Если еще пару лет назад вопрос звучал примерно так: «Сможет ли искусственный интеллект заменить человека?», то теперь он стал куда приземлённее: «Кого именно заменят первым и не окажется ли моей профессии в этом списке?». Причины для беспокойства, прямо скажем, есть. Нейросети пишут код, рисуют макеты, собирают презентации, анализируют таблицы, разговаривают с клиентами и за несколько минут делают то, на что раньше уходил рабочий день. Но есть одна важная деталь, которую часто теряют за громкими заголовками.
Нейросети гораздо лучше заменяет отдельные задачи, чем целые профессии.
По оценке Международной организации труда, около четверти рабочих мест в мире имеют ту или иную степень воздействия генеративного ИИ. При этом наиболее вероятный сценарий — не исчезновение этих профессий, а изменение того, как именно люди будут выполнять свою работу. Всемирный экономический форум смотрит на ситуацию примерно так же. К 2030 году технологические и экономические изменения могут вытеснить около 92 миллионов существующих рабочих мест, но одновременно создать примерно 170 миллионов новых. Баланс, как ни странно, остаётся положительным — плюс 78 миллионов рабочих мест.
Так что сценарий «нейросеть пришла и всех уволили» выглядит эффектно разве что на обложке нового хайпового видеоролика. В реальности всё сложнее.
Если человек каждый день берёт данные из одной таблицы, переносит их в другую, составляет типовой отчёт и отправляет его по известному шаблону — это почти идеальная мишень для автоматизации. А если нужно поговорить с заказчиком, понять, что он на самом деле хочет (иногда он и сам этого толком не знает), оценить риски, придумать архитектуру решения, договориться с подрядчиками, выбрать между пятью неидеальными вариантами и потом ещё отвечать за результат — тут всё гораздо интереснее. Из этого и складывается нехитрая формула. Чем больше в профессии неопределённости, ответственности, общения с людьми, физического взаимодействия с реальным миром и необходимости принимать нестандартные решения, тем сложнее полностью передать её искусственному интеллекту.

ИИ может собрать типовой отчёт, а специалист выбирает решение, когда у задачи несколько вариантов и нужно учесть риски.
Специалисты по информационной безопасности
Кибербезопасность — один из очевидных примеров.
ИИ уже прекрасно помогает искать уязвимости, анализировать журналы событий, писать правила обнаружения атак и разбирать подозрительную активность. Одновременно, правда, им пользуется и противоположная сторона — мошенники и злоумышленники. Получается своеобразная гонка вооружений. По прогнозу hh.ru на 2026 год, информационная безопасность относится к направлениям, где спрос на специалистов сохраняется высоким. Там же отмечается дефицит работников в ряде прикладных и технических специальностей.
Полностью поручить безопасность корпоративной инфраструктуры нейросети довольно трудно. Кто-то должен оценивать реальные риски, выстраивать модель защиты, решать, насколько критична найденная уязвимость, контролировать доступы и, самое главное, отвечать за последствия. ИИ здесь скорее превращается в очень мощный инструмент специалиста. Но никак не в его замену.
Архитекторы ПО, сильные разработчики, DevOps и SRE
С программированием получилась вообще занятная история. Когда генеративные модели научились писать код, многие решили, что дни разработчиков сочтены. На практике быстрее всего автоматизировалась как раз рутинная часть работы: написать типовую функцию, тест, SQL-запрос, документацию, найти очевидную ошибку и т.д.
А вот сделать нормальную архитектуру сложной системы — совсем другая задача. Нужно понимать бизнес, старый код, инфраструктуру, безопасность, ограничения бюджета, нагрузку, интеграции и ещё десяток вещей, о которых обычно вспоминают словами: «Ах, да, совсем забыл сказать…». Поэтому системные архитекторы, опытные разработчики, DevOps- и SRE-инженеры в обозримом будущем никуда не денутся.
ИИ помогает с типовым кодом. Архитектор решает, как новый модуль будет работать с существующей системой.
