Почему бизнес массово делегирует задачи нейросетям вместо найма сотрудников

За два года доля вакансий, где нужны навыки работы с генеративным ИИ, увеличилась в пять раз, причём запрос давно вышел за пределы ИТ-сектора в маркетинг, дизайн, SMM и административные функции. Для команд, которые выбирают, что внедрять в первую очередь, это сигнал пересмотреть приоритеты.

Услуги растут быстрее, чем внутренние навыки

Любопытный разрыв в цифрах: услуги на базе нейросетей покупают активнее, чем нанимают людей с соответствующими навыками. Корень — в кадровом дефиците: безработица находится на историческом минимуме в 2,2%, а Минтруд прогнозирует нехватку кадров на уровне 0,5 млн человек к 2032 году. Зарплаты при этом растут быстрее производительности — накопленный разрыв с 2012 года составляет около 30 п.п. Логика бизнеса понятна: когда штат укомплектовать сложно и дорого, компании перекладывают часть сценариев на внешних подрядчиков с ИИ-компетенциями — быстрее выходит тайм-ту-маркет, ниже порог входа. Это рабочий сценарий, но он же создаёт уязвимость: знания остаются у подрядчика, а процессы внутри команды не меняются.

Аугментация, а не замена

Исследование ЦМИ Сбербанка на массиве из 40 млн вакансий показывает сдвиг от автоматизации к усилению человека. Доля позиций с высоким потенциалом автоматизации снизилась с 30% до 24% по сравнению с 2021 годом — это минус шестая часть. Одновременно выросла доля вакансий, где ИИ выступает помощником: с 18,0% до 23,6%. Как отмечает руководитель ЦМИ Александр Исаков, ускоряется поляризация спроса — компании чётко делят роли на «можно отдать машине» и «нужен человек с ИИ-инструментом в руках». Это подтверждает практический вывод: самый устойчивый эффект дают не проекты «заменим отдел ботом», а связки «сотрудник + нейросеть», где человек остаётся владельцем сценария и контролирует качество.

Уже формируются новые роли — AI-тренеры, разметчики данных, промпт-инженеры, разработчики ИИ-агентов, LLMOps-инженеры, менеджеры AI-продуктов. Любопытная деталь: в текстах вакансий российские разработки закрепляются в топе — GigaChat занимает третье место по частоте упоминаний, Kandinsky поднялся с двенадцатого на восьмое. Для команд, которые ориентируются на отечественный стек, это аргумент в пользу того, чтобы закладывать его в долгосрочную архитектуру процессов.

Что проверить, прежде чем масштабировать

Когда внешний спрос на ИИ-услуги растёт такими темпами, легко пойти по пути «наймём подрядчика и закроем задачу». Опыт показывает, что в этом сценарии ROI быстро обнуляется: подрядчик уходит, а процесс не воспроизводится внутри. Несколько точек, на которые имеет смысл обратить внимание до старта:

• Где граница сценария. Чётко зафиксируйте, что именно отдаётся нейросети, где включается человек и какой метрикой измеряется результат — без этого сложно считать эффективность и контролировать качество.
• Онбординг команды. Даже при работе с внешним подрядчиком минимум один внутренний человек должен понимать логику промптов и данных, иначе вы зависите от исполнителя.
• Перенос компетенции. Запланируйте этап, на котором команда забирает сценарий себе, — иначе рост спроса на рынке обернётся для вас ростом расходов без роста собственной экспертизы.
• Выбор стека. Если в долгосрочных планах есть масштабирование, проверьте совместимость текущих инструментов с теми, что чаще появляются в вакансиях — это снизит риск пересборки через год.

Спрос на услуги растёт, потому что у компаний нет выбора: дефицит кадров и давление на производительность делают ИИ-аугментацию не экспериментом, а рабочей гигиеной. Стоит заранее заложить процесс так, чтобы через полгода вы не зависели от внешних исполнителей, а владели сценарием внутри команды.