Илья Сергеев, «Олимп»: Надо инвестировать не только в ИИ-решения, но и в навыки работы с генеративными инструментами

«Экономика внедрения искусственного интеллекта сейчас стремится к определенному балансу»

CNews: Еще пару лет назад многие говорили, что искусственный интеллект заменит программистов. Сегодня кажется, что сценарий оказался несколько сложнее. Как ИИ на самом деле меняет работу разработчиков?

Илья Сергеев: Если говорить в целом про искусственный интеллект, то он действительно достаточно активно ворвался в нашу жизнь и сейчас применяется практически везде, в том числе, конечно же, ИТ-специалистами. Основываясь на нашем опыте работы в компании «Олимп» с заказчиками и клиентами в целом, могу сделать вывод, что на данный момент искусственный интеллект, вопреки многим ожиданиям, точно не способен полностью заменить программистов.

Даже если опираться на статистические данные, которые приводят различные источники и с которыми мы, в принципе, согласны, в течение пяти лет генеративные системы смогут заменить лишь порядка 5–10% специальностей, которые сейчас применяются в ИТ. Но именно специальностей, таких как работников первой линии технической поддержки, аналитиков начального уровня, а не специалистов.

При этом ИИ стал мощным инструментом повышения производительности. Можно сказать, что он одновременно обесценил какие-то рутинные задачи начинающих работников, но при этом повысил ценность человеческого опыта для сотрудников и специалистов, которые занимаются более сложными задачами. Это особенно актуально для специалистов, занимающих достаточно высокие позиции, — начиная от сеньоров, тимлидов и далее.

CNews: Многие компании сегодня считают экономику внедрения искусственного интеллекта, особенно после нескольких лет его активного использования. Где выгоднее использовать нейросети, а где по-прежнему эффективнее инвестировать в людей? На ваш взгляд, как меняется баланс между автоматизацией и развитием ИТ-команд?

Илья Сергеев: Когда генеративные инструменты только появились, многие компании стали массово их внедрять, чтобы автоматизировать процессы, особенно глубоко в экономику таких решений не погружаясь.

Сейчас, общаясь с заказчиками, я вижу, что в 2025–2026 годах подход изменился. Это уже не столько модная замена персонала, сколько более строгий расчет возврата инвестиций, когда компании оценивают экономическую эффективность конкретных инструментов.

Поэтому экономика внедрения искусственного интеллекта сейчас стремится к определенному балансу. С одной стороны, ИИ снижает издержки и количество ошибок, которые может допустить человек. С другой — человек остается гарантом качества, ответственности и гибкости процессов, которые ИИ пока просто технически не способен обеспечить.

Опираясь на наш текущий опыт, я бы выделил три основных направления, где выгодно использовать нейросети: обработка больших объемов структурированных и неструктурированных данных, генерация шаблонного контента и написание шаблонного кода.

Во многих проектах, где «Олимп» оказывает услуги аутсорсинга технической поддержки пользователей первой, второй и третьей линии, мы видим, что первая линия поддержки, выполняющая рутинные задачи, все активнее применяет ИИ-ассистентов.

Такие ассистенты могут закрывать от 70% до 80% типовых запросов — например, связанных со сбросом пароля или другими стандартными обращениями. Компании с функцией первой линии технической поддержки внедряют эти инструменты и за счет этого могут экономить десятки миллионов рублей в год на персонале и штате операторов первой линии.

CNews: А где эффективнее инвестировать в людей?

Илья Сергеев: Как я уже сказал, ИИ не сможет заменить именно высококвалифицированные кадры. Они могут принимать решения в условиях неопределенности — то есть там, где действительно необходимо на более высоком уровне продумывать процессы и где достаточно высока цена ошибки.

Потому что за бюджеты сейчас так или иначе отвечают именно люди, которые внедряют различные инструменты в своих компаниях. Они понимают, к чему могут привести те или иные решения в зависимости от того, в какую систему и каким образом они их внедряют.

Еще одно направление, где эффективно инвестировать в людей, — проектирование сложных систем.

«Рынок перестал искать просто рабочие руки для написания строк кода и выполнения банальных задач».

CNews: Какие ИТ-специалисты сегодня выигрывают от массового внедрения ИИ, а кому, наоборот, приходится серьезно перестраивать свою работу?

Илья Сергеев: От внедрения ИИ-инструментов выигрывают специалисты по данным, ML-инженеры, архитекторы сложных систем и сеньор-разработчики. Я бы также отметил специалистов по кибербезопасности.

Кроме того, после распространения ИИ появились новые гибридные роли. В частности, мы работаем с ИИ-тренерами, которые занимаются экспертной разметкой данных, и промпт-инженерами. Со стороны заказчиков на таких специалистов уже есть спрос, и мы предоставляем их в рамках своих услуг.

