Востребованные профессии в ИТ в 2027 году: зарплаты, спрос и влияние ИИ

Сегодня недостаточно освоить один язык программирования или пройти курс обучения профессии из списка «самых перспективных». Рынок меняется под влиянием искусственного интеллекта, требования к специалистам растут. Одновременно появляются новые профессии.

Редакция блога «Софтлайн Решений» (ГК Softline) разбирается, какие ИТ-профессии будут востребованы в 2027 году, сколько зарабатывают специалисты, какие навыки нужны для работы и какие есть перспективы в ближайшие три года.

Как изменился рынок труда в ИТ

ИТ-сфера переходит от общего кадрового дефицита к избирательному и более конкурентному найму. По данным SuperJob, число вакансий в ИТ за год сократилось на 21%. Одновременно увеличилось и количество резюме — на 21%. При этом рост зарплат замедлился. Средняя зарплата ИТ-специалистов выросла лишь на 3,9% год к году при годовой инфляции в июне 6,0%.

По данным «Хабр Карьеры», медианная зарплата ИТ-специалиста в первом полугодии 2026 года составила 191 тыс. рублей. Рост — 4% к предыдущему полугодию. Сервис проанализировал фактические зарплаты, которые ИТ-специалисты анонимно и добровольно указали в калькуляторе зарплат, а не данные из вакансий.

Из статистики можно сделать вывод: рынок стал заметно сложнее для соискателей, особенно для начинающих и кандидатов с узкой специализацией. По оценке экспертов компании «Девелоника» fabricaONE.AI (акционер — ГК Softline), в первом квартале на одну ИТ-вакансию приходилось более 20 резюме. Для сравнения: в 2021 году — около четырех резюме, а в 2025 году — около десяти.

По оценке «Девелоники» число резюме в 2026 году выросло на 41%, а число вакансий сократилось на 38%. Данные компании и SuperJob различаются, так как для анализа используются разные базы и периоды наблюдения, но направление изменений совпадает: предложение растет быстрее спроса.

Однако на основе данных о снижении количества вакансий не стоит делать вывод о том, что российский ИТ-рынок стагнирует. Общее число специалистов в отрасли за год увеличилось на 102 тыс. и достигло отметки в 1,2 млн человек, говорится в пресс-релизе Минцифры по итогам исследования Высшей школы экономики.

В каких ИТ-направлениях спрос на сотрудников стабильный

При выборе профессии одинаково важно смотреть и на количество вакансий, и на задачи бизнеса, которые формируют спрос на специалистов на ближайшие несколько лет. Сегодня это по-прежнему кибербезопасность, искусственный интеллект (ИИ) и внедрение корпоративных систем.

Информационная безопасность

В начале года спрос на ИБ-специалистов, который держится на ужесточении требований регуляторов и постоянном росте сложности и количества кибератак, увеличился на 26%.

Дополнительный фактор — внедрение ИИ. 97% крупных российских компаний внедряют либо планируют его внедрить. ИИ нуждается в дополнительном контроле как на техническом, так и на организационном уровне. Это формирует спрос на новые услуги и дополнительную экспертизу. Например, Infosecurity «Софтлайн Решения» (ГК Softline) запустила услугу по безопасности систем искусственного интеллекта, которая помогает компаниям безопасно внедрять и использовать решения на базе ИИ.

Искусственный интеллект и машинное обучение

Количество вакансий в области ИИ, как и в ИБ, сократилось меньше, чем в большинстве ИТ-направлений. При этом рынок здесь становится более зрелым. Компании ищут сотрудников, которые умеют внедрять технологии в прикладные процессы, а работодатели точнее формулируют свои запросы. Вместо общего названия «специалист в области ИИ» появляются более конкретные позиции: разработчик LLM-приложений, MLOps-эксперт, Data Engineering.

Разработка на 1С, Python и Go

Компании активно ищут разработчиков на 1С, Python и Go, следует из наблюдений «Девелоники». Предприятия по-прежнему переходят на отечественные и локализованные корпоративные системы и строят целостную инфраструктуру из разнородных сервисов, поэтому им нужны специалисты с компетенциями в разработке, интеграции и работе с российскими технологиями.

Почему найти работу в ИТ стало сложнее

Выделим три основные причины, которые чаще всего называют в интервью и выделяют в отчетах о состоянии рынка труда.

1. Компании перешли к оптимизации расходов

После нескольких лет ускоренного найма работодатели жестче оценивают отдачу сотрудников и рассматривают найм через измеримый вклад каждой позиции в выручку или снижение издержек.

Из-за этого новые вакансии появляются реже, а часть позиций сначала закрывают внутренним переводом. Все чаще ищут сотрудников под конкретный проект с определенным сроком.

Компании увеличивают число этапов собеседований и роль тестовых заданий. В отдельных сегментах поиск работы занимает два-три месяца: первичный скрининг, технические интервью, тестовые задания и финальные встречи с руководителями. С такими сроками сталкиваются начинающие (junior) кандидаты и специалисты среднего уровня (middle) на позиции, где число резюме значительно превышает количество вакансий.

2. ИИ автоматизирует часть рутинной работы

Компании рассчитывают, что один специалист, используя ИИ-инструменты, сможет закрыть больший объем задач, для выполнения которого ранее требовалось 2-3 сотрудника. Это не означает, что ИИ полностью заменяет программистов или тестировщиков. Но меняется структура команд: исполнителей становится меньше, ценность специалистов, которые умеют поставить задачу, проверить результат ИИ, принять решение и отвечать за конечную систему, растет.

