Вакансии, связанные с нейросетями: кого ищут и сколько платят

Ещё три года назад вакансии с упоминанием нейросетей в заголовке можно было пересчитать по пальцам одной руки. Сейчас достаточно вбить в поиск по вакансиям слово "нейросети", и список не обрывается на первой странице: там соседствуют ML-инженеры с дипломом по прикладной математике и администраторы маркетплейсов, от которых просят "уверенно работать с ChatGPT".

Разброс огромный, и в нём легко запутаться. Одни вакансии, связанные с нейросетями, требуют знание Python и PyTorch, другие - просто умение написать внятный промпт и не бояться нового интерфейса. Дальше - какие роли реально появились на рынке труда, что от кандидатов просят работодатели и какой порядок цифр закладывать в ожидания по зарплате: без вымышленных сумм, потому что рынок меняется быстрее, чем успевает устояться.

Кого ищут: не только программистов

Первая и самая понятная группа - специалисты, которые строят и обучают модели: ML-инженеры, дата-сайентисты, инженеры по машинному обучению для конкретных задач вроде распознавания изображений или рекомендательных систем. Такие вакансии существовали и до всплеска интереса к нейросетям, просто раньше назывались скучнее и реже попадали в топ поисковых запросов.

Вторая группа возникла именно из-за больших языковых моделей: люди, которые настраивают работу готовых нейросетей под задачи компании. Формулировка "промпт-инженер" за последние пару лет успела и войти в моду, и заметно из неё выйти - многие работодатели поняли, что отдельная штатная единица под составление запросов нужна не всем, и растворили эти обязанности в задачах маркетолога, аналитика или разработчика.

Третья, самая массовая группа - обычные профессии, где нейросети стали ожидаемым рабочим инструментом. Копирайтер, который готовит черновики текстов через нейросеть и потом их правит. SMM-специалист, который генерирует картинки для постов вместо покупки стоков. Специалист поддержки, который работает в связке с чат-ботом. Формально это не вакансии с нейросетями в чистом виде, но именно в таких объявлениях слово "нейросети" встречается чаще всего - просто одной строчкой в требованиях среди прочих.

Спрос на все три группы растёт вместе с тем, как компании вообще пробуют встраивать ИИ в процессы - подробнее об этом в материале ИИ в бизнесе: где он экономит деньги, а где сжигает: там же видно, почему одни отделы нанимают активно, а другие пока присматриваются.

Что реально требуют в вакансиях

Для технических ролей требования почти не изменились со времён до нейросетевого бума: Python, статистика, опыт с фреймворками вроде PyTorch или TensorFlow, портфолио на GitHub или Kaggle. Слово "нейросети" в заголовке такой вакансии - скорее маркетинговый ход рекрутера, чем сигнал о новых обязанностях.

С нетехническими ролями сложнее. Работодатель пишет "уверенное владение нейросетями" и дальше редко расшифровывает, что имеет в виду: то ли способность за пять минут получить от ChatGPT приемлемый черновик письма, то ли выстроенный порядок работы с несколькими сервисами под конкретную задачу. Кандидату приходится додумывать это на собеседовании, и нередко выясняется, что от него хотят простого - не бояться открыть чат-бот и не переписывать за ним каждое слово.

Отдельная категория - вакансии, где нейросети упомянуты, но по факту для работы не нужны совсем. Так рекрутеры пытаются попасть в модную повестку и привлечь больше откликов: заголовок звучит актуально, а обязанности внутри - обычная работа с текстом или таблицами без единого упоминания ИИ дальше по тексту. Стоит внимательно читать не заголовок, а перечень задач.

Из практических требований, которые встречаются чаще всего: умение проверять факты за нейросетью, а не публиковать её ответ как есть; понимание, где заканчивается бесплатный тариф сервиса и начинается платный; готовность объяснить коллегам, как получить нужный результат, а не просто пользоваться инструментом молча.

Сколько платят и от чего зависит вилка

Точные цифры называть бессмысленно - рынок труда в этой сфере меняется от квартала к кварталу, а разброс по регионам и компаниям большой. Но порядок и логику вилки описать можно.

