Cloud.ru предложила довольно приземлённую карту того, как может выглядеть карьера в ИИ на горизонте ближайших 2–3 лет: не один волшебный «прыжок в нейросети», а пять уровней ролей с разным порогом входа. Для российской IT-аудитории это полезный разворот разговора: вместо привычной паники про «агенты всех заменят» здесь наконец-то пытаются посчитать, кто именно будет работать рядом с агентами и за какие задачи отвечать.
В статье Марины Ломадзе, руководителя направления привлечения и найма талантов в Cloud.ru, как пишет Habr / Карьера, эта траектория разбита на пять ролей. Первый уровень — специалист, который остаётся в своей профессии, но системно встраивает ИИ в ежедневную работу. Речь не о красивой привычке «иногда спросить у чат-бота», а о вполне скучной, зато полезной перестройке процессов: вынести на модель регулярные задачи, которые повторяются минимум раз в неделю, занимают хотя бы 20 минут и требуют скорее аккуратности, чем озарения. В качестве типовых кейсов названы черновики писем и презентаций, рыночный ресерч, первичная обработка таблиц, подготовка Q&A и шаблонов сообщений. Важный тезис здесь простой: массовой нормой станет не сам факт использования ИИ, а умение разложить задачу на 3–4 шага, дать модели контекст и потом проверить результат, особенно если в ответе есть цифры, законы, даты, фамилии или бодрые выводы без опоры на источники.
Дальше начинается уже более предметная карьера в ИИ. Второй уровень Cloud.ru называет AI Babysitter — человеком, который оценивает ответы моделей, размечает данные и фактически учит систему говорить не только грамотно, но и уместно. Автор прямо пишет, что сюда могут заходить люди из журналистики, редактуры, SMM, контент-маркетинга, модерации, поддержки и аналитики. Звучит как будто не слишком технично, но работа, судя по описанию, как раз быстро отучает от романтики: нужны таблицы с критериями качества, оценки по точности и полноте, маркировка ошибок по типам и разбор хотя бы 50–100 ответов, чтобы видеть не «мне кажется», а закономерности. Вилка, на которую ориентируется автор по открытым источникам, — от 70 тыс. до 120 тыс. рублей для джуна, 120–180 тыс. для мидла и от 180 тыс. рублей для более сильных специалистов, если роль уже завязана на evals, quality и data labeling. То есть это не новая золотая лихорадка, а скорее входной трек в AI-команды для тех, кто умеет работать с качеством, а не только с энтузиазмом.
Третий уровень — промпт-инженер, и тут статья аккуратно сбивает лишний пафос. Ценность, по версии Cloud.ru, не в человеке, который «умеет писать красивые промпты», а в том, кто может превратить бизнес-задачу в устойчивый сценарий работы модели. В качестве примера разбирается не абстрактная магия, а вполне понятная история с падающей конверсией лендинга: сначала список гипотез, потом проверка их на реальных данных, затем перечень экспериментов, и только после этого генерация текстов и офферов. Такой подход звучит почти обидно рационально, потому что сильно напоминает хорошее ТЗ, а не шаманство с нейросетью. По оценке автора, по России в 2025 году вилки здесь уже заметнее: 70–120 тыс. рублей у джунов, 120–220 тыс. у мидлов и 220–300 тыс. рублей и выше у сеньоров, особенно если человек отвечает не за текст сам по себе, а за качество сценариев вместе с продуктовой и инженерной командой. И здесь статья попадает в важную нервную точку рынка: должность может называться как угодно, но если сотрудник умеет собирать workflow, evals и воспроизводимый результат, он уже играет в другой лиге.
Четвёртая роль — ИИ-фасилитатор, то есть человек, который помогает командам не спорить о нейросетях в чатике, а внедрять их в процессы без бардака. Это уже территория тимлидов, продактов, проджектов, agile-коучей, HR и L&D. По сути, речь о специалисте, который умеет собрать список реальных болей команды, отсечь сценарии с чувствительными данными и регуляторными ограничениями, выбрать 2–3 безопасных пилота и договориться, где обязательна ручная проверка, а где нет. Отдельно Cloud.ru подчёркивает ещё один дефицитный навык: переводить технологический жаргон на человеческий язык. Не «оркестрация», а «несколько шагов в одном сценарии»; не «evals», а «список критериев, по которым мы проверяем, не накосячил ли ИИ». Для российского рынка это наблюдение выглядит особенно точным: интерес к ИИ уже есть почти везде, а вот внутренняя методика, правила и ответственность часто ещё на стадии «ну давайте кто-нибудь попробует».
Пятый уровень — ИИ-инженер, и здесь тон материала становится заметно строже. Быстрого входа не обещают: нужен Python, базовая математика, классический ML, работа с данными, а потом уже LLM, MLOps, RAG, мониторинг, логирование, развёртывание и архитектурная ответственность. Иными словами, в финале этой лестницы не человек, который умеет задавать хорошие вопросы модели, а тот, кто отвечает за то, как ИИ-компонент живёт в продакшене, сколько он стоит по latency и запросам, как его откатывать и кто виноват, если система вдруг начинает выдавать токсичную или просто опасную чушь. Вилка, которую приводит автор, уже соответствует уровню ставки: примерно 120–200 тыс. рублей у джуна, 200–350 тыс. у мидла и 350–550 тыс. рублей и выше у сеньора. Для разработчиков и архитекторов здесь, пожалуй, главный сигнал в том, что карьера в ИИ не начинается с экзотических титулов. Она начинается с вполне земной инженерной базы и только потом обрастает модными словами вроде агентов и мультиагентных систем.
Самое полезное в этой публикации — не список названий, а попытка убрать из дискуссии ложную развилку «или ты гуманитарий, или тебе срочно в ML». В версии Cloud.ru между этими полюсами много промежуточных ролей: от специалиста, который пересобрал собственный рабочий процесс вокруг ИИ, до человека, который отвечает за внедрение или качество ответов модели. Для бизнеса из этого следует довольно неприятный, но честный вывод: закупкой доступа к моделям вопрос не закрывается. Понадобятся люди, которые умеют разметить процесс, поставить критерии качества, определить зоны риска и объяснить команде, где ИИ экономит время, а где просто очень уверенно генерирует мусор. А для специалистов вывод ещё проще: рынок, похоже, будет платить не за сам факт знакомства с нейросетью, а за способность встроить её в работу без потери ответственности и здравого смысла.
Открытый вопрос здесь даже не в том, сколько новых должностей реально закрепится в штатном расписании. Гораздо интереснее, какие из этих ролей останутся отдельными профессиями, а какие быстро растворятся внутри привычных позиций — разработчика, продакта, рекрутера или редактора. Если сценарий Cloud.ru верный, спор о том, «заменит ли ИИ людей», скоро станет слишком ленивым для рынка: куда важнее окажется, кто научится работать в связке с агентами раньше остальных и не свалится при этом в режим вечного проверяющего за машиной.