3. Сократился спрос на junior-позиции

Начинающий специалист конкурирует как с выпускниками вузов, так и с кандидатами уровня middle, которые в нынешних условиях соглашаются на более низкую зарплату, и не только с ними. Компании выбирают между наймом junior-специалистов, автоматизированными инструментами, внешним аутсорсингом, проектной занятостью и переобучением внутренних сотрудников под конкретную задачу.

По данным «Девелоники», в мае 47% открытых позиций приходились на middle, 36% — на junior и 11% — на senior и более высокие уровни.

Востребованные ИТ-профессии

Инженер данных

• Спрос: высокий
• Динамика спроса: растущая
• Конкуренция: средняя, острый дефицит квалифицированных кадров
• Влияние ИИ: среднее
• Порог входа: высокий
• Перспектива на 3 года: очень высокая
• Переход из другой профессии: сложный

Инженер данных (Data Engineer), отвечает за то, чтобы данные компании можно было собрать, сохранить, обработать и передать тем, кто ими пользуется. В зависимости от проекта он поддерживает хранилища данных, строит ETL/ELT-пайплайны, интегрирует данные из разных источников, работает с базами данных и распределенными системами. В его зоне ответственности качество и доступность данных, а также подготовка инфраструктуры для аналитики и ML.

Зарплата

Вакансии на «Хабр Карьере» предлагают Middle Data Engineer от 200 до 250 тыс. рублей, а для отдельных senior-позиций — от 250 до 270 тыс. рублей и выше. Зарплата начинающих специалистов может быть в районе 65–110 тыс. руб.

Какие навыки нужны

Основной набор может включать:

• SQL — язык запросов для работы с реляционными базами данных;
• Python — язык программирования для обработки данных;
• базы данных — принципы хранения, индексации и обработки структурированных и неструктурированных данных;
• ETL/ELT — подходы к извлечению, преобразованию и загрузке данных;
• DWH — архитектура хранилищ данных для централизованного хранения информации из разных источников;
• Apache Airflow — платформа для управления автоматизированными пайплайнами обработки данных;
• Apache Spark — фреймворк для распределенной обработки больших объемов данных;
• Kafka — платформа потоковой передачи данных между системами;
• Git — система контроля версий для совместной разработки;
• облачные и on-premise-платформы — инфраструктура для хранения и обработки данных, например, Yandex Cloud или собственные серверы компании.

В зависимости от проекта также встречаются ClickHouse, Hadoop, dbt, Terraform и Kubernetes.

Что изменил ИИ

Согласно глобальному исследованию State of Data Engineering Survey, 82% дата-специалистов используют ИИ-инструменты ежедневно или даже чаще. ИИ автоматизирует написание типового SQL и Python-кода, создание ETL/ELT-пайплайнов, документации и первичную диагностику ошибок.

По данным Matillion, 64% организаций сообщают, что команды по работе с данными тратят более половины времени на ручные и повторяющиеся операции, поэтому именно этот участок — главный объект ИИ-автоматизации.

Перспективы

В MIT Technology Review Insights подсчитали: время, затрачиваемое дата-инженерами исключительно на ИИ-проекты, выросло с 19% в 2023 году до 37% в 2025 году. По прогнозам экспертов, через два года доля ИИ-проектов в работе этих специалистов вырастет до 61%. Нагрузка на инженеров данных постоянно растет, а 72% руководителей технологических компаний считают, что они играют важнейшую роль в компании, говорится в том же исследовании.

ИИ делает профессию дата-инженера сложнее. Рутинное написание скриптов постепенно автоматизируется, но растет потребность в инженерах, способных проектировать архитектуру и выстраивать системы контроля качества данных (Data Quality).

Data Scientist

• Спрос: высокий
• Динамика спроса: растущая
• Конкуренция: высокая
• Влияние ИИ: высокое
• Порог входа: высокий
• Перспектива на 3 года: очень высокая
• Переход из другой профессии: сложный

Data Scientist (дата-сайентист) использует статистику, программирование и машинное обучение, чтобы находить закономерности в данных. Он создает модели для прогнозирования и принятия решений. В отличие от аналитика данных, который часто отвечает на вопрос, что произошло и почему, Data Scientist может ответить, что произойдет, если изменить условия.

Он исследует и очищает данные, выбирает методы статистического анализа и машинного обучения, обучает и оценивает модели, помогает внедрять их в бизнес-процессы. В реальных проектах Data Scientist тесно работает с аналитиками, Data Engineers, разработчиками и бизнес-командами.

Зарплата

По данным калькулятора hh.ru, медианная зарплата начинающих специалистов — 140 тыс. руб., middle — 200 тыс. руб., senior — 394 тыс. руб.

Какие навыки нужны

Основные навыки, помимо хорошей математической базы:

• Python — основной язык для анализа данных и разработки ML-моделей;
• SQL — язык запросов к базам данных и извлечения данных для анализа;
• математика и теория вероятностей — фундамент для понимания алгоритмов машинного обучения;
• статистика — методы анализа данных, проверки гипотез и оценки результатов;
• машинное обучение — алгоритмы классификации, регрессии, кластеризации и другие методы построения предсказательных моделей;
• работа с данными — очистка, подготовка, исследование и преобразование данных перед построением моделей;
• библиотеки ML — инструменты для разработки моделей, например Scikit-learn, XGBoost, PyTorch;
• визуализация данных — представление результатов анализа с помощью графиков и специализированных библиотек;
• A/B-тестирование — метод сравнения вариантов продукта или алгоритма на основе статистически значимых результатов;
• MLOps — практики развертывания, мониторинга и обновления ML-моделей в production.

Для отдельных позиций также требуются Git, Docker, облачные платформы и опыт работы с большими данными.