Хабр Карьера по итогам первой половины 2026 года оценивала медианную зарплату российского IT-специалиста примерно в 191 тыс. рублей. В Москве медиана составляла 235 тыс., в Санкт-Петербурге — 200 тыс., в регионах — около 160 тыс. рублей. При этом сам рынок становится заметно требовательнее: работодателю уже мало человека, который просто «умеет писать код». Нужен тот, кто понимает, зачем этот код вообще писать.
Специалисты по ИИ, Data Science и MLOps
Парадоксально, но одна из профессий, которую ИИ вряд ли скоро заберёт, — это работа с самим ИИ. Модели нужно проектировать, интегрировать, обучать, тестировать, подключать к корпоративным данным, разворачивать в инфраструктуре и контролировать. Причём бизнесу постепенно становится мало сотрудника, который умеет открыть ChatGPT и написать хороший промпт.
Исследование Яндекс Практикума и getMatch, охватившее почти 2000 вакансий в IT и Digital, показало интересную тенденцию: за полгода доля вакансий с упоминанием навыков работы с ИИ выросла примерно с 34,5% до 42,9%. Причём 61% таких вакансий относились не к классическому Data Science и Machine Learning, а к другим IT- и Digital-направлениям.
Особенно ценятся специалисты, которые могут не просто пользоваться готовой нейросетью, а строить корпоративных ассистентов, RAG-системы, ИИ-агентов, умный поиск и другие прикладные решения. Иными словами, компаниям нужен не просто человек, который говорит: «Я пользуюсь нейросетями», а нужен тот, кто может ответить: «Вот процесс. Вот где мы его автоматизируем. Вот сколько компания на этом сэкономит». Разница существенная.
Руководители, продуктовые специалисты и хорошие менеджеры
На первый взгляд менеджмент кажется отличным кандидатом на автоматизацию. Совещание записать можно, задачи распределить можно, отчёт составить — тоже. Но работа хорошего руководителя состоит далеко не только из этого. Люди спорят. Клиенты меняют требования. Проекты выбиваются из бюджета. Один специалист уверен, что проблему нужно решать способом А, другой — что способом Б, а срок сдачи почему-то всё равно в пятницу.
И тут начинается та часть работы, которая плохо укладывается в промпт, ведь нужно уметь договариваться, чувствовать контекст, иногда рисковать, иногда сказать «нет», а иногда принять решение, когда правильного варианта вообще не существует. Любопытно, что в исследовании Практикума и getMatch вакансии руководителей проектов с требованиями к ИИ-навыкам предлагали зарплату в среднем примерно на 14,5% выше сопоставимых вакансий без такого требования. Для продакт-менеджеров разница составляла около 8%, для разработчиков — 9%, для аналитиков данных — 5%.
Похоже, рынок уже отвечает на вопрос, кто победит в споре «человек или ИИ». Победит человек, который умеет использовать ИИ.
Продажи, переговоры и работа с клиентами
Автоматизировать холодное письмо — легко. А вот автоматизировать настоящую продажу сложного B2B-проекта — уже не очень. Когда компания выбирает подрядчика на внедрение CRM, разработку интернет-магазина, автоматизацию производства или создание корпоративной системы, решение редко принимается после идеального ответа чат-бота.
Есть доверие, репутация, переговоры, личный контакт, сомнения, бюджет, внутренние интересы сотрудников заказчика. Иногда сделка держится буквально на одном телефонном разговоре. ИИ серьёзно изменит продажи: будет анализировать клиента, готовить персональное предложение, подсказывать аргументы, вести CRM и оценивать вероятность сделки. Но человек останется в центре тех продаж, где высокая цена ошибки и большое значение имеют отношения.

ИИ помогает подготовить предложение, а условия сложного B2B-проекта стороны согласуют на переговорах.
Врачи, преподаватели, инженеры и мастера
Есть ещё огромный пласт работы, о котором в разговорах про нейросети почему-то забывают.
Физический мир.
ИИ может подсказать электрику вероятную причину неисправности. Но открыть щит, найти повреждение и безопасно всё восстановить придётся кому-то вполне материальному. То же самое с инженерами, строителями, монтажниками, механиками и сервисными специалистами. Роботизация постепенно доберётся и сюда, спору нет. Однако реальный мир ужасно неудобный для автоматизации: разные здания, старое оборудование, неожиданные поломки, нестандартные условия.

