Исследование рынка ИИ-вакансий в России: что работодатели пишут и за что платят

Мы проанализировали вакансии с hh.ru по 47 поисковым запросам, связанным с искусственным интеллектом (далее — ИИ). После очистки от дублей и вакансий, попавших в выборку случайно, осталось 2 808 описаний — их и разбирали. [1]

Дальше мы разобрали каждое описание: какие навыки перечислены, что человек должен делать с ИИ, сколько за это предлагают. И сопоставили результат с тем, что об этом рынке говорят hh.ru, Хабр, Всемирный экономический форум, LinkedIn и Indeed Hiring Lab. [2] [4] [5] [8] [10]

Получилась картина, которая местами противоречит привычным разговорам про ИИ на рынке труда.

Отклонение медианной зарплаты от общей медианы выборки — 120 000 ₽

Слова про ИИ сами по себе ничего не стоят. Мы посчитали медианную зарплату для каждого навыка, который встречается в описаниях. Медиана — это середина: половина вакансий платит меньше, половина больше. Она устойчивее среднего, потому что несколько вакансий с зарплатой в миллион не сдвигают её. По всей выборке медиана составила 120 000 рублей на руки.

Дальше смотрим, насколько отличается медиана у вакансий, где упомянут конкретный навык.

Слова «LLM» и «GPT» встречаются чаще всего — в 1 300 вакансиях из 2 808, это 46%. И это единственная позиция из верхушки по частоте, которая тянет медиану вниз.

Промпт-инжиниринг даёт +9%. Инструменты автоматизации вроде n8n и Zapier — +20%. А обычный Python, который никто не называет ИИ-навыком, — +45%. Kafka, о которой в разговорах про ИИ вообще не вспоминают, — +80%.

Верх таблицы занимает не то, что принято считать ИИ-навыками, а инфраструктура: оркестрация контейнеров, очереди сообщений, мониторинг, базы данных. Обучить модель — полдела, гораздо дороже стоит умение запустить её в работу и не уронить.

Сначала мы посчитали все ИИ-упоминания одной группой и получили невнятный результат: минус 10% к медиане. Разделили по конкретным словам — и увидели, что внутри группы спрятаны два противоположных явления.

Отклонение медианы от 120 000 ₽. Разрыв между краями — 91 процентный пункт

Это же различие видно и на входе в профессию. У вакансий для кандидатов с опытом до трёх лет медиана в «инженерном» сегменте со словом LLM — 140 000 рублей, в «пользовательском» со словом ChatGPT — 87 000. Разница в 1,6 раза возникает ещё до всякого опыта, на уровне того, какими словами написана вакансия.

Ещё нагляднее это видно в тегах, которые работодатель проставляет вакансии сам.

Разброс между тегами «LLM» и «ChatGPT» — в 2,7 раза. Это не про технологию, это про то, как работодатель видит задачу. Тот, кто пишет «LLM», думает про инженерную систему. Тот, кто пишет «ChatGPT», думает про инструмент, которым пользуются.

Мы посчитали, сколько конкретных технических навыков перечислено в каждой вакансии, и сопоставили с зарплатой.

Медианная зарплата в зависимости от числа названных требований

Обратите внимание на первую строку: вакансии, где не назван ни один навык, платят чуть больше, чем с одним-двумя. Дело в составе — там много продаж, маркетинга, SMM и дизайна, где требования формулируют бизнес-языком, а каждая седьмая позиция руководящая.

До трёх навыков медиана держится в районе 100–110 тысяч. С четвёртого — скачок на 46%, с шестого — на 67%.

Логика простая: работодатель, который может перечислить четыре конкретных требования, понимает, какую задачу решает. И платит соответственно.

Мы разобрали, что именно человек должен делать с искусственным интеллектом. Оказалось, что за одним словом «ИИ» стоят совершенно разные задачи — и платят за них по-разному.

Медианная зарплата по назначению ИИ в вакансии. Разброс между полюсами — 3 раза

Разброс между верхом и низом списка — три раза. И полюса устроены зеркально: наверху человек строит систему, внизу — обслуживает её.

В трети вакансий, отобранных по ИИ-запросам, вообще не сказано, зачем компании нужен ИИ. Это ровно то, о чём статья: рынок пишет про ИИ, но не описывает задачу.

Искусственный интеллект создал новую работу на обоих концах шкалы, и это самое наглядное, что мы увидели в данных.

Внизу — разметка данных для обучения: 76 вакансий, медиана 69 600 рублей, минус 42% к общей. Это самая низкооплачиваемая категория во всей выборке. Человек размечает примеры, на которых учится модель.

Наверху — построение инфраструктуры для моделей: 459 вакансий, медиана 205 450 рублей, плюс 71%. Человек делает так, чтобы обученная модель работала в продукте и не падала под нагрузкой.

Медианная зарплата и число вакансий по двум задачам вокруг ИИ

Генерация контента — вторая по массовости задача в вакансиях, 311 позиций из 2 808. И одна из самых низкооплачиваемых: минус 20% к медиане.

