Работа по-новому: как ИИ уже меняет рынок труда и что делать соискателю

Еще несколько лет назад вопрос звучал почти фантастически: «Какие профессии заменит искусственный интеллект?» В 2026 году его пора задавать иначе.

Работодателю все чаще предстоит выбирать не между человеком и машиной, а между двумя людьми: специалистом, который продолжает выполнять работу привычным способом, и специалистом той же квалификации, который с помощью ИИ быстрее анализирует информацию, обрабатывает документы, готовит отчеты, ищет ошибки и освобождает время для более сложных задач.

В условиях растущей конкуренции за хорошие вакансии это различие становится существенным.

ИИ уже не будущее: цифры российского рынка труда

Разговор об искусственном интеллекте легко превратить либо в рекламу, либо в страшилку. Полезнее посмотреть на факты. По данным НИУ ВШЭ, рассчитанным на основе Обследования рабочей силы Росстата, навыками работы с ИИ уже обладают 37,5% занятых россиян. Но у большинства это базовый пользовательский уровень: средние прикладные компетенции есть у 11,7%, продвинутые — у 3,2%. Иными словами, попробовать ИИ успели многие, а профессионально встроить его в рабочий процесс — гораздо меньше людей.

Спрос работодателей тоже меняется. На hh.ru в январе–феврале 2025 года было 9 378 вакансий с требованием ИИ-навыков, а год спустя — 10 777. Рост особенно заметен на фоне того, что общее число вакансий за сопоставимые периоды сократилось примерно с 1,74 млн до 1,28 млн. Доля вакансий с ИИ-требованиями пока невелика — 0,8%, — но направление движения показательно.

Есть и корпоративная сторона процесса. Исследование Яндекса и «Яков и Партнёры» показало: 71% крупных российских компаний уже используют генеративный ИИ хотя бы в одной бизнес-функции. Среди компаний, отметивших экономический эффект, ключевым источником результата чаще всего становится снижение затрат. Для рынка труда это важнее красивых демонстраций нейросетей: технология начинает влиять на то, сколько времени и людей требуется для выполнения работы. 

Петербург: низкая безработица не означает легкий поиск работы

Российский рынок труда сегодня парадоксален только на первый взгляд. В одних профессиях работодатели по-прежнему испытывают дефицит людей, а в других за привлекательную вакансию конкурирует большое число кандидатов. Поэтому фраза «работников не хватает» может быть одновременно верной для инженера