Еще недавно начинающему разработчику было достаточно уверенно владеть языком программирования и фреймворком. Теперь требования к IT-специалистам в эпоху ИИ заметно меняются. Код все чаще пишет машина, а человеку достаются задачи более высокого уровня.
При этом IT-рынок не исчезает. Напротив, число работников отрасли продолжает расти. Однако вакансий становится меньше, а конкуренция между кандидатами усиливается.
Так возникает новый парадокс. Компании по-прежнему испытывают дефицит сильных кадров, но обычному соискателю найти работу становится сложнее. Причина не только в сокращениях. ИИ меняет то, за какую работу компания готова платить человеку.
IT-рынок перешел от дефицита людей к дефициту компетенций
Раньше рост цифровизации автоматически увеличивал потребность в разработчиках. Компании расширяли команды и нанимали сотрудников с запасом. Сейчас этот механизм работает иначе.
По данным SuperJob, которые приводятся в исходных материалах, число IT-вакансий за год снизилось на 21%. Одновременно количество резюме выросло на те же 21%. Рост зарплат тоже замедлился: средний показатель увеличился на 3,9% год к году при инфляции 6%.
Другой источник дает еще более резкую оценку. По данным «Девелоники» fabricaONE.AI, число резюме выросло на 41%, а вакансий стало на 38% меньше. В первом квартале на одну IT-вакансию приходилось более 20 резюме. В 2021 году показатель составлял около четырех.
Методики и периоды этих исследований различаются. Поэтому проценты нельзя напрямую объединять. Однако направление у них одинаковое: предложение специалистов растет быстрее спроса на них.
При этом сама IT-отрасль не сокращается пропорционально вакансиям. Численность специалистов за год выросла на 102 тыс. и достигла 1,2 млн человек.
Значит, рынок не отказывается от IT-кадров. Он становится более избирательным.
Почему сильных специалистов не хватает даже при большом числе резюме
Еще один показатель хорошо раскрывает этот конфликт.
В одном из исследований 64% российских работодателей сообщили о нехватке IT-специалистов. При этом 16% компаний назвали проблему критической. Одновременно на отдельные вакансии приходят десятки резюме.
Это означает, что кадровый дефицит постепенно становится не количественным, а качественным.
Компании могут получить много откликов. Но среди них не всегда находятся люди с нужной глубиной экспертизы.
Работодателям все меньше нужен человек, который умеет только выполнять поставленную техническую задачу. Такой уровень работы быстрее всего сталкивается с конкуренцией со стороны ИИ.
В результате ценность смещается к специалистам, которые способны разобраться в проблеме, выбрать подход, проверить результат и принять решение.
ИИ первым забирает работу, на которой раньше учились джуны
Особенно заметно изменение на начальных позициях.
Junior-разработчики традиционно получали простые задачи. Они писали тесты, исправляли небольшие ошибки и верстали элементы по готовому макету.
Теперь значительную часть такой работы могут выполнять AI-ассистенты. В одном из материалов приводятся данные GitHub: в командах, активно использующих такие инструменты, ИИ генерирует более 40% кода.
Проблема здесь глубже возможного сокращения одной должности.
Простые задачи раньше давали новичку возможность войти в профессию. Через них специалист изучал систему, ошибался и постепенно переходил к сложной работе.
Теперь именно этот нижний уровень автоматизируется быстрее всего.
Похожая тенденция заметна и за пределами разработки. В региональных материалах к уязвимым функциям относят ввод и обработку данных, типовой документооборот, базовую бухгалтерию и шаблонную работу с контентом. Эксперты отмечают, что ИИ прежде всего отбирает рутинные операции внутри профессии.
Поэтому главный риск для новичков — не исчезновение всей профессии. Повышается порог входа в нее.
Агентная разработка меняет саму природу IT-труда
Обычный AI-ассистент ускоряет отдельного сотрудника. Агентный подход идет дальше и перестраивает весь процесс разработки.
При такой модели разработчик меньше занимается механическим исполнением. Он задает цель, контекст и ограничения. Затем ИИ-агенты могут самостоятельно выполнять цепочку операций.
Например, они способны написать код, проверить его, найти ошибки, предложить рефакторинг и сформировать документацию.
Роль человека при этом не исчезает. Она перемещается выше по уровню управления.
Специалист становится оркестратором: он определяет архитектуру процесса и контролирует результат.
Приводится оценка, что инженер в агентном режиме способен закрывать объем, который прежде требовал трех-четырех человек. Также отмечается, что задачи пяти сотрудников за месяц могут выполнять двое за две недели.
Это оценка конкретного подхода, а не универсальная норма для любой команды. Однако она показывает сам механизм изменений.
Бизнес получает возможность увеличивать производительность без пропорционального расширения штата.
Просто использовать нейросеть уже недостаточно
Несколько лет назад само владение генеративным ИИ могло выделять кандидата. Сейчас этот навык постепенно становится базовым.
Даже профессия промпт-инженера уже меняется. Если раньше было достаточно понимать особенности нейросетей и формулировать запросы, теперь компании хотят видеть экономическое понимание применения ИИ.
Работодателю важно не то, насколько эффектно сотрудник общается с нейросетью. Главное — способен ли он встроить технологию в реальный процесс.
В разработке этот принцип становится еще заметнее.