ИИ подсказывает, где искать неисправность. Специалист проверяет оборудование на месте и уточняет причину
С врачами и педагогами немного другая история. Искусственный интеллект становится потрясающим помощником — анализирует данные, помогает искать информацию, готовить материалы, контролировать прогресс. Но лечение или обучение — это ещё и доверие, ответственность, понимание состояния конкретного человека.
А человек, как назло, не всегда ведёт себя по инструкции.
А что будет с дизайнерами, маркетологами и копирайтерами?
Вот здесь изменения, пожалуй, будут болезненнее. Уже сейчас можно за минуту получить десяток рекламных текстов, концепций баннера или вариантов иллюстрации. Поэтому профессии не обязательно исчезнут — скорее, резко уменьшится стоимость простой типовой работы. Тридцать однотипных карточек товара? Автоматизация. Переписать описание категории? Тоже. Сделать баннер по готовому шаблону? Ну, тут нейросеть уже буквально стучится в дверь.
Но придумать позиционирование бренда, понять аудиторию, разработать нестандартную рекламную кампанию или собрать дизайн сложного продукта — совсем другой уровень задач. hh.ru уже отмечает высокую конкуренцию именно там, где значительную часть работы можно автоматизировать: среди авторов контента, в традиционном бухгалтерском учёте и среди начинающих IT-специалистов. То есть исчезает не столько профессия, сколько её нижний, наиболее шаблонный слой.
Особенно трудно сейчас новичкам
И это, пожалуй, одно из самых неприятных последствий нынешней ИИ-революции. Раньше начинающему разработчику могли поручить простую функцию. Дизайнеру — десять несложных баннеров. Копирайтеру — описания товаров. Аналитику — собрать таблицу. Именно на такой работе люди набирались опыта. Сегодня значительную часть этих заданий может сделать нейросеть. Поэтому вход в профессию становится странным: от начинающего специалиста хотят опыта, но простых задач, на которых этот опыт можно получить, становится меньше.
Одновременно работодатели начинают ждать ИИ-навыков даже от джунов. По исследованию Практикума и getMatch, в среднем они упоминались примерно в 31% вакансий начального уровня, а к концу исследуемого периода показатель вырос примерно до 35%. Так что формула «пройду трёхмесячные курсы и пойду работать программистом» действительно работает всё хуже.
Какие навыки становятся самыми ценными
Любопытная вещь: чем мощнее становится искусственный интеллект, тем дороже могут оказаться некоторые очень человеческие качества. Всемирный экономический форум среди растущих по значимости навыков называет не только AI, Big Data и кибербезопасность, но и творческое мышление, гибкость, адаптивность, любознательность и способность постоянно учиться.
Мы бы добавили сюда ещё несколько вещей: умение разобраться в плохо сформулированной задаче, ответственность за решение, глубокое знание конкретной отрасли и способность нормально разговаривать с другими людьми. Звучит не так футуристично, как «профессия промпт-инженера будущего». Зато работает.

Разбирая реальный проект с наставником, новичок учится проверять предложения ИИ и объяснять, почему выбранный вариант решает задачу клиента.
Так какие профессии всё-таки не заберёт ИИ?
Наверное, правильнее сказать иначе: полностью защищённых профессий нет, ведь в ближайшем будущем определенно изменится почти каждая специальность. Но гораздо устойчивее будут специалисты, которые работают со сложными системами, людьми, ответственностью, нестандартными ситуациями и реальным физическим миром.
И главный парадокс 2026 года заключается именно в этом. ИИ не обязательно отнимет ваше рабочее место.
Но человек, который умеет использовать ИИ лучше вас, — вполне может.
Поэтому наиболее разумная стратегия сейчас не прятаться от новых инструментов и уж тем более не пытаться соревноваться с ними в скорости написания текста, кода или отчёта. Нужно постепенно отдавать машине то, что она делает хорошо: рутину, черновики, поиск вариантов, первичный анализ.
А себе оставлять то, ради чего специалист вообще нужен бизнесу: понимание задачи, выбор решения и ответственность за результат. Вот эту часть работы автоматизировать гораздо сложнее.

