Запрос «какие профессии заменит ИИ» звучит так, будто однажды мы проснёмся и обнаружим, что половина специальностей исчезла.
На практике изменения идут иначе: ИИ сначала забирает отдельные задачи, а уже потом меняет содержание профессии.
Для IT это особенно заметно. Здесь новые инструменты быстрее попадают в рабочие процессы, а результат многих задач можно оцифровать, проверить и автоматизировать.
Мы посмотрели на свежие данные о внедрении ИИ в российском бизнесе и сопоставили их с тем, как устроена работа разных IT-ролей – от разработки и QA до аналитики, дизайна, рекрутинга и менеджмента.
ИИ уже стал рабочим инструментом
российских компаний используют ИИ в работе
ИИ скорее меняет задачи, чем профессии
Какую работу уже может делать ИИ
Вывод: ИИ затронет работу большинства специалистов, но у гораздо меньшей части сможет взять на себя значительную долю задач. То есть речь скорее о трансформации профессий, чем об их массовом исчезновении.
Работа с искусственным интеллектом уже становится обычной частью многих процессов. Но автоматизация редко приходит сразу на место целой профессии. Первой исчезает не должность, а конкретная операция, которую легко описать как инструкцию.
Если задача повторяется, имеет понятный вход, ожидаемый результат и дешёвую проверку, её проще передать ИИ. Чем больше в ней контекста, неоднозначности, ответственности и высокой цены ошибки, тем дольше человек остаётся в центре процесса.
Какие задачи в IT ИИ заберёт первыми
Один и тот же принцип работает почти для любой IT-профессии: чем лучше ИИ справляется с типовыми задачами, тем меньше смысла тратить время на их ручное выполнение. Рутину всё проще отдавать машине, а ценность специалиста смещается туда, где нужны контекст, оценка рисков и собственное решение.
- Разработка. ИИ уже умеет собирать шаблонный код, предлагать тесты, объяснять чужие фрагменты и набрасывать документацию. Но архитектурный компромисс, допустимый технический долг и ответственность за решение в проде остаются на специалисте.
- QA. Генерацию тест-кейсов, разбор логов и повторяющиеся проверки автоматизировать проще. Сложнее понять, где продукт реально может сломаться для пользователя, какие риски критичны и что нужно тестировать глубже.
- Аналитика и продукт. ИИ быстро суммаризирует данные и предлагает варианты. Но плохой вопрос он так же быстро превращает в красивый плохой ответ. Формулировка гипотез, приоритеты и работа с противоречивыми данными по-прежнему требуют человека.
- Дизайн. Генерация вариантов и адаптаций становится дешевле. Дороже становится способность понять сценарий, ограничения продукта, поведение пользователя и удержать целостность решения.
- Маркетинг и рекрутинг. ИИ может подготовить черновик, собрать фактуру, свести резюме или предложить варианты коммуникации. Но он не снимает задачу понять аудиторию, заметить слабый сигнал и выбрать, что действительно сработает в конкретной ситуации.
«С ИИ важно не переборщить, но и недооценивать его как инструмент нельзя. Сбор статистики, первичный анализ данных, подготовка таблиц и документов – это уже можно спокойно отдавать машине.
В коде то же самое: часть базовых действий со временем становится почти механической. Если ИИ может забрать эту рутину, лучше оставить специалисту то, где действительно нужны опыт, контекст и нестандартное решение.
По сути, ИИ в IT нужен именно для этого – чтобы люди меньше работали как роботы и больше занимались задачами, где нужно думать и создавать новое».
— Саша, Project Manager в Evercode Lab
Заменит ли ИИ программистов и разработчиков?
Скорее всего, не целиком – но часть работы программиста уже становится менее ценной именно как ручное исполнение. Чем лучше ИИ справляется с типовым кодом, тем меньше преимущество специалиста в способности просто написать такой код быстрее других.
На первый план выходят понимание системы, архитектура, интеграции, проверка сгенерированного решения и способность заметить проблему до того, как она уедет в прод. Это же меняет вход в профессию: начинающему разработчику всё важнее не только уметь писать код, но и понимать, почему решение работает и где оно может сломаться.
Какие профессии не заменит ИИ – и почему это не совсем правильный вопрос
Готового списка «безопасных» IT-профессий нет. Даже у архитектора, продакта или руководителя найдутся задачи, которые можно ускорить. И наоборот, в работе разработчика, QA или рекрутера останутся зоны, где автоматизация упирается в контекст и ответственность.
Поэтому полезнее смотреть не на название должности, а на то, какая часть вашей работы требует постановки задачи, проверки результата, понимания продукта, работы с неопределённостью и финального решения. Именно эти компетенции становятся дороже, когда само исполнение дешевеет.
Это хорошо видно и в карьерном росте: следующий уровень обычно начинается там, где человек перестаёт просто быстрее выполнять знакомые задачи и начинает брать на себя более сложные решения. Мы уже разбирали это в статье про карьерный рост в IT и отдельно рассказывали, как в Evercode Lab для этого работают грейд-ревью и индивидуальные цели.
Есть и обратная сторона: если знакомые задачи уже не требуют усилий и работа стала слишком предсказуемой, дело может быть не в ИИ, а в том, что специалист упёрся в профессиональный потолок. В таком случае важнее не конкурировать с инструментом в скорости, а переходить к задачам следующего уровня сложности.
Как ИИ изменит работу менеджеров
Для менеджера меняется не просто набор задач, а сам объект управления. В команде появляется второй слой исполнителей – ИИ-инструменты и агенты, которым можно делегировать часть подготовки, анализа и координации.
Где бизнес готов
доверять ИИ
компаний доверяют ИИ-агентам задачи с минимальным риском Где ошибка не приводит к серьёзным последствиям и результат легко проверить человеку.
Представим обычную ситуацию в работе project-менеджера: ИИ собирает статусы по задачам, сверяет данные и готовит черновик отчёта. Но если агент подтянул не тот источник и на его основе предложил решение, ответственность никуда не исчезает. Значит, менеджеру нужны не только people-management и контроль сроков, но и правила делегирования, точки проверки и понимание цены ошибки.
Отсюда и сдвиг роли – от супервайзера к оркестратору. Хороший руководитель всё меньше ценен тем, что лично проверяет каждый шаг, и всё больше – тем, что строит систему, в которой люди и ИИ усиливают друг друга, а ошибки не проходят дальше незамеченными.
Как использовать ИИ в работе и не потерять профессиональную ценность
Становиться AI-специалистом нужно не всем. Гораздо полезнее научиться видеть границы инструмента: что ему можно отдать, как проверить результат и где решение должен принимать человек.
Практический ориентир простой: разделите свои задачи на повторяющиеся, проверяемые и критичные.
- Повторяющиеся – пробуйте ускорять и автоматизировать.
- Проверяемые – отдавайте ИИ, но оставляйте понятную точку контроля.
- Критичные – используйте ИИ как помощника для вариантов и анализа, но не как финального принимающего решение.
Главный риск для IT-специалиста не в том, что ИИ однажды «заберёт профессию». Гораздо реалистичнее другой сценарий: коллеги научатся быстрее отдавать машине рутину и тратить освободившееся время на более сложные задачи. Поэтому выигрывает не тот, кто умеет работать без ИИ, и не тот, кто отдаёт ему всё подряд, а тот, кто понимает свою область достаточно хорошо, чтобы использовать ИИ без потери качества.