Попросить модель написать функцию несложно. Гораздо труднее понять, подходит ли эта функция архитектуре продукта. Затем нужно проверить безопасность, производительность и последствия изменений.
Поэтому требования к IT-специалистам в эпоху ИИ смещаются от владения отдельным инструментом к управлению всей системой.
Какие навыки становятся важнее
Выделяют аналитическое и проектное мышление, способность постоянно учиться, коммуникацию, лидерство и работу с ИИ.
Но эти навыки лучше рассматривать не отдельным списком, а как единую цепочку.
Сначала специалист должен понять задачу бизнеса. Затем он выбирает подход и определяет, какую работу можно передать ИИ. После этого нужно правильно поставить задачу и проверить результат.
Если система ошиблась, человек должен заметить проблему. Если существует несколько решений, именно он выбирает подходящее.
Наконец, результат нужно объяснить коллегам или заказчику.
Поэтому растет ценность фундаментальных компетенций. Чем больше работы выполняет ИИ, тем важнее человеку понимать, почему выбранное решение работает.
Архитектурное мышление становится дороже простого написания кода
Агентная разработка особенно ярко показывает этот переход.
Если написание типового кода дешевеет, больше ценности концентрируется вокруг архитектуры. Нужно понимать связи между компонентами и последствия изменений.
Также возрастает роль контроля качества.
ИИ способен быстро создать большой объем кода. Однако скорость генерации сама по себе не гарантирует правильность продукта.
Поэтому специалисту приходится контролировать больше результата за меньшее время.
Фактически меняется главный показатель профессионализма. Раньше разработчика могли оценивать по тому, насколько хорошо он выполняет техническую работу самостоятельно.
Теперь ценность все чаще определяется иначе:
насколько сложную систему он способен построить и контролировать с помощью автоматизации.
Какие IT-специальности остаются востребованными
Снижение общего числа вакансий не означает одинакового падения спроса во всех направлениях.
Среди перспективных специальностей выделяются:
- инженеры данных;
- Data Scientist;
- AI/ML-инженеры;
- DevOps-инженеры;
- специалисты по информационной безопасности;
- QA-инженеры;
- fullstack-разработчики;
- аналитики данных.
Особенно заметен спрос вокруг информационной безопасности и самого ИИ.
В одном из источников говорится, что спрос на специалистов по информационной безопасности в начале года вырос на 26%. Одновременно 97% крупных российских компаний уже внедряют ИИ либо планируют это делать.
Это создает новый слой работы.
Чем больше решений принимает автоматизированная система, тем важнее контролировать ее безопасность, данные и корректность.
Поэтому искусственный интеллект одновременно сокращает часть старых задач и создает новые.
Некоторые новые IT-профессии тоже быстро устаревают
Появление специальности еще не означает, что она сохранится в неизменном виде.
Хороший пример — промпт-инженер.
Еще недавно способность писать качественные запросы могла восприниматься как отдельная профессиональная специализация. Теперь одного этого навыка уже недостаточно.
То же происходит и с другими ролями.
В источниках упоминаются AI-инженеры, промпт-архитекторы и тестировщики, использующие ИИ.
Однако границы таких профессий могут быстро меняться. Причина проста: инструменты развиваются быстрее традиционных должностных инструкций.
Поэтому устойчивой карьерной стратегией становится не ставка на одно модное название профессии. Важнее развивать компетенции, которые сохраняют ценность при смене инструментов.
Что ИИ меняет для IT-специалистов в Тюмени
Региональный рынок не существует отдельно от российского тренда.
В Тюменской области нейросети уже применяются в ритейле, логистике и бухгалтерии. В нефтегазовом секторе автоматизация затрагивает документооборот, работу с данными и геологическую аналитику.
При этом региональная специфика создает интересный контраст.
Цифровые и офисные операции легче передать алгоритму. Физическая производственная работа автоматизируется сложнее.
Например, региональные эксперты считают более устойчивыми позиции слесаря-наладчика, электрика и оператора буровой установки.
Для IT-специалистов нефтегазового региона это повышает ценность другой компетенции — способности соединять цифровые технологии с реальными производственными процессами.
То есть преимущество получает не просто программист. Оно возникает у специалиста, который понимает и технологию, и отраслевую задачу.
Главный навык — не конкурировать с ИИ в его сильной стороне
Попытка писать типовой код быстрее алгоритма становится плохой карьерной стратегией.
То же касается шаблонной аналитики, первичной обработки информации и других повторяемых операций.
Эксперты советуют поступать иначе: ставить ИИ задачи, собирать данные, проверять факты и самостоятельно добавлять смысл и финальное решение.
Именно здесь сходятся изменения рынка, специальностей и агентной разработки.
ИИ постепенно забирает роль исполнителя. Однако ответственность за постановку задачи и качество результата остается у человека.
Поэтому современные требования к IT-специалистам в эпоху ИИ становятся жестче, а не проще.
Знать язык программирования по-прежнему важно. Но этого уже недостаточно. Специалисту нужны системное мышление, фундаментальные знания, понимание бизнеса и способность управлять автоматизацией.
Рынку становится нужен не человек, который способен написать больше кода.
Ему нужен человек, который понимает, какой код вообще должен быть написан, какую часть работы можно передать ИИ и можно ли доверять полученному результату.