Время AI-специалистов в российских компаниях

Инструменты с популярными нейросетями, выполняющие задачи по скрипту и точечно упрощающие рутинные задачи, уже стандартная практика для среднего и крупного бизнеса. Следующий шаг — AI-агенты, которые работают внутри корпоративных процессов и выполняют задачи без подробных инструкций.

AI-агенты используют релевантную информацию из баз данных компании, определяют задачу по контексту и самостоятельно выбирают оптимальный путь решения задачи. Они расширяют возможности сотрудников и программного обеспечения до максимума, что дает гибкость для адаптации в быстро меняющихся условиях и высокую устойчивость в новых челленджах.

Исследование McKinsey & Company от ноября 2025 года The state of AI in 2025: Agents, innovation, and transformation показывает, что компании переходят от простых сценариев автоматизации к агентным системам:

• Многие экспериментируют с AI-агентами, которые способны действовать в реальном мире, планируя и выполняя несколько этапов рабочего процесса.
• 23% респондентов сообщают, что их организации масштабируют агентную систему.
• 39% заявили, что начали экспериментировать с AI-агентами.

В отчете Стэнфордского института The 2025 AI Index Report отмечают, что ИИ становится более эффективным, доступным и недорогим. Максимальный эффект появляется там, где инструменты на основе AI применяют не для сокращения штата, а для расширения возможностей.

Эти исследования фиксируют совершенствование применения AI: бизнес получает реальную пользу от AI, когда нейросети глубоко встроены в процессы и помогают усиливать возможности людей. Агентный AI позволяет выполнять задачи быстрее и точнее, но ключевой контекст и итоговый контроль по-прежнему остаются за специалистами.

Как внедрение AI создает новые новые роли и профессии будущего

Во многих компаниях одному сотруднику нужно контролировать несколько процессов и быстро переключаться между задачами. Это создает информационную перегрузку, которая часто становится причиной ошибок и низкой эффективности. Чтобы справиться с ростом объема задач, компаниям приходится либо нанимать больше людей, либо подключать AI-инструменты. Уже к 2026 году в средних и крупных компаниях большинство сотрудников, вероятно, будут работать вместе с AI-агентами. Без таких помощников рутина будет отнимать слишком много времени и мешать достижению целей и выполнению планов.

В 2025 году уже 70% российских компаний среднего и крупного бизнеса используют GenAI —  об этом  сообщает Forbes, ссылаясь на опрос, который провели VK и агентство Prognosis. Инструменты на основе искусственного интеллекта внедряются во многие роли и профессии начиная с аналитиков Big Data и заканчивая клинингом — и становятся средством для повышения квалификации, а не заменой персонала.

Компании начинают инвестировать в обучение сотрудников заранее, чтобы распределить затраты и избежать необходимости поиска сотрудников при высоком спросе на AI-специалистов. Сегодня уже востребованы:

• Head of AI или Chief of AI — формирует стратегию внедрения AI в компанию, отвечает за экономическую эффективность трансформации через AI, управляет рисками (регуляторными, этическими, информационными, операционными).
• Управляющий AI-разработкой — контролирует работу над задачей от идеи до внедрения, координирует работу AI-специалистов;
• Менеджер по интеграции AI — координирует интеграцию нейросетей в бизнес-процессы, оценивает эффективность полученных решений;
• Менеджер AI-продуктов — определяет требования к продукту и строит его план развития;
• Архитектор AI-решений — разрабатывает общую концепцию систем искусственного интеллекта;
• AI-разработчик — разрабатывает и адаптирует модели нейросети под задачи;
• BI-разработчик — визуализирует и структурирует данные и результаты аналитики;
• ML-инженер — создает, обучает и поддерживает модели машинного обучения;
• NLP-инженер — работает с текстом и речью на базе машинного обучения;
• Инженер по компьютерному зрению — создает системы визуального анализа данных;
• Дата-инженер — проектирует инфраструктуру для доставки, сбора, хранения и преобразования данных;
• LLMOps-специалист — отвечает за стабильность и безопасность работы нейросетей в продакшене;
• AI-аудитор — следит за соответствием AI-продуктов техническим, нормативным и этическим требованиям;
• Промпт-инженер — составляет текстовые запросы, которые помогают получить максимально точные, достоверные и релевантные ответы от нейросетей;
• Специалист по этике AI — следит за поведением нейросетей в диалогах, которые затрагивают проблемы моральных, социальных, культурных норм и юридической ответственности перед пользователем;
• AI-тренер — настраивает и обучает модели под работу с набором определенных данных;
• Дата-сайентист — извлекает полезные знания из данных и разрабатывает прогнозы;
• Аналитик данных — интерпретирует значение данных по конкретным запросам;
• Generative AI-креатор — создает тексты, изображения, аудио и видео;
• Инструктор по AI — обучает пользователей эффективно использовать AI-продукты.