Что изменил ИИ

ИИ-инструменты автоматизируют часть рутинных задач Data Scientist: помогают писать и отлаживать код, подготавливать данные, проводить первичный анализ и документировать результаты. Поэтому на первый план выходят навыки постановки задачи, выбора подхода, проверки качества результатов и оценки рисков их применения.

В требованиях к Data Scientist чаще появляется генеративный ИИ. В вакансиях, связанных с NLP и GenAI, упоминаются навыки работы с LLM, RAG и AI-агентами. Работодателям нужны специалисты, которые умеют интегрировать готовые модели в продукты, адаптировать их под конкретные задачи и работать с российскими технологиями (GigaChat, YandexGPT).

Перспективы

hh.ru включает Data Scientist в число дефицитных профессий в России. Это означает, что работодателям по-прежнему сложно находить специалистов с нужным сочетанием навыков.

Мировые прогнозы также указывают на высокий потенциал направления. Всемирный экономический форум относит специалистов по большим данным и AI/ML к числу самых быстрорастущих профессиональных ролей до 2030 года. Одновременно ИИ и работа с большими данными входят в число навыков, спрос на которые будет расти быстрее всего.

AI/ML-инженер

• Спрос: высокий
• Динамика спроса: растущая
• Конкуренция: высокая среди опытных специалистов
• Влияние ИИ: очень высокое, так как ИИ — основной объект работы
• Порог входа: очень высокий
• Перспектива на 3 года: очень высокая
• Переход из другой профессии: очень сложный

AI/ML-инженер (ИИ-инженер), превращает модели машинного обучения и искусственного интеллекта в работающие продукты. Если Data Scientist может сосредоточиться на исследовании данных и построении модели, ML-инженер отвечает за то, чтобы модель работала в реальной системе, обновлялась и давала стабильный результат.

Зарплата

На российском рынке появляются отдельные позиции для AI/ML-инженеров, но предложения для начинающих специалистов встречаются редко. Медианная зарплата джуниоров — 87,5 тыс. руб., мидл — 170 тыс. руб., синьор — 366 тыс. руб.

Какие навыки нужны

Базовый набор может включать:

• Python — основной язык разработки ML- и ИИ-сервисов;
• машинное обучение — принципы обучения, валидации и применения ML-моделей;
• ML-фреймворки — инструменты разработки и запуска моделей, например PyTorch и Hugging Face;
• LLM и генеративный ИИ — принципы работы больших языковых моделей и способы их применения в продуктах;
• RAG — архитектура, которая позволяет LLM обращаться к внешним данным при формировании ответа;
• API — интерфейсы, через которые ИИ-модели и другие сервисы взаимодействуют друг с другом;
• Docker и Kubernetes — инструменты контейнеризации и управления приложениями в инфраструктуре;
• Git и Linux — базовые инструменты разработки и работы с серверной инфраструктурой;
• MLOps / LLMOps — практики развертывания, мониторинга, тестирования и обновления ML- и ИИ-моделей;
• оценка качества ИИ-моделей — методы проверки точности, надежности и полезности результатов моделей.

Для позиций, в которых предполагается работа с генеративными моделями, дополнительно могут требоваться векторные базы данных, знание ИИ-агентов, LangGraph, vLLM, fine-tuning и промпт-инжиниринг.

Что изменил ИИ

В этой профессии ИИ — не внешний фактор, который постепенно меняет работу специалиста. ИИ является предметом работы ML-инженера. Поэтому здесь корректнее говорить не о том, заменит ли искусственный интеллект эту профессию, а о том, как меняется профессиональный стек и какие задачи становятся приоритетными.

Уже появляются отдельные роли, связанные с LLM и GenAI: инженеры по LLM, RAG и ИИ-агентам, специалисты по внедрению и оптимизации генеративных моделей. Компании переходят к ИИ-системам, которые должны интегрироваться с корпоративными данными и другими сервисами.

Перспективы

По данным McKinsey, с увеличением ИИ-нагрузок расходы на ИТ-инфраструктуру могут вырасти в 2–3 раза к 2030 году, тогда как бюджеты останутся на прежнем уровне. McKinsey указывает и способ сдержать этот рост — использовать агентные ИИ-системы, которые берут на себя часть инфраструктурных задач. Отсюда можно предположить, что и для ML-инженеров фокус будет смещаться в сторону проектирования систем, которые изначально будут экономнее расходовать вычислительные ресурсы.

Как показал опрос McKinsey, при масштабировании ИИ на все предприятие затраты увеличиваются почти в 4 раза. При этом 93% компаний уже превышают выделенный на ИИ бюджет. McKinsey рекомендует компаниям заводить постоянную функцию AI FinOps, которая отслеживает потребление и ищет резервы для экономии. То есть McKinsey рассматривает стоимость эксплуатации ИИ-систем как отдельную постоянную управленческую задачу, а не разовую настройку при запуске.

DevOps-инженер

• Спрос: высокий
• Динамика спроса: стабильная / растущая
• Конкуренция: средняя, высокая потребность в специалистах с опытом
• Влияние ИИ: среднее
• Порог входа: высокий
• Перспектива на 3 года: очень высокая
• Переход из другой профессии: сложный

DevOps-инженер отвечает за инфраструктуру, на которой работают ИТ-продукты, и автоматизирует разработку, тестирование и выпуск ПО. Он настраивает CI/CD, управляет серверами и контейнерами, следит за надежностью и производительностью систем, помогает командам быстрее выпускать обновления без потери стабильности.

