии #нейросети #карьера #иикодинг #ИИагенты #llm