Кадровый голод в ИИ: почему IT-специалистов на всех не хватает

Екатерина Дмитриева, директор по персоналу ELMA, рассказала, почему сокращения рабочих мест из-за внедрения ИИ пока можно не опасаться.

Спрос на ИИ-айтишников превышает предложение

По данным аналитиков Second Talent, уже к 2026 году глобальный спрос на специалистов в области ИИ превышает предложение примерно в 3,2 раза по ключевым ролям. Речь идет не только о ML-инженерах, но и о стратегических позициях — AI-product managers, экспертах по этике и управлению рисками. 

Согласно докладу World Economic Forum, профессии, связанные с ИИ, демонстрируют один из самых высоких темпов роста — порядка 40% ежегодно до 2030 года. При этом аналитики Gartner отмечают: даже развитие AI-инструментов для разработки не устранит дисбаланс полностью, так как спрос будет сохраняться выше предложения.

Дефицит касается не «программистов вообще», а специалистов на стыке технологий и бизнеса: AI-архитекторов, ML-инженеров промышленного уровня, экспертов по MLOps и AI-governance. Эти роли требуют сочетания математической базы, архитектурного мышления, понимания данных и бизнес-процессов, а также навыков управления изменениями. Именно такая комбинация компетенций сегодня является редким ресурсом.

Айтишников много, но не все из них — «те»

 
На российском рынке спрос на senior-экспертизу в сфере ИИ сосредоточен прежде всего в крупных холдингах и технологических экосистемах. Именно они инвестируют в собственные AI-платформы, создают центры компетенций и реализуют программы импортозамещения. Для них ИИ — это элемент долгосрочной стратегии, а не локальный эксперимент.

Средний и малый бизнес, как правило, выступают потребителями готовых решений — облачных сервисов, SaaS-продуктов или интеграций через подрядчиков. Поэтому борьба за архитекторов, MLOps-инженеров и ML-разработчиков промышленного уровня разворачивается именно в сегменте крупных компаний. Это усиливает конкуренцию и повышает планку требований к кандидатам.

Российская статистика подтверждает эту картину: 44% компаний испытывают нехватку специалистов по ИИ, а около двух третей организаций называют дефицит кадров главным барьером внедрения — даже чаще, чем бюджетные или технологические ограничения. При этом рост числа резюме не решает проблему: компании по-прежнему не могут закрыть ключевые позиции, что говорит о качественном, а не количественном разрыве навыков.


@Freepik (лицензия INV-C-2024-8250540)

Вспоминая слова американского президента Рональда Рейгана о том, что «дефицит уже достаточно большой и может позаботиться о себе сам», мы видим, что это не так. Кадровый дефицит уже отражается на бюджете компаний. 

По рынку ML-инженеры и AI-архитекторы получают в среднем на 10–20% больше, чем разработчики других специализаций сопоставимого уровня, а в отдельных сегментах разрыв достигает 30–40%. В международных компаниях компенсация ML/AI-инженеров превышает среднюю зарплату software-разработчиков на 30–45%.

Для бизнеса это означает прямой рост фонда оплаты труда при формировании AI-команд. И чем выше уровень зрелости проекта, тем выше стоимость компетенций.

В результате мы наблюдаем не временный дисбаланс, а системное несоответствие между темпами внедрения технологий и скоростью формирования экспертизы.

С точки зрения HR это меняет повестку. ИИ — это уже не просто цифровой инструмент, а фактор трансформации кадровой политики: от моделей обучения до проектирования карьерных траекторий и структуры команд. И в этой реальности главный вопрос звучит иначе: не «заменит ли ИИ людей», а «сможем ли мы вырастить достаточное число специалистов, способных им управлять».

Необычный IT-специалист: кому под силу внедрить ИИ

На волне популярности генеративных моделей появилось ощущение, что внедрение ИИ — это просто ещё одна интеграция: подключил API, развернул облако — и решение работает. Рынок подогревают десятки образовательных программ, обещающих быстрый вход в профессию и «успешный успех» после нескольких месяцев обучения. 

В определенной степени это справедливо. Если речь идёт о пилоте, автоматизации отдельных операций или внедрении готовых SaaS-сервисов, опытный разработчик действительно справится. Современные платформы, включая решения на базе OpenAI, существенно снизили технический барьер.

Дополнительно ситуацию меняет развитие low-code и no-code инструментов. Сегодня можно собрать чат-бота, систему маршрутизации заявок или базовую модель классификации буквально в формате конструктора, без глубокого погружения в математику машинного обучения. Это формирует ощущение, что специализированная экспертиза больше не обязательна.


@Freepik (лицензия INV-C-2024-8250540)

Но здесь проходит граница между экспериментом и системой. По данным Gartner, значительная часть AI-проектов так и остаётся на уровне пилота. Причина редко связана с качеством самой модели. Чаще проблема в другом: нет зрелой архитектуры данных, не выстроены процессы сопровождения, отсутствует понимание, как решение влияет на бизнес-показатели и встраивается в операционную модель.