Зарплата

По данным «hh Карьеры», общий диапазон зарплат DevOps-инженеров в вакансиях составляет около 99–323 тыс. руб. в месяц. Медианная зарплата джуниоров — 96 тыс. руб., мидл — 210 тыс. руб., синьор — 370 тыс. руб.

Какие навыки нужны

Основной технологический стек может состоять из:

• Linux — операционная система и среда, в которой работает значительная часть серверной инфраструктуры;
• Docker — технология контейнеризации приложений и их зависимостей;
• Kubernetes — система управления и автоматизации контейнерами;
• CI/CD — практики автоматизации сборки, тестирования и развертывания ПО;
• Git — система контроля версий и основа совместной разработки;
• Infrastructure as Code (IaC) — управление инфраструктурой с помощью конфигурационных файлов вместо ручной настройки;
• Terraform — инструмент для описания и автоматического развертывания инфраструктуры;
• Ansible — инструмент автоматизации настройки и управления серверами;
• мониторинг и логирование — сбор метрик, логов и других данных для контроля состояния систем;
• сетевые технологии — понимание DNS, HTTP/HTTPS, TCP/IP, балансировки нагрузки и принципов работы сетевой инфраструктуры.

Для middle и senior важны уже не столько отдельные инструменты, сколько способность проектировать надежную инфраструктуру и управлять ее жизненным циклом.

Отдельное направление — SRE (Site Reliability Engineering). Здесь акцент смещается на надежность сервисов, мониторинг доступности и производительности, управление инцидентами и устранение системных причин сбоев.

Что изменил ИИ

ИИ постепенно автоматизирует рутинные DevOps-задачи, но одновременно повышает требования к инфраструктуре, что напрямую влияет на обязанности DevOps-инженера. По данным CNCF Annual Cloud Native Survey, 82% пользователей контейнеров применяют Kubernetes в промышленной эксплуатации (production). Среди организаций, разворачивающих генеративные ИИ-модели, 66% используют Kubernetes для части или всех inference-нагрузок.

Kubernetes предоставляет единый контур управления для GPU-кластерами, масштабированием и отказоустойчивостью, что критично для ресурсоемких ИИ-сервисов. ИИ-нагрузки интегрируются в общую платформу с бизнес-приложениями и задают более жесткие требования к задержкам (latency) и объему памяти.

Для индустрии это означает, что DevOps-инфраструктура превращается в платформу для ИИ-продуктов. Автоматизация не заменяет инженеров: по мере перехода ИИ-сервисов из стадии экспериментов в эксплуатацию возрастает важность управления ресурсами, масштабирования, мониторинга, безопасности и надежности.

Перспективы

По прогнозам, спрос на DevOps-экспертизу в ближайшие годы будет высоким благодаря двум параллельным трендам — распространению облачных технологий (cloud native) и росту ИИ-нагрузок. По данным CNCF, 59% организаций ведут большую часть разработки и поставки ПО в рамках cloud-native подхода, а Kubernetes — уже де-факто стандарт для ИИ-инфраструктуры.

Поскольку базовое умение развернуть сервис в кластере стало нормой, конкуренция смещается в область сложной эксплуатации: тонкой настройки планировщиков, управления стоимостью облачных ресурсов, мониторинга моделей и безопасности между тенантами.

Специалист по информационной безопасности

• Спрос: высокий
• Динамика спроса: растущая
• Конкуренция: средняя, дефицит специалистов с нужными навыками
• Влияние ИИ: высокое
• Порог входа: высокий
• Перспектива на 3 года: очень высокая
• Переход из другой профессии: средний–сложный

Специалист по информационной безопасности защищает ИТ-инфраструктуру и данные компании от внешних и внутренних угроз. В зависимости от специализации он занимается мониторингом событий безопасности, реагированием на инциденты, поиском уязвимостей, безопасностью приложений и облаков, управлением доступом.

Это общее направление, которое объединяет несколько разных карьерных траекторий: SOC-аналитик, security engineer, AppSec, DevSecOps, специалист по GRC, пентестер. Поэтому при выборе важно заранее определить специализацию.

Зарплата

Медианная зарплата специалистов по информационной безопасности выглядит следующим образом: 57 тыс. руб. для junior, 62 тыс. руб. для middle и 106 тыс. руб. для senior, следует из данных hh.ru. На руководящих должностях диапазон зарплат начинается от 250 тыс. рублей и может превышать 700 тыс. руб.

Какие навыки нужны

Базовый набор зависит от специализации. Из общих технических навыков можно выделить следующие:

• сетевые технологии — понимание TCP/IP, DNS, HTTP/HTTPS, VPN и принципов работы сетевой инфраструктуры;
• Linux и Windows — администрирование и понимание особенностей операционных систем;
• основы криптографии — принципы шифрования, хеширования, электронной подписи и управления ключами;
• анализ уязвимостей — поиск и оценка слабых мест в системах и приложениях;
• SIEM — системы централизованного сбора и анализа событий информационной безопасности;
• контроль доступа и IAM — управление пользователями, правами и доступом к информационным ресурсам;
• безопасность приложений (AppSec) — поиск и предотвращение уязвимостей в программном обеспечении;
• облачная безопасность — защита инфраструктуры и сервисов в облачных средах;
• incident response — обнаружение и устранение последствий инцидентов;
• threat modeling — выявление потенциальных угроз и способов атаки еще на этапе проектирования системы.

Дополнительно могут потребоваться DevSecOps, управление рисками, киберразведка и безопасность ИИ-систем.

Что изменил ИИ

ИИ одновременно становится источником новых угроз и помогает специалистам по безопасности справляться с растущим объемом инцидентов. По данным ISC2 Cybersecurity Workforce Study, 41% респондентов назвали ИИ наиболее востребованным навыком в информационной безопасности.

