Как ИИ меняет рынок труда и требования к IT-спецам — и что с этим делать профи

За последние десятилетия IT-рынок пережил не одну турбулентность: кризис доткомов, экономический коллапс 2008 года, бум больших данных. Каждый раз индустрия проходила один и тот же путь — от тревоги до полной перестройки бизнеса и профессий. Сейчас на рынке труда происходит нечто похожее. 

Ситуация напоминает погоду в горах: где-то ветрено, где-то туманно, но самое главное — всё очень переменчиво. Чтобы понять, как вести себя в такой непредсказуемости, мы поговорили с экспертами из Яндекса и «АльпИндустрии» — и собрали их наблюдения в спецпроект ^[1]. 

А в этой статье разбираем два конкретных изменения вместе с Катериной Цаплиной — ИИ-архитектором крупной металлургической компании и экспертом курса «MLOps для разработки и мониторинга моделей» ^[2] в Практикуме. 

Быть сильным технарём и знать инструменты — уже недостаточно

В последние годы компании быстро внедряли новые технологии, а теперь сталкиваются с последствиями. Это особенно заметно в инфраструктуре, платформенной разработке и машинном обучении ^[3]. Решение, которое отлично работало на этапе пилота или в одной команде, часто не приживается в реальной корпоративной среде. 

Живой пример — ML-платформы. Их внедряли, чтобы команды могли экспериментировать, запускать модели и базово автоматизировать процессы. Но индустрия меняется так быстро, что многие решения устаревают буквально за пару лет.

Меняются и задачи бизнеса — и платформа, которую проектировали под несколько сценариев, перестаёт справляться с реальными запросами команд. Тогда компаниям приходится не просто дописывать отдельные функции, а пересматривать архитектуру целиком.

На фоне этого фокус рынка постепенно смещается. Теперь мало внедрить технологию — важно уметь её поддерживать, масштабировать и встраивать в работу компании. Даже сильным технарям теперь нужно говорить на языке бизнеса и быстро разбираться в сложных системах.

Фундаментальные знания становятся важнее 

ИИ снизил порог входа в разработку: нейросети хорошо пишут типовой код, находят готовые решения и автоматизируют рутину. Но с настоящей сложностью промышленной разработки справляются пока плохо.

Проблемы начинаются не там, где нужно написать функцию или сервис, а там, где система не выдерживает нагрузку, внезапно начинает работать хуже, дорого обходится в эксплуатации или ломается на стыке нескольких компонентов. Вот тут и нужна инженерная база.

Код сервиса можно сгенерировать за пару минут, а навайбкодить продукт — за день. Но без понимания архитектуры, сетей, распределённых вычислений, многопоточности и эксплуатации сложно разобраться, почему система тормозит, откуда берутся сбои и в чём реальные ограничения.

ИИ обесценивает механическое написание кода, но повышает ценность инженерного мышления ^[4]. Профессия становится доступнее, но выигрывают не те, кто просто быстро работает с ИИ, а те, кто знает «матчасть» — и использует нейросети как инструмент усиления.

Что ещё меняется — и как быть специалистам  

Увидеть общий срез по рынку и разобраться, какие навыки стоит прокачивать прямо сейчас, можно в спецпроекте ^[1] Практикума и «АльпИндустрии». Профи из IT обозревают ситуацию в индустрии и подсказывают, на какие тренды обратить внимание ^[5]. А мастер спорта по альпинизму рассказывает, как не терять голову даже в самых экстремальных условиях. И делится опытом ^[6]: каково это — спать в палатке на ветру под 100 км/ч и идти к вершине в Антарктиде в –70 °C.