Рынок труда говорит с нами через цифры, требования в вакансиях и вопросы на собеседованиях. По ним видно, какие навыки нужны компаниям, а какие еще вчера считались перспективными, но уже начали терять ценность. Сейчас сигнал особенно заметен — искусственный интеллект (ИИ) уже превратился в рабочий инструмент. Этот переход обесценил один навык и вывел на первый план другой. Какой именно, рассказывает Михаил Беляев, руководитель образовательного направления «Битрикс24».
Испарившийся промпт-инженер
В 2023–2024 годах «промпт-инженер» выглядел профессией будущего: отдельные вакансии, отдельные курсы и отдельная строчка в резюме. Сейчас число таких вакансий сокращается примерно на 40% год к году. Показательно и то, что в опросе Microsoft среди 31 тысячи сотрудников в 31 стране роль «промпт-инженер» оказалась на предпоследнем месте среди новых ролей, которые компании считают приоритетными.
Логика этого падения понятна, если посмотреть, как изменилась сама работа с ИИ. Пока использование нейросетей было экспериментом, ценился человек, способный подобрать формулировку. Как только бизнес перешел к регулярной, ежедневной работе с ИИ, этого стало недостаточно. Теперь важно уметь «выстроить взаимодействие» — серию шагов, проверок и уточнений, встроенных в реальный рабочий процесс. Этому же способствует и развитие моделей — они все лучше понимают обычный человеческий язык, снимая часть технической необходимости в специальной формулировке запроса.
В результате промпт-инжиниринг размазывается по всем остальным профессиям. Он становится частью базовых навыков каждого, кто работает с ИИ, — так же, как когда-то работа с электронной почтой перестала быть отдельной квалификацией и стала фоновым умением для любой должности.
Как меняется вопрос на собеседовании
Второй сигнал — то, как руководители сами меняют практику найма. Еще недавно на собеседовании звучал вопрос «работаете ли вы с нейросетями», и этого было достаточно. Но исследования хайринга уже фиксируют, что этот вопрос почти ничего не проверяет. Он не отличает человека, который реально понимает, что делает, от того, кто просто бегло использует нужные слова.
Это не новая проблема для собеседований — просто ИИ проходит тот же путь, что раньше прошли другие навыки. Компании давно не спрашивают разработчика «умеете ли вы программировать» — они дают ему тестовое задание. Дизайнеру не задают вопрос «умеете ли вы проектировать интерфейсы» — его просят показать макет и объяснить ход мысли, например, какие были гипотезы, что оказалось сложным, почему выбрано именно такое решение. Ровно то же самое сейчас начинает происходить и с ИИ. Вопрос смещается с факта («работали ли вы с нейросетями») на процесс («как именно вы это делаете»).
Инструментальная гибкость важнее хард-скилла
Из этих двух сигналов складывается один вывод: важен не факт использования ИИ, а то, как человек с ним работает. Я бы назвал эту способность инструментальной гибкостью. ИИ — это не одна программа и не единственный инструмент, это множество разных, быстро меняющихся систем. Ценность не в знании конкретного из них, а в переносимом подходе к ИИ. Например, как человек ставит задачу, передает ли он релевантный контекст, проверяет ли результат, понимает ли ограничения модели, способен ли отличить уверенно сформулированный ответ от обоснованного и может ли объяснить принятое решение, не ссылаясь на то, что «так сказала нейросеть».
Практика и методология работы с нейросетями пока не настолько глубоки и устоялись, чтобы превращать их в супер-компетенцию, в отдельный хард-скилл, который можно накопить и предъявить как стаж. На нынешнем этапе развития моделей ценность представляет не столько сам хард-скилл работы с ИИ, сколько софт-скилл гибкого освоения нового инструмента.
Разрыв между человеком, который еще не работал с нейросетью, и тем, кто уже работает с ней правильно, пока попросту не такой большой. Поэтому на данном этапе именно готовность осваивать новый инструмент, а не накопленный «опыт использования ИИ», оказывается более ценным и более честным показателем.
Разрыв между самооценкой и реальностью
Эта гибкость важна еще и потому, что сам человек, как правило, не может надежно оценить собственный уровень. Исследования, посвященные оценке ИИ-грамотности, фиксируют разрыв между самоотчетом и объективными измерениями способностей — причем это не разовое наблюдение на одной выборке, а системно воспроизводимый эффект в разных исследованиях и разных группах.
На основе этого, раз человек не может достоверно оценить сам себя, значит, оценивать нужно не ответ на вопрос «Умеете ли вы пользоваться нейросетями?», а сам подход — через реальную задачу, через наблюдение за тем, как выстраивается работа.
Новая профессиональная компетенция
Рынок труда, сам того не декларируя, уже подтвердил главный тезис: характер взаимодействия с ИИ, а не факт его использования, становится новой профессиональной компетенцией. Промпт-инжиниринг как отдельная специальность тает, потому что оказался слишком узким. Вопрос на собеседовании меняется, потому что старый оказался бесполезным. А самоотчет не работает, потому что человек предсказуемо ошибается в оценке самого себя.
Но здесь встает следующий вопрос, который бизнесу уже не обойти. Мало понять, что нужно оценивать подход, нужно еще спроектировать процесс так, чтобы сотрудники действительно работали с ИИ так, как это нужно бизнесу, а не так, как они сами уже случайно научились.