Специалисты используют ИИ для автоматизации мониторинга, поиска аномалий и анализа событий безопасности. Например, платформы на базе ИИ (такие как Stellar Cyber) снижают уровень шума на 40–60%, поэтому эксперты могут сосредоточить внимание на действительно опасных событиях.

При этом большинство опрошенных ИБ-специалистов не видят в ИИ угрозу. 73% участников исследования ISC2 считают, что он повысит спрос на специализированные навыки в кибербезопасности, а 72% — что увеличит потребность в стратегическом мышлении.

Читайте в блоге «Софтлайн Решений»:

ИИ для кибербезопасности: как искусственный интеллект меняет защиту данных

Как ИИ используется в кибербезопасности — прогнозы до 2030 года.

Перспективы

У ИБ одна из наиболее устойчивых перспектив среди ИТ-профессий. Более 70% российских компаний испытывают нехватку специалистов в этой области. Такие данные приводит «СерчИнформ». Ужесточение законодательства и переход на отечественное ПО требуют от компаний больше вкладываться в ИБ.

QA-инженер

• Спрос: высокий
• Динамика спроса: стабильная, структура спроса меняется
• Конкуренция: высокая для джуниоров, ниже для автоматизации и специализированных направлений
• Влияние ИИ: очень высокое
• Порог входа: средний
• Перспектива на 3 года: высокая
• Переход из другой профессии: относительно простой

Инженер по качеству, или QA-инженер, отвечает за поиск ошибок и предотвращение дефектов еще на этапе разработки. В зависимости от специализации он проектирует тесты, автоматизирует проверки, тестирует API и производительность, анализирует риски и помогает команде контролировать качество продукта.

Зарплата

По данным сервиса Grades, QA-специалисты зарабатывают в диапазоне 179–298 тыс. руб. Junior может получать 80–153 тыс. руб., middle — 165–230 тыс. руб., senior — 208–330 тыс. руб.

Какие навыки нужны

Для QA-инженера основной набор может включать:

• теория тестирования — виды, уровни и методы тестирования программного обеспечения;
• язык программирования — например, Java, Python, JavaScript или TypeScript для автоматизации тестов;
• автоматизация тестирования — создание и поддержка программных тестов с помощью Selenium, Playwright, Cypress и аналогичных инструментов;
• API-тестирование — проверка взаимодействия между программными сервисами через API;
• SQL — язык запросов к базам данных, необходимый для проверки данных и результатов операций;
• Git — система контроля версий для управления тестовым кодом;
• CI/CD — автоматический запуск тестов при сборке и развертывании продукта;
• тестовая документация — составление тест-кейсов, чек-листов и отчетов о дефектах;
• Linux — работа с командной строкой и серверной средой;
• архитектура приложений — понимание клиент-серверного взаимодействия, API, баз данных и других компонентов продукта.

Для middle и senior дополнительно важны проектирование тестовой архитектуры, нагрузочное тестирование, качество CI/CD-пайплайнов и управление тестовой инфраструктурой.

Что изменил ИИ

Согласно World Quality Report, 43% организаций экспериментируют с генеративным ИИ в сфере контроля качества, но только 15% внедрили его в масштабах всего предприятия.

63% респондентов исследования выделили умение работать с ИИ как самый важный навык инженеров по качеству. В этой области специалисты используют ИИ для анализа дефектов, генерации и оптимизации тестов, работы с требованиями и данными. При этом сценарии применения постепенно смещаются от анализа результатов тестирования к подготовке самих тестов.

Перспективы

Рутинное ручное тестирование сильнее других направлений QA подвержено автоматизации. При этом растет роль инженерии качества — подхода, при котором качество продукта контролируют на всех этапах разработки. Поэтому наиболее устойчивой выглядит траектория специалиста, который автоматизирует тестирование, разбирается в нагрузочном тестировании и управляет качеством продукта.

Fullstack-разработчик

• Спрос: высокий
• Динамика спроса: стабильная
• Конкуренция: высокая
• Влияние ИИ: высокое
• Порог входа: высокий
• Перспектива на 3 года: высокая
• Переход из другой профессии: сложный

Fullstack-разработчик создает приложения целиком — от пользовательского интерфейса до серверной логики и работы с базами данных. Это соединение двух ролей — frontend-разработчик и backend-разработчика. При этом fullstack не обязательно означает одинаково глубокое знание всех технологий. Чаще у сотрудника есть основная специализация, а сопутствующие уровни он умеет самостоятельно поддерживать.

Зарплата

По данным hh.ru, медианная зарплата на junior-позициях составляет 94,7 тыс. руб., middle — 146,2 тыс. руб., senior — 284,4 тыс. руб.

Какие навыки нужны

Базовый набор можно разделить на несколько уровней:

• HTML и CSS — языки разметки и оформления пользовательского интерфейса;
• JavaScript / TypeScript — языки программирования для клиентской части и, в случае JavaScript/TypeScript, серверных приложений;
• React, Vue или Angular — популярные инструменты для разработки интерфейсов;
• Python, Java, Go, C# или другой backend-язык — используется для серверной логики;
• API и REST — способы взаимодействия между frontend, backend и внешними сервисами;
• SQL и базы данных — работа с хранением и обработкой структурированных данных;
• Git — система контроля версий для совместной разработки;
• Docker — инструмент упаковки приложения и его зависимостей в изолированные контейнеры;
• CI/CD — автоматизация сборки, тестирования и доставки изменений;
• тестирование и безопасность — проверка работоспособности приложения и защита данных и сервисов.