CNews: А как изменились требования работодателей к разработчикам после появления генеративного ИИ? И какие навыки стали обязательными, хотя еще недавно о них почти не говорили?

Илья Сергеев: Я бы отметил несколько основных вещей. Рынок перестал искать просто рабочие руки для написания строк кода и выполнения банальных задач. Сейчас компаниям нужны инженеры, способные интегрировать инструменты искусственного интеллекта в бизнес-процессы с минимальными рисками.

Среди компетенций сейчас очень ценится промпт-инжиниринг и управление контекстом. Также вырос спрос на умение валидировать и рефакторить машинный код, оценивать его качество и находить ошибки.

Еще один важный навык — оценка экономической эффективности внедрения ИИ-инструментов. Нужно понимать не только, что можно автоматизировать, но и насколько это целесообразно с точки зрения бизнеса.

Для российского рынка особенно важно понимание аппаратных ограничений при внедрении ИИ. В условиях импортозамещения специалисту необходимо учитывать, насколько конкретные инструменты могут быть интегрированы в отечественное ПО и существующую инфраструктуру.

CNews: Как вообще сегодня выглядит сильный кандидат на ИТ-позицию? Что отличает разработчика, который умеет эффективно использовать ИИ, от того, кто просто пользуется нейросетями время от времени?

Илья Сергеев: В 2026 году сильный кандидат — это уже не просто человек, который умеет писать код, а инженер, способный проектировать системы с учетом возможностей и ограничений искусственного интеллекта. Разрыв между разработчиками, которые используют ИИ эпизодически, и теми, кто встроил его в рабочий процесс, сейчас стал достаточно фундаментальным.

Если говорить о главном различии, то это работа с контекстом. Обычный пользователь может попросить: «Напиши функцию авторизации на Python». Эффективный специалист сначала описывает архитектуру всей системы, ограничения безопасности, требования к базам данных и только потом просит ИИ реализовать конкретный модуль в заданном контексте.

Мы недавно проверяли это на практике при подборе кандидатов по техническому заданию клиента. Давали специалистам задания на работу с кодом, сгенерированным ИИ, и просили проверить его качество, найти ошибки и понять, насколько корректно он написан. Это позволило увидеть довольно большую разницу между кандидатами.

Сильный специалист может использовать точечные инструменты — например, Cursor, Claude Code, Kandinsky или локальные модели — как дополнительный интеллектуальный ресурс для проработки архитектуры и логики. Разработчик, который использует ИИ эпизодически, чаще выбирает один из самых распространенных чат-ботов, вроде DeepSeek или GigaChat, и получает от них отдельные ответы. Между таким подходом и системным использованием профильных инструментов действительно существует колоссальная разница.

«На рынке кандидата выделяет прежде всего совокупность практических навыков работы с разными инструментами, а не количество пройденных курсов»

При этом важно понимать, что не всем компаниям сейчас нужен ИИ «по максимуму»: для многих задач достаточно классической инженерии и зрелых процессов, поэтому мы подбираем как специалистов с глубоким AI стек, так и сильных разработчиков, которые обходятся без нейросетей или используют их точечно. У значительной части бизнеса пилоты не масштабируются, а измеримый эффект на EBIT получают единицы. Часто мешают незрелость данных, сложность интеграции с legacy системами и высокие затраты на инфраструктуру и лицензии, которые не окупаются. В ряде случаев ИИ автоматизирует лишь часть задачи, а остальное всё равно делает человек, поэтому ФОТ не снижается. Кроме того, для многих компаний критичны вопросы безопасности, регуляторики и утечки данных, из за чего они сознательно ограничивают использование нейросетей. Поэтому вопрос не в том, чтобы «внедрить ИИ везде», а в том, где он реально решает бизнес задачу дешевле и надёжнее существующих инструментов.

CNews: Скажите, а вообще становится ли сложнее получить первый опыт и войти в профессию, если часть задач, на которых раньше учились джуны, теперь выполняют нейросети?

Илья Сергеев: Если разбирать грейдовую историю — джунов, мидлов и сеньоров, — у них сейчас сильно перестроились функциональные обязанности.

В наиболее уязвимой позиции сейчас, наверное, находятся не джуны, а мидлы. Рынок джунов при этом максимально перегрет: если раньше на одну позицию приходило условно 100–500 кандидатов, то сейчас их может быть 200–400, при этом значительную часть функционала постепенно забирают различные инструменты.

Хороший джун сегодня должен уметь пользоваться генеративными моделями. И если это опытный джун, который знает определенные инструменты, он фактически может забирать часть работы снизу у мидла: функционал, который раньше выполнял мидл, теперь способен закрыть хороший джун, умеющий работать с ИИ.

С сеньорами и тимлидами происходит похожая история. Это специалисты, которые наиболее профессионально используют генеративные инструменты и за счет этого также могут забирать часть функционала у мидлов. В результате у этой категории специалистов действительно возникает проблема.