Для ML-инженеров и дата-сайентистов зарплата обычно складывается так же, как и до моды на нейросети: чем сложнее задача и больше опыт, тем выше оклад, а Москва и удалённые вакансии от крупных компаний платят заметно больше, чем региональный офис с локальным бюджетом. Слово "нейросети" в описании такой роли на сумму почти не влияет - платят за реальную квалификацию.

Для ролей вроде "промпт-инженер" вилка гораздо шире и менее предсказуема. Один и тот же заголовок может скрывать и стажёрскую позицию с оплатой на уровне ассистента, и серьёзную роль с бюджетом, сравнимым с продуктовым менеджером - зависит от того, встроена ли эта работа в реальный продукт компании или существует ради красивой строчки в объявлении.

Для массовых профессий - копирайтеров, маркетологов, специалистов поддержки - умение работать с нейросетями почти никогда не поднимает зарплату само по себе. Это стало ожидаемым базовым навыком, вроде умения работать с таблицами: его отсутствие может стать причиной отказа, а вот присутствие в резюме доплату не гарантирует. Обидно, но честно: работодатель ждёт этот навык по умолчанию, а не готов доплачивать за него сверху.

Минусы и риски этого рынка

Вакансии, где нейросети упомянуты просто для привлечения внимания, отнимают время у кандидатов. Человек откликается, готовится к собеседованию, а на месте выясняется, что реальная работа с ИИ занимает от силы час в неделю, а остальное время - обычные задачи, которые были и пять лет назад.

Требования иногда собраны без понимания рынка: в одном объявлении соседствуют опыт с промышленным машинным обучением и оклад стажёра, потому что текст скопировали из чужой вакансии, не разобравшись, какая роль на самом деле нужна компании. Стоит закладывать время на уточняющие вопросы рекрутеру, а не верить объявлению буквально.

Единого стандарта, кто такой промпт-инженер или AI-специалист, не существует. Нет ни общепринятой сертификации, ни устоявшейся программы обучения, поэтому проверить квалификацию кандидата по формальным признакам сложно - и работодателю, и самому кандидату непросто объяснить на собеседовании, чем его уровень отличается от уровня другого претендента.

Часть вакансий появляется и исчезает вместе с хайпом. Мода на "нейросетевых специалистов" через год-два может смениться модой на что-то другое, а название профессии в резюме - устареть быстрее, чем успеет принести пользу. Разумнее описывать в резюме конкретные задачи и результаты, а не модный титул, который завтра перестанет что-то значить.

Как войти в профессию без опыта

Быстрее всего работает не курс сам по себе, а портфолио с реальными примерами. Возьмите бесплатные сервисы и сделайте на них несколько законченных кейсов: текст, картинку, короткий проект с автоматизацией - что угодно, что можно показать на собеседовании и объяснить, зачем вы выбрали именно такой инструмент и такой промпт. Подборка таких сервисов есть в материале бесплатные нейросети: что реально работает без оплаты и VPN - с неё удобно начать, не тратя денег на подписки, пока портфолио ещё не готово.

Если хочется системных знаний, а не только практики, есть смысл посмотреть на курсы - от коротких интенсивов по промптингу до полноценных программ с математикой и Python для тех, кто метит в ML-инженеры. Доступные варианты собраны в статье Школы и курсы по искусственному интеллекту в России: там видно, что разброс по глубине программ такой же большой, как разброс требований в самих вакансиях, поэтому курс стоит выбирать под конкретную роль, а не просто под модное слово в названии.

Часто самый быстрый путь - не менять профессию целиком, а добавить работу с нейросетями к тому, что вы уже умеете. Бухгалтер, который ускорил сверку документов через нейросеть, дизайнер, который добавил генерацию картинок в свой процесс, менеджер, который автоматизировал часть переписки - все они становятся заметнее на фоне коллег без единого дополнительного диплома. Другие материалы про ИИ в работе компаний собраны в рубрике - смотрите архив рубрики.

Если вы только присматриваетесь к вакансиям с нейросетями, начните не с рассылки резюме, а с одного законченного кейса: он убедительнее строчки "уверенный пользователь ChatGPT" в любом резюме. И держите ожидания по деньгам трезвыми - вилка на рынке широкая, а само упоминание нейросетей в вакансии не гарантия высокой оплаты, если суть роли за этим словом не изменилась.