Конкретный стек зависит от компании. Например, в актуальных вакансиях встречаются связки TypeScript + Next.js + Python/FastAPI или Node.js + PostgreSQL, а также Docker, Kubernetes и инструменты CI/CD.

Что изменил ИИ

Согласно опросу Stack Overflow, 59% разработчиков уже используют ИИ-агентов в работе. Это почти вдвое больше, чем годом ранее (31%). При этом полностью отдавать агентам выполнение задач разработчики пока не готовы: 63% специалистов редко или вообще никогда не позволяют агентам работать самостоятельно.

Интересно, что 60% опрошенных блокируют агентам возможность самостоятельно вносить изменения в системы, а 68% предпочитают сценарии с одним агентом, а не сложные цепочки из нескольких. Разработчики переживают, что ИИ-инструменты недостаточно безопасны и точны. Т.е. ИИ все чаще берет на себя отдельные задачи по написанию и изменению кода, но человек по-прежнему отвечает за результат.

Перспективы

Full-stack-разработка нужна командам, чтобы быстро создавать и развивать продукты. Но сам набор требований становится шире. Сегодня от разработчика ждут понимания архитектуры, API, баз данных, инфраструктуры, безопасности. Это хорошо видно и в российских вакансиях.

В ближайшие годы ИИ, вероятно, будет сокращать объем ручного написания кода, но одновременно повышать ценность специалистов, которые способны самостоятельно вести задачу до работающего продукта. Преимущество full-stack-разработчика перед frontend- и backend-специалистами — способность видеть приложение целиком, хотя глубина экспертизы в конкретном слое по-прежнему остается важной.

Аналитик данных

• Спрос: высокий
• Динамика спроса: стабильная
• Конкуренция: высокая на начальном уровне
• Влияние ИИ: среднее
• Порог входа: средний
• Перспектива на 3 года: высокая
• Переход из другой профессии: относительно невысокий

Компании накапливают большие объемы данных, которые сами по себе ничего не значат. Аналитик собирает и очищает информацию, ищет закономерности и аномалии, строит отчеты и дашборды, проверяет гипотезы, переводит результаты в выводы. Это помогает компаниям принимать решения на основе данных

Зарплата

По подсчетам hh.ru, медианная зарплата junior-специалиста достигает 67,8 тыс. руб., middle — 89,8 тыс. руб., senior — 198 тыс. руб.

Какие навыки нужны

Список ключевых навыков может выглядеть так:

• SQL — язык запросов для извлечения и обработки данных в базах;
• Excel / Google Sheets — инструменты для обработки и представления данных;
• Python или R — языки программирования для более сложного анализа;
• статистика — методы анализа данных, проверки гипотез и оценки результатов;
• визуализация данных — представление результатов анализа в понятной для пользователя форме;
• BI-системы — составление интерактивных отчетов и дашбордов, например Power BI, Tableau или Yandex DataLens;
• A/B-тестирование — сравнение вариантов продукта или бизнес-решения на основе данных;
• метрики — понимание KPI, по которым оценивается бизнес или продукт;
• работа с данными — очистка, проверка и подготовка к анализу;
• постановка аналитической задачи — умение перевести бизнес-вопрос в конкретную задачу для анализа данных.

Что изменил ИИ

Влияние ИИ на аналитику данных схоже с его влиянием на разработку: ИИ ускоряет большую часть технической работы — может писать SQL, очищать данные и даже формулировать гипотезы. Поэтому сегодня от аналитика требуется умение понять бизнес-задачу и выбрать правильный способ анализа. Компании особенно ценят, если у специалиста есть отраслевая экспертиза: опыт работы в банке, логистике, промышленности, маркетинге.

Перспективы

ИИ-инструменты уже берут на себя подготовку отчетов и визуализацию данных, поэтому наиболее перспективной траекторией развития в этом сегменте будет фокус на продуктовой и бизнес-аналитике, где специалист отвечает за качество решений, принятых на основе данных.

Какие навыки развивать в эпоху с ИИ

В этом разделе сосредоточимся на универсальных навыках, которые помогают ИТ-специалисту сохранять свою ценность. Опубликованные в Harvard Business Review выводы исследования показывают: генеративный ИИ не столько заменяет профессиональную экспертизу, сколько повышает требования к ней. Авторы исследования отмечают, что специалистам приходится брать на себя более широкий круг задач и глубже понимать контекст.

Аналитическое и проектное мышление

Аналитическое мышление остается одним из главных навыков на рынке труда. По данным Всемирного экономического форума, в глобальном рейтинге востребованных навыков оно занимает первое место: его выделяют 69% работодателей. Далее следуют устойчивость, гибкость и адаптивность — 67%, лидерство и социальное влияние — 61%, креативное мышление — 57%, мотивация и самосознание — 52%.

Для ИТ-специалиста, особенно работающего вместе с ИИ, важно уметь:

• выделить главное из большого объема информации;
• определить, каких данных не хватает для решения задачи;
• проверить предположение;
• заметить противоречия и ошибки;
• установить причинно-следственные связи;
• оценить несколько вариантов решения.

Если аналитическое мышление помогает разобраться в проблеме и оценить варианты решения, то проектное — увидеть эту проблему в контексте.

Возрастает значение профессионального суждения — способности принимать решения в условиях неопределенности и при неполной информации, понимать риски и последствия.

Гибкость и способность постоянно учиться

ИИ ускоряет обновление профессиональных навыков. По данным PwC, в тесно связанных с ИИ профессиях требования к навыкам меняются более чем в два раза быстрее, чем в тех, которые ИИ затронул не так сильно.