На мой взгляд, в ближайшее время им придется либо уходить в узкую специализацию и становиться профессионалами в конкретной области, либо развивать мягкие навыки, глубже погружаться в инструменты, связанные с ИИ, и двигаться дальше — например, в сторону тимлидских позиций.

У джунов ситуация более понятная: им необходимо осваивать инструменты и учиться с ними работать. С мидлами проблематика сложнее. А сеньоры, которые хорошо применяют ИИ в работе, сейчас чувствуют себя достаточно уверенно и могут с помощью этих инструментов закрывать большое количество задач.

CNews: А как меняются форматы подготовки сотрудников в эпоху искусственного интеллекта? Какие форматы сейчас наиболее востребованы?

Илья Сергеев: Важно сказать, что мы не занимаемся отдельно подготовкой специалистов и не работаем как образовательная организация — мы работаем в рамках проектов. Если наши сотрудники работают у заказчика на разных позициях и возникает потребность повысить квалификацию конкретного специалиста или команды, мы смотрим на задачи проекта и подбираем соответствующее дополнительное обучение.

При этом у нас есть большое количество проектов, поэтому мы сами видим, где сформировалась определенная компетенция по тем или иным инструментам. В таких случаях можем проводить внутреннее обучение сотрудников, чтобы они эффективнее применяли конкретные модели и инструменты уже на проектах заказчиков.

При этом сегодня на рынке кандидата выделяет прежде всего совокупность практических навыков работы с разными инструментами, а не количество пройденных курсов.

Например, даже при подборе сотрудников для заказчиков мы смотрим, как человек выстраивает цепочку взаимодействия между инструментами, организует их работу с точки зрения архитектуры, эффективности и решает поставленную задачу. Это не просто проверка кода на ошибки: необходимо выстроить логику определенных бизнес-процессов и на ее основе правильно поставить задачи инструментам.

И здесь мы видим большую разницу между кандидатами. Человек может быть самоучкой, но отлично владеть инструментами и оказаться очень сильным специалистом. А можно пройти десятки курсов и при этом пользоваться одним GigaChat или ChatGPT, считая, что этого достаточно.

CNews: Если заглянуть на три–пять лет вперед, каким станет рынок ИТ-специалистов? Какие роли и компетенции, на ваш взгляд, будут наиболее востребованы после массового распространения искусственного интеллекта?

Илья Сергеев: Нам кажется, что рынок постепенно созреет и окончательно перейдет от экспериментов и отдельных внедрений к глубокой индустриализации ИИ внутри компаний.

Сейчас более 80% российских компаний, которые внедряют различные ИИ-модели, делают это неэффективно. Одна из причин — хаотичный подход: компания быстро переходит на модный инструмент, рассчитывая, что он поможет что-то оптимизировать, но не оценивает собственные возможности и готовность ИТ-команды.

У нас был банальный пример: производственная компания решила внедрить определенное решение при помощи ИИ инструментов, относящееся к автоматизации цепочек поставок продукции, но она не обладала полной информацией, насколько внутренние ИТ-специалисты обладают компетенциями, чтобы развернуть систему, правильно выстроить архитектуру и работать с профильными инструментами. После неудачного старта проекта с внутренний командой, заказчик в срочном порядке решил привлечь внешнего подрядчика для подключения дополнительной экспертизы со стороны.

Проект пришел к нам по рекомендации. У заказчика были сжатые сроки и достаточно большой объем работ, поэтому первым делом мы провели аудит того, что уже было сделано. Поскольку это производственная компания и у нас был опыт похожих проектов, мы быстро поняли, какие специалисты нужны для работы. В итоге выбрали гибридный формат: усилили команду клиента нашими экспертами, и параллельно обучали его сотрудников необходимым ИИ-инструментам. Такой подход помог нам уложиться и в сроки, и в бюджет проекта. Сейчас мы продолжаем участвовать в проекте как внешние консультанты: при необходимости подключаем наших специалистов и предоставляем клиенту дополнительную экспертизу.

Так что я думаю, что ИИ перестанет быть отдельной фичей и станет базовой инфраструктурой внутри каждой компании. При этом будут особенно востребованы высококлассные специалисты, которые умеют профессионально работать с ИИ, оценивать возможность интеграции инструментов во внутренние бизнес-процессы, выстраивать архитектуру, считать экономику и понимать необходимый бюджет.

Компании, которые продолжают инвестировать не только в ИИ-решения, но и в людей, развивающих навыки работы с генеративными инструментами, будут выигрывать в этой гонке. Такие специалисты еще долго будут дефицитными.

Многие компании сохраняют костяк специалистов, которые отвечают за внедрение ИИ-инструментов внутри организации, а затем наращивают вокруг них дополнительные команды. Особенно это касается крупных компаний и российских госкорпораций. Именно такие профессиональные команды, на мой взгляд, в ближайшие годы будут задавать основные тренды рынка.