Это тот сегмент, где готовые инструменты закрывают заметную часть задачи. Текст, изображения и видео теперь делает нейросеть, человек её направляет и правит.

Если ваша работа связана с производством контента, это прямой сигнал. Не в том смысле, что профессия исчезает, — в том, что её экономика изменилась. Расти внутри этой ниши сложнее, чем перейти в соседнюю: обработка данных даёт +12%, автоматизация процессов +9%, а работа с инфраструктурой +71%.

Хард скилз — то, что человек умеет делать: языки программирования, инструменты, технологии. Мы сгруппировали их по смыслу, чтобы стала видна закономерность.

Закономерность читается сразу: чем ближе навык к инженерии и данным, тем выше оплата. Чем ближе к готовым инструментам — тем ниже.

Софт скилз — то, как человек работает: коммуникация, самостоятельность, ответственность, умение разбираться в новом. Мы посчитали их так же, как хард скилз.

Связь — не причина: часть надбавки объясняется уровнем должности, а не самим навыком

На первый взгляд картина простая: управленческие навыки дают прибавку, исполнительские — нет. Но здесь легко ошибиться, и мы решили проверить.

Возможно, «управление командой» даёт +56% не потому, что этот навык ценен сам по себе, а потому, что его пишут в вакансиях руководителей, — а руководители зарабатывают больше в принципе. Мы отделили управленческие и продажные позиции по названию должности и пересчитали премию внутри оставшихся 2 311 обычных вакансий.

А вот вторая половина картины устояла. Упоминание исполнительских качеств — внимательности, обучаемости, работы в команде — соответствует зарплате ниже медианы даже внутри одного типа позиций. Штраф от 15 до 23 процентных пунктов.

Это не значит, что внимательность и обучаемость не нужны. Их упоминают часто: внимание к деталям в 10,4% вакансий, ответственность в 22,4%. Скорее наоборот — их пишут там, где не могут сформулировать содержательные требования. Общие слова про качества занимают место, на котором должна быть задача.

Отдельные навыки — это одно, комбинации — другое. Мы проверили, что дают пары.

Последние две строки — про тех, чья работа сейчас меняется сильнее всего. Excel сам по себе соответствует медиане на 19% ниже общей. Excel вместе с SQL — уже плюс 16%. Разница в 35 процентных пунктов за один добавленный навык.

59,2% вакансий в нашей выборке относятся не к разработке, а к маркетингу, продажам, аналитике, дизайну, управлению проектами и административным функциям.

Indeed Hiring Lab в июле 2026 года опубликовал материал с тем же выводом по американскому рынку: ИИ перестал быть историей только про технические профессии. Наши данные показывают то же самое в России. [7]

Практический смысл для читателя простой. Работать с ИИ можно из своей профессии — уходить в разработку не обязательно. Но чем ближе задача к данным и инженерии, тем выше оплата, и это стоит учитывать при выборе направления.

Структура выборки по профессиональным ролям

Разрыв между новичком и опытным специалистом — 4,2 раза. Само по себе это не новость. Интереснее то, что видно, если наложить на опыт количество требуемых навыков.

Медианная зарплата по опыту и числу требуемых навыков

Иначе говоря, освоенный стек в этой выборке компенсирует примерно два-три года опыта. Это не значит, что опыт не нужен, — но показывает, куда имеет смысл вкладывать время тому, кто только начинает.

Мы ожидали обратного — что в сложных технических областях разрыв между новичком и специалистом окажется больше. Он оказался меньше: 1,5 раза против 1,8 по выборке в целом. Начинающий в техническом сегменте стартует заметно выше — 140 тысяч против 100 — и до уровня специалиста ему остаётся пройти меньшую дистанцию.

Семь из десяти вакансий — в Москве: 1 977 из 2 808, это 70,4%. Медиана по Москве — 145 000 рублей, по остальным регионам — 97 500. Разрыв в 1,49 раза.

А вот в качестве описаний разница оказалась небольшой: вакансий без технических требований в Москве 16,8%, в регионах 22,0%. Среднее число перечисленных навыков — 3,76 против 3,14. Гипотезу о том, что в регионах требования формулируют заметно хуже, наши данные не подтвердили.

Медианная зарплата по формату работы

Для москвича удалённая вакансия в среднем на 14% дешевле офисной. Для человека из региона разницы нет вообще — 97 500 против 97 850.

То есть разрыв между Москвой и регионами на удалёнке действительно меньше: 1,34 раза против 1,56 в офисном формате. Но сокращается он не потому, что регионы подтянулись, а потому, что Москва на дистанционке платит меньше. Способом выйти на московские деньги удалённая работа в наших данных не оказалась.

Мы сопоставили свои результаты с публикациями российских и международных площадок. Кое-что совпало, кое-что разошлось — и расхождения оказались интереснее совпадений.

Аналитическое мышление. Всемирный экономический форум ставит его навыком номер один: 7 из 10 компаний называют его ключевым. [8] В наших данных упоминание аналитического мышления в тексте вакансии соответствует медиане на 17% ниже общей, и после контроля на уровень должности штраф сохраняется.

