Что растёт: не «нейросети», а внедрение Спрос на специалистов по внедрению ИИ в процессы компаний вырос примерно в 7,5 раза. Цифра красивая, и из неё обычно делают неверный вывод: «надо срочно учиться нейросетям». Дефицит не там. Пользоваться нейросетью сейчас умеет очень много людей, порог входа низкий и продолжает падать. Дефицит в другом: мало кто может встроить её в чужой рабочий процесс. Для этого надо понимать сам процесс: где узкое место, что можно отдать машине, что нельзя, как это встанет в существующие правила и кто будет этим пользоваться. Насколько это дорого, можно посмотреть в двух независимых местах. По данным hh.ru за второй квартал 2025 года медианная зарплата специалистов с ИИ-навыками была около 100,7 тысячи рублей против примерно 75 тысяч у сопоставимых специалистов без них — разрыв около 34%. По данным SuperJob разрыв в их выборке получился похожим: около 370 тысяч против 280 по одной и той же позиции с ML-компетенциями и без — примерно 32%. Это две разные выборки и два разных способа счёта, складывать их в одну цифру нельзя, и я не складываю. Но когда два источника, считающие по-разному, расходятся на два процентных пункта, интересна не точность, а устойчивость: надбавка за этот слой существует и она измеримая. А теперь цифра, которая объясняет, почему это важно именно сейчас. Общая медиана почти не растёт: в IT она за год прошла путь примерно от 180 до 183 тысяч — меньше двух процентов. Рынок в целом стоит, а разрыв внутри него — тридцать с лишним процентов. То есть растёт не рынок. Растёт расслоение внутри одной и той же профессии. Второе, что видно в данных: отдельной «ИИ-профессии» почти не появляется. Появляются связки. Разработчик плюс ИИ. Аналитик плюс продукт. Тестировщик плюс автоматизация. Менеджер продукта плюс данные. Рынок покупает не новый навык вместо старой профессии, а старую профессию с новым слоем сверху. Для тех, кто не в IT, механика ровно та же. Бухгалтер, который автоматизировал сверку, стоит дороже бухгалтера. Логист, который считает маршруты по данным, стоит дороже логиста. Не «вместо», а «плюс» — и платят как раз за «плюс». Отсюда неудобный для всей ниши «войти в онлайн» вывод: опыт из прошлой жизни здесь не балласт, а как раз то, чего не хватает. Человек, десять лет проработавший в логистике, внедрит ИИ в логистику лучше, чем выпускник курса без отрасли за спиной. Второй умеет пользоваться инструментом, первый понимает, куда его ставить. Что делать практически. Не «пойти учиться нейросетям с нуля», а взять свой прошлый процесс — тот, который знаешь до деталей, — и разобрать, какие три операции в нём можно было бы автоматизировать. Упражнение стоит ноль и даёт больше, чем курс. Оговорка: все цифры выше — по IT, по разным выборкам и за разные периоды. Это не единая статистика, а три независимых наблюдения, которые указывают в одну сторону. Назови процесс из своей прошлой работы, который бесил больше всего своей рутинностью. Разберём, что там можно отдать машине.