Это означает, что специалисту недостаточно один раз получить профессию и затем работать с одним набором инструментов. Ценность сотрудника все больше зависит от способности быстро осваивать новые технологии. Важно научиться отличать действительно полезный инструмент от очередного тренда и понимать, какую проблему он решает.

Коммуникация и лидерство

Чем больше технической работы можно делегировать машинам, тем большую роль играют объяснение сложных вещей и работа с заинтересованными сторонами. Эксперты PwC ставят лидерство и социальное влияние в пятерку наиболее востребованных навыков. А в наиболее подверженных влиянию ИИ профессиях новые задачи чаще требуют именно человеческого взаимодействия и эмпатии.

Поэтому от ИТ-специалиста требуется умение:

• объяснять простым языком технические решения коллегам, которые косвенно работают с технологиями;
• давать и принимать обратную связь;
• аргументировать решения;
• управлять ожиданиями заказчика;
• координировать работу людей и ИИ-инструментов.

Навыки работы с ИИ

Умение работать с ИИ постепенно становится базовым требованием — почти как владение ПК. Для разных профессий этот навык выглядит по-разному даже в ИТ-сфере. Уже сегодня ИИ-грамотность не сводится к умению писать промпты.

Microsoft в исследовании Work Trend Index 2026 выделяет четыре режима работы с ИИ: делегирование, сотрудничество, запрос и исследование. При этом наиболее эффективными пользователями оказываются те, кто умеет определить цель, установить критерии качества и оценить результат.

ИИ повышает требования к профессиональной экспертизе в одних профессиях и снижает порог входа в других. PwC называет первый процесс профессионализацией (professionalisation). Т.е. ИИ автоматизирует рутинные операции и оставляет специалисту более сложные задачи, которые требуют суждения и ответственности за результат.

Второй процесс исследователи называют демократизацией (democratisation). Здесь ИИ снижает требования к знаниям: люди без специальных навыков и опыта могут выполнять более сложную работу.

Сложно однозначно определить, к какой из двух категорий относится конкретная ИТ-профессия. Скорее, внутри каждой профессии будут меняться отдельные задачи: рутинные станут дешевле и доступнее, а связанные с ответственностью, коммуникацией и принятием решений — ценнее.

Как выбрать ИТ-профессию

С выбором профессии непросто в любом возрасте. В 16 лет нужно решить, с чего начинать, а в 30 или 40 — в какую сферу перейти с уже накопленными навыками. Сама модель карьеры становится менее линейной, чем у предыдущих поколений. Все меньше историй о том, что кто-то проработал всю жизнь на одном заводе. По данным «Авито Работы», в России человек меняет профессию в среднем три раза за жизнь. Для ИТ это особенно актуально, ведь технологии и требования к специалистам быстро меняются. Поэтому при выборе профессии в ИТ лучше смотреть на собственные интересы и возможность развиваться вместе с рынком.

Если только начинаете карьеру

Как выбрать направление

Первый шаг — разобраться не в названиях профессий, а в том, какие задачи интересуют. Если интересно разбираться в цифрах и искать закономерности, то можно посмотреть в сторону аналитики и науки о данных. Если нравится организовывать работу команды и настраивать процессы, то можно обратить внимание на управление продуктом.

Интересы не обязательно должны быть связаны именно с технологиями. Например, человеку может нравиться не программирование само по себе, а решение логических задач, исследование информации, работа с людьми или поиск закономерностей.

Бесплатные профориентационные тесты помогут сформировать первый список направлений, особенно если пока непонятно, какие профессии вообще существуют. Но результат теста лучше не воспринимать как рекомендацию. Его можно использовать как отправную точку для дальнейшего исследования.

Еще один способ проверить выбор — найти несколько специалистов из интересующей области. Сейчас многие ИТ-специалисты ведут блоги о технологиях, рассказывают о карьерном развитии. Можно не ограничиваться чтением и задать вопросы в комментариях. Есть много бесплатных ресурсов, на которых разработчики делятся знаниями и опытом, например, «Хабр», Stack Overflow, GitHub и другие.

Вуз или колледж: что выбрать

Высшее образование не единственный путь, по которому можно попасть в ИТ-сферу. Для некоторых профессий действительно нужна фундаментальная подготовка, но в других случаях начать карьеру можно через СПО или онлайн-обучение.

В России система образования сейчас явно ориентируется на подготовку технических и инженерных кадров. На 2026/27 учебный год Минобрнауки выделило 620,5 тыс. бюджетных мест по программам высшего образования, из них 263,8 тыс. — по инженерным направлениям. Кроме того, 19,5 тыс. из 83 тыс. мест целевого приема приходится на обучение в сфере инженерного дела, технологий и технических наук.

Правительство стимулирует выпускников школ выбирать инженерные и технические специальности.

При выборе образовательного учреждения важно смотреть на содержание программы. Обычно они находятся в свободном доступе. Если нет, то можно запросить у администрации. Так заранее можно понять, какие технологии изучают, кто преподает и есть ли возможность получить практический опыт.

Где получить практический опыт уже во время обучения

Стажировки

ИТ-компании регулярно запускают специальные программы для студентов, на которых предлагают поработать над реальными задачами под руководством практиков. Если проявить себя хорошо, то можно получить предложение о трудоустройстве.

В бигтехе конкуренция на такие программы высокая, поэтому можно поискать небольшие компании и стартапы. В такой команде студент может получить более широкий круг задач. Если у компании нет открытой стажировки, можно написать напрямую и предложить конкретную помощь.

Собственный проект

Еще один вариант — сделать проект самостоятельно. Это не обязательно должно быть новое приложение, которое изменит рынок. Здесь важно показать, что вы владеете навыками конкретной профессии.