Бизнес постепенно переходит от точечной автоматизации к полноценным AI-экосистемам. Это означает, что конкуренция за эффективность и квалифицированных AI-специалистов будет только расти. Сотрудники стремятся развивать навыки, которые помогут им эффективно работать вместе с нейросетями и AI-агентами. Поэтому компании уже сейчас делают ставку на обучение — как на основу своей будущей устойчивости и гибкости.

Что делать, если при дефиците кадров нужны люди с опытом работы с нейросетями

Большинство компаний могут развивать AI-компетенции внутри команды. Технологии будут активно меняться в ближайшие 10 лет, и постоянный поиск новых специалистов на каждом этапе развития AI приведет к стрессу в коллективе и неоправданным тратам ФОТ.

При этом бизнес-цели остаются прежними. Если компания не планирует активно переходить на сторону AI и глубоко интегрировать технологии в свои бизнес-процессы, то найм AI-нейтив специалистов не всегда оправдан. Гораздо эффективнее удерживать и развивать тех сотрудников, которые уже ценны для компании, знают продукт и контекст, чем тратить ресурсы на поиск и адаптацию новых.

Самая взвешенная стратегия на 2026 год — обучать работе с AI тех, кто ежедневно взаимодействует с клиентами (продажи, поддержка, опыт клиентов), отвечает за операционные процессы, формирует продуктовый роадмап и решает важные бизнес-задачи (аналитика, маркетинг, финансы и HR). Сотрудники с этими ролями возвращают максимум пользы от AI-инструментов: быстрее принимают решения, меньше ошибаются, лучше понимают потребности клиентов и оперативно внедряют улучшения.

Чтобы помочь компаниям быстрее пройти этот путь, мы запустили образовательные программы по работе с генеративным ИИ (GenAI). Обучение проводим на базе своих AI-продуктов — Jay Flow, Jay Copilot и Jay Knowledge Hub — создаем контролируемую среду для отработки навыков и адаптируем программу под реальные бизнес-задачи. Мы подбираем тренеров под конкретный запрос и работаем как с линейными командами, так и с руководителями, CEO и фаундерами. Если вашей компании нужно быстро и безопасно вырастить AI-компетенции, посмотрите, какие форматы обучения мы предлагаем.

Условия, в которых обученные сотрудники будут показывать результат

Нейросети дают максимальный эффект там, где бизнес сочетает технологии с развитыми AI-компетенциями. AI становится бустером успеха в data-driven компаниях, где опираются на данные, не полагаются на авторитет отдельных экспертов, запускают пилотные проекты на малых масштабах и выходят за рамки формальных регламентов отрасли.

Компании, получающие наибольшую отдачу от AI, используют следующие практики:

• Участие человека: определяют, когда результаты модели требуют проверки.
• Инфраструктура: создают условия для масштабирования AI-продуктов.
• Карта развития AI-продуктов: формируют план применения нейросетей, согласованный с общей стратегией развития AI в компании, в приоритетных задачах.
• Формирование ценности: топ-менеджмент понимает, где AI усиливает бизнес.
• Трансформация бизнес-процессов: запускают пилоты и масштабируют успешные решения.
• Пример лидеров: высшее руководство участвует в продвижении AI в компании.
• Гибкость в предоставлении решений на основе AI: применяют agile в разработке и внедрении AI-продуктов.
• Контроль ресурсов: планируют изменения в ролях и компетенциях.
• Итеративность: организованный по шагам процесс создания решений на базе AI и поэтапное развитие этих решений.
• Быстрые циклы разработки: AI-проекты быстро достигают MVP и адаптируются под задачи.

Эти практики невозможно «автоматизировать» одной платформой — это управленческая и стратегическая работа. Наш продукт Jay Copilot помогает компаниям делать эти практики реалистичными, быстрыми и безопасными. Платформа создает среду, где команды могут тестировать идеи, запускать пилоты, адаптировать AI под задачи и развивать компетенции без сложной инфраструктуры и внешней разработки.

Мы создали безопасное GenAI-пространство с интуитивным интерфейсом, которым можно пользоваться даже без подготовки. Нужна визуализация? В приложении «Иллюстратор» доступны лучшие графические модели (Flux, Nano Banana, GPT Image 1). Создали изображение — нажмите «Сделать видео» и получите ролик. Работаете с кодом? «Программист» генерирует, объясняет, проверяет код и переводит его на Kotlin, Python, Swift и другие языки. При этом в приложениях не нужно подбирать сложные промпты — достаточно описать задачу, как коллеге. А для сложных или нестандартных сценариев есть прямой доступ к моделям ChatGPT, Claude, DeepSeek, Gemini, GagaChat, Grok, Qwen, YandexGPT — находите наилучшие решения бизнес-задач и достигайте целей с помощью самых мощных нейросетей.