ИИ-навыки. LinkedIn сообщает, что число вакансий с требованием базовой ИИ-грамотности выросло на 70% за год. [4] hh.ru пишет, что около 60% работодателей считают кандидатов с ИИ-навыками более эффективными в рутинных задачах. [3]

Распространённость наши данные подтверждают. А вот с оплатой всё сложнее: общий тег «LLM, GPT» соответствует медиане на 10% ниже, но конкретные технологии внутри той же темы — RAG, LangChain, векторные базы — дают от +47% до +67%. Формулировка «ИИ-навыки растут в цене» верна только для инженерной части.

Жалобы на дефицит навыков. По данным hh.ru, 93% работодателей жалуются на нехватку навыков у кандидатов, более 60% фильтруют кандидатов по навыкам. [2] При этом почти каждая пятая вакансия в нашей выборке не сообщает, какие навыки нужны.

Четыре проверки, которые видно прямо в описании

Как формулировка связана с уровнем медианы

Главное, что мы увидели за цифрами, — не про ИИ. Оно про то, как рынок труда разговаривает сам с собой.

Половина вакансий формулирует требования настолько общо, что по ним нельзя понять, кого ищут. Слова про ИИ используются как маркер современности, а не как описание работы. Софт скилз перечисляются там, где не сформулированы задачи.

Работодатель при этом искренне жалуется, что кандидаты не подходят. А кандидат не понимает, куда откликаться, потому что по описанию не отличить серьёзную инженерную позицию от «поработайте с нейросетями».

Наша проверка показала неприятную вещь: то, что выглядело как премия за управленческие навыки, во многом оказалось премией за управленческую должность. А исполнительские качества — внимательность, обучаемость, работа в команде — устойчиво соседствуют с зарплатой ниже медианы.

Из этого не следует, что софт скилз не важны. Следует другое: в текстах вакансий они пока почти не несут информации. Их пишут по инерции, одинаковыми формулировками, независимо от того, что человеку предстоит делать.

Пока обе стороны описывают софт скилз одинаковыми словами, эти слова мало что значат. Ценность появится тогда, когда рынок научится определять их достоверно — так, чтобы формулировка работодателя и самооценка кандидата были про одно и то же.

Работодатель и кандидат описывают одно и то же разными словами

Рынок труда впустил ИИ в свои объятия. Вектор намечен, динамика сумасшедшая. Это значит, что осваивать новые навыки нужно незамедлительно.

Работа уже сегодня требует этих компетенций в большинстве сфер деятельности. Но чтобы не проиграть, поставив на ошибочное направление, сначала проверьте, где вам интереснее всего развиваться и что вас мотивирует. И только потом начинайте изучать ИИ и практиковаться в применении именно к этой области.

Не переживайте, что прошлый опыт окажется потерян. Сегодня всё меняется по месяцам, а не по годам, так что накопленный опыт не обесценивается: он переносится в новую область быстрее, чем кажется.

А чтобы понять, где эта «ваша сфера», используйте научно обоснованные методики: профессиональные инструменты психологической диагностики и профориентации. Это фундамент, который можно получить быстро.

Чтобы успеть за гонкой развития, оказаться впереди или хотя бы не отстать от конкурентов, начинайте изучать и использовать ИИ в своих задачах. Общайтесь с технарями, чтобы лучше понимать, что и как работает. Так вы быстрее найдёте новые таланты — тех, кто поднимет компанию на следующий уровень.

Используйте профессиональные инструменты для диагностики софт скилз, чтобы заранее увидеть потенциал кандидата. Сегодня это важнее прошлого опыта, потому что всё меняется молниеносно.

Будьте впереди. Смотрите в будущее, которое уже наступило!

Сбор. 47 поисковых запросов по hh.ru, связанных с ИИ, регион — Россия, август 2026 года. Собрано 4 444 вакансии после удаления дублей по паре «название — работодатель».

Очистка. hh.ru ищет по отдельным словам, поэтому в выборку попадали посторонние вакансии: например, запрос «инженер машинного обучения» находил «инженера-конструктора». Мы проверили каждое описание на наличие ИИ-маркеров и оставили только те, где ИИ упомянут в названии должности, в тегах навыков или в требованиях. Осталось 2 808 вакансий — это и есть база всех расчётов в статье.

Зарплата. Считали медиану, а не среднее: медиана устойчива к выбросам. Если в вакансии указана вилка, брали середину. Зарплаты «до вычета налога» пересчитывали на руки по прогрессивной шкале НДФЛ 2026 года. Зарплата указана в 993 вакансиях из 2 808 — все медианы считаются по ним.

Навыки. Каждое описание проверялось словарём из 78 технологий и 18 гибких качеств по регулярным выражениям. В публикацию попадали только те, у которых не меньше 20 вакансий с указанной зарплатой, — иначе медиана неустойчива.

Как 47 запросов превратились в базу для медиан