Согласно исследованиям World Economic Forum, большинство новых ролей в сфере ИИ требуют гибридных компетенций: технологических и управленческих одновременно. Более 70% вакансий предполагают знание бизнес-контекста и способность конвертировать технологию в измеримый экономический эффект.

Именно на этом уровне возникает кадровый дефицит: не на стадии «подключить инструмент», а на уровне senior-специалистов с системным мышлением, архитектурным опытом и пониманием экономики проекта. Нехватку таких экспертов рынок сегодня действительно испытывает.

Поэтому ответ выглядит так: обычный IT-специалист может запустить пилот или собрать решение на low-code платформе. Но устойчивое, масштабное внедрение ИИ — это командная работа с отдельной экспертизой, которую необходимо развивать целенаправленно и заранее.

Страх замещения или рост требований: реальный эффект ИИ

Когда компания начинает внедрять ИИ, в IT-команде почти неизбежно возникает тревога: если алгоритмы пишут код, тестируют и анализируют данные — не означает ли это, что грядет сокращение людей? Логика кажется прямой. Но рынок показывает более сложную картину. Автоматизация — это прежде всего перераспределение задач.

На практике ИИ чаще всего забирает рутинные операции: генерацию типового кода, первичное тестирование, подготовку отчетности, обработку стандартных запросов. Это высвобождает время специалистов для более сложной работы — архитектуры, интеграции, проектирования решений.

Большинство компаний используют ИИ как инструмент повышения производительности команд, а не как механизм массового сокращения штата. По сути, мы говорим не об исчезновении ролей, а об изменении их наполнения.

Российская статистика: эффект неоднородный

Влияние ИИ на занятость в России неоднозначно. На малых и крупных предприятиях внедрение технологий сопровождалось незначительным снижением численности персонала (в среднем около -0,79 п.п.). При этом в компаниях среднего размера, напротив, фиксировался рост штата за счёт расширения задач и необходимости новых компетенций. 

Сегодня работодатели активно инвестируют в обучение и переквалификацию сотрудников, а специалисты с AI-навыками уже получают на 10–20% больше рынка. Исходя из этого, можно сделать вывод, что массовых увольнений из-за ИИ в ближайшие годы не ожидается. Происходит структурная трансформация занятости.


@Freepik (лицензия INV-C-2024-8250540)

ИИ повышает планку, а не вытесняет специалистов

ИИ снижает ценность повторяющихся операций и одновременно повышает требования к системному мышлению. Под давлением оказываются роли с высокой долей операционной рутины. В то же время растет спрос на:

● архитекторов решений,

● ML- и MLOps-инженеров,

● специалистов по интеграции ИИ в бизнес-процессы,

● экспертов по управлению рисками и качеством моделей.

То есть дефицит не исчезает — он смещается в сторону более сложных компетенций.

Страх замещения чаще связан не с самой технологией, а с риском профессиональной стагнации. ИИ не «увольняет айтишников» — он делает менее востребованными узкооперационные функции и одновременно усиливает ценность тех, кто способен понимать бизнес-логику.

---

Читайте также: От тренингов к цифровым тренерам: как ИИ меняет процесс обучения менеджеров по продажам

---

Баланс автоматизации и человеческого капитала: «хорошо» сейчас или «хорошо» потом 

ИИ уже перестал быть экспериментом и превратился в фактор, который системно меняет рынок труда. Анализ показывает несколько ключевых тенденций. 

Во-первых, кадровый дефицит в сфере ИИ — реальность. Дефицит концентрируется не на уровне «программистов вообще», а в сегменте сложных междисциплинарных ролей.

Во-вторых, внедрение ИИ — это не просто техническая интеграция. Обычный IT-специалист способен запустить пилот или собрать решение на low-code платформе, но дальше уже требуется знание архитектуры данных, процессов, управления рисками и понимания бизнеса.

В-третьих, страх замещения оказался во многом преувеличенным. ИИ действительно автоматизирует рутинные задачи, но в большинстве случаев это приводит к перераспределению функций и росту требований. Повышается ценность системного мышления и способности работать на стыке технологий и экономики.

Однако есть важный риск, который уже фиксируют аналитики: предприятия быстро сокращают набор персонала начального уровня, поскольку часть рутинных задач передается алгоритмам. В краткосрочной перспективе это повышает эффективность. Но в долгосрочной — может привести к разрыву кадровой воронки и дефициту опытных специалистов через 5–7 лет. Без «младшего звена» не формируется следующий слой сеньоров и архитекторов.

В итоге ИИ не «роет яму» — он перестраивает карьерную лестницу и повышает входной порог. Для бизнеса ключевым вызовом становится умение выстроить кадровую стратегию так, чтобы одновременно использовать преимущества автоматизации и не разрушить систему подготовки будущих экспертов.

Главный вывод прост: выигрывают не те компании, которые быстрее всего подключили ИИ, а те, кто научился управлять им и развивать людей вместе с технологией.

Екатерина Дмитриева, 
директор по персоналу ELMA.

Для NEW RETAIL