На российском рынке труда обнаружился неудобный для хайпа факт: разговоров о тотальном кадровом голоде в ИИ много, а массового дефицита ИИ-компетенций по данным опроса пока не видно. Навыками работы с ИИ владеют 37,5% занятых, но необходимыми для текущей работы их считают только 4,9%. Для русскоязычной IT-аудитории это важный сигнал: проблема уже не в том, чтобы научить людей нажимать кнопки в популярных сервисах, а в том, чтобы встроить ИИ в реальные рабочие процессы без имитации пользы.
Такие выводы приводит Институт статистических исследований и экономики знаний НИУ ВШЭ на основе данных Обследования рабочей силы Росстата за 2025 год, сообщает CNews. В исследование впервые включили блок вопросов о том, какими навыками использования технологий искусственного интеллекта работники уже обладают и какие нужны им на основном месте работы. База крупная: 314 тыс. респондентов, результаты экстраполированы на 46,7 млн занятых в российской экономике. Это не опрос в духе «кого из знакомых заменит нейросеть», а попытка посмотреть на рынок труда чуть менее эмоционально.
Главный вывод выглядит почти как насмешка над привычной паникой вокруг кадрового рынка. У трети всех занятых фактический уровень владения ИИ выше, чем того требует работодатель. Иными словами, избыток ИИ-компетенций встречается заметно чаще, чем их нехватка. Еще в 73% случаев работники оценивают свой уровень как соответствующий требованиям работы. Даже если сделать скидку на неизбежную субъективность самооценки, картина все равно получается не про массовый провал, а про относительно спокойное насыщение базовыми навыками.
Но именно здесь и начинается самое интересное. Отсутствие общего дефицита не означает, что дефицита нет вовсе. Среди тех, кому ИИ действительно нужен для работы, о нехватке компетенций говорит каждый шестой, то есть 15%. И чем выше требования, тем неприятнее цифры. Если для задач достаточно базового уровня, дефицит фиксируют 6% работников. При среднем уровне требований показатель вырастает до 20%, а при продвинутом — уже до 24%. Получается довольно знакомая для IT картина: на уровне «попробовал сервис, написал промпт, получил черновик» рынок более-менее справился, а на уровне внедрения в производственный контур начинается зона турбулентности.
Это структурно важное различие. Базовое использование массовых ИИ-сервисов быстро превращается в новую цифровую грамотность, примерно как когда-то офисные пакеты, корпоративные мессенджеры или BI-инструменты. Но профессиональная интеграция ИИ в процессы требует уже не общей любознательности, а конкретной квалификации: понимать ограничения моделей, настраивать сценарии, пересобирать процессы, учитывать требования к данным, качеству результата и ответственности за ошибки. И вот тут рынок заметно менее ровный, чем может показаться из усредненных цифр.
В профессиональном разрезе самая высокая интенсивность дефицита наблюдается у специалистов по ИКТ и ИКТ-техников. Это тоже довольно показательно. От разработчиков, инженеров, аналитиков и тех, кто обслуживает цифровую инфраструктуру, уже ждут не знакомства с ИИ как с пользовательским инструментом, а умения делать из него часть рабочего конвейера. Проще говоря, условный офис теперь может жить с человеком, который умеет пользоваться массовым ИИ-сервисом, а вот продуктовая, инженерная или корпоративная среда требует тех, кто умеет внедрять ИИ без фокусов на демо и с понятным результатом на проде.
При этом основной вклад в общий дефицит дают не только ИКТ-профессии, а массовые группы работников: специалисты в образовании, науке и технике, в бизнесе и администрировании. По численности работников с дефицитом ИИ-компетенций лидирует образование. Дальше идут обрабатывающие производства, информация и связь, профессиональная и научная деятельность, а также здравоохранение. Для бизнеса это, возможно, самый практичный вывод из всей истории. ИИ уже перестает быть сюжетной линией только для айтишников. Он расползается по функциям и отраслям, где раньше обсуждали автоматизацию, цифровизацию и оптимизацию, а теперь придется обсуждать конкретные роли, процедуры и метрики качества работы ИИ-инструментов.
Для разработчиков это означает довольно приземленную вещь: спрос будет смещаться от «сделайте нам что-нибудь на нейросетях» к задачам интеграции, оркестрации и встраивания в существующие системы. Не просто чат-окно в интерфейсе, а связка с данными, правами доступа, документацией, отраслевыми ограничениями и проверкой результата. Для продактов вывод не мягче: базовое наличие ИИ-функции само по себе перестает быть конкурентным преимуществом, если команда не понимает, где именно она экономит время, снижает издержки или повышает качество. Для HR и руководителей ситуация тоже не из приятных: рынок уже нельзя оценивать по бинарной шкале «умеет работать с ИИ или не умеет». Важнее различать бытовое владение инструментом и способность применять его в профессиональном контексте.
На уровне отрасли исследование подталкивает к пересмотру самой формулировки проблемы. Возможно, рынок страдает не от дефицита ИИ-компетенций вообще, а от дефицита правильно определенных требований. Когда работодатели говорят, что им не хватает людей «с ИИ», часто выясняется, что речь идет о чем угодно: от уверенного пользователя массовых сервисов до человека, который умеет менять процесс, внедрять инструменты и отвечать за результат. Пока эти уровни смешиваются, разговор о кадровом голоде остается слишком удобным и слишком расплывчатым.
Следующий этап для рынка труда, похоже, будет связан не с массовым обучением азам, а с отбором тех сценариев, где ИИ действительно становится технологией общего назначения, а не очередной строкой в стратегии цифровой трансформации. Если этот переход состоится, ключевым дефицитом окажутся не люди, которые пробовали ИИ, а люди, которые умеют превращать его из любопытного интерфейса в рабочий инструмент с измеримой отдачей.