Но недостаточно положить проект на GitHub. Потенциальному работодателю лучше объяснить, какую проблему решает проект, почему были выбраны именно такие технологии и какие есть ограничения.

Если уже работаете

Как перенести существующие навыки в ИТ

Для начала можно провести ревизию собственного опыта: выписать задачи, которые вы уже умеете решать. После этого можно сопоставить эти навыки с требованиями интересующей ИТ-профессии. Полезно сделать простую таблицу:

В подобной таблице можно проследить, какой багаж уже есть и что нужно добавить.

Особенно ценным оказывается сочетание ИТ-навыков с экспертизой в конкретной отрасли. Например, специалист, который знает банковские процессы и дополнительно освоил разработку, может заинтересовать финтех-компании именно благодаря компетенциям в финансовой индустрии. То же относится к медицине, промышленности, логистике, ритейлу, образованию. Поэтому при смене профессии можно найти точку пересечения двух областей — не отказываться от прошлого опыта и превратить его в преимущество.

Какие ИТ-профессии подходят людям с разным опытом

Подготовили таблицу, которая показывает возможные точки пересечения ИТ-специальностей с другими профессиями. Это не карьерные рекомендации, а ориентир для первых шагов.

Где учиться и как развивать навыки

По данным Всемирного экономического форума, 59% работникам потребуется обучение, чтобы получить актуальные навыки. Для 85% опрошенных работодателей повышение квалификации сотрудников — один из приоритетов. Приобрести новые навыки можно разными способами: самостоятельно, на специализированных программах или непосредственно на рабочем месте.

Самостоятельное обучение

Самостоятельное обучение подходит, если нужно освоить отдельный инструмент, проверить интерес к профессии. Например, можно сначала пройти бесплатный курс по SQL, самостоятельно поработать с открытым набором данных и только после этого решить, стоит ли дальше изучать аналитику данных.

Где искать материалы

• Бесплатные курсы. У крупных ИТ-компаний, университетов и образовательных платформ есть открытые программы. Они помогают сформировать базовое представление о профессии, прежде чем покупать полноценную программу.
• Документация программ. Если базовые знания уже есть, руководства по использованию могут быть полезнее очередного вводного курса. Они помогают разобраться с конкретным инструментом.
• Профессиональные блоги и сообщества. Они помогают понять, какие технологии используют специалисты на практике, какие проблемы возникают при работе с ними и как меняется отрасль. Это особенно важно для ИТ, так как учебные программы зачастую обновляются медленнее, чем развиваются технологии.
• GitHub и реальные проекты. Знание теории — хорошо, но лучше ее подкрепить практикой и сделать небольшой учебный проект, который станет частью портфолио.
• ИИ как помощник в обучении. Нейросеть может объяснить сложную тему другими словами и составить план изучения. ИИ найдет ошибку и предложит дополнительные задания, чтобы закрепить новые знания. Но нейросеть — не замена обучению. Все же лучше попытаться решить задачу самостоятельно, а ИИ использовать для проверки.

Читайте в блоге «Софтлайн Решений»:

Как ИИ используется в образовании

Собрали основные сценарии в процессе обучения, в которых уже используют технологии ИИ.

Профессиональная переподготовка

В российском законодательстве дополнительное профессиональное образование включает программы повышения квалификации и профессиональной переподготовки. Переподготовка нужна для получения компетенций, необходимых для нового вида профессиональной деятельности. К программам ДПО допускаются люди со средним профессиональным или высшим образованием, а также студенты, получающие такое образование.

При выборе программы стоит оценить ее содержание.

Как выбрать программу

1. Программа соответствует вакансиям. Откройте 20–30 актуальных вакансий по выбранной профессии и сравните их требования с учебным планом. Если в вакансиях регулярно встречаются SQL, Python, Docker, Kubernetes, а в программе их нет, стоит разобраться, почему.
2. Преподаватели работают в профессии. Важно понимать, кто именно будет учить: академический преподаватель, методист или практикующий специалист. Особенно это важно для разработки, Data Science, DevOps, ИБ.
3. Есть практика. Хорошая программа должна давать возможность регулярно решать задачи, близкие к рабочим. Одного итогового теста недостаточно.
4. Есть обратная связь. Для сложных технических навыков важно, чтобы кто-то мог объяснить, где именно ошибка и как улучшить решение.
5. Программа обновляется. Технологии меняются быстро, поэтому хорошая программа должна это учитывать и регулярно добавлять новые модули.

«Академия АйТи» fabricaONE.AI (акционер — ГК Softline)

Очное и онлайн-обучение в сфере ИТ: от Linux и Python до искусственного интеллекта. Подробнее о курсах по ссылке.

Обучение и переход внутри компании

Для работающего человека есть еще один маршрут, который часто недооценивают — сменить роль внутри компании. Например, специалист из финансового отдела может перейти в команду аналитики, системный администратор — в DevOps.

У такого перехода есть преимущество — сотруднику уже не нужно заново доказывать работодателю, что он умеет работать в команде и понимает внутренние бизнес-процессы.

По данным Всемирного экономического форума, из каждых 100 работников 19, по оценкам работодателей, смогут пройти профессиональную переподготовку и перейти на другую должность внутри своей организации к 2030 году. 50% компаний планируют переводить сотрудников с позиций, спрос на которые падает из-за автоматизации с помощью ИИ, на позиции, которые менее подвержены таким изменениям.

Информация, представленная на сайте, носит исключительно справочный и ознакомительный характер, не предназначена для личных, семейных, домашних и иных нужд, не связанных с осуществлением предпринимательской деятельности и не ориентирована на потребителей по смыслу Федерального закона от 24.06.2025 № 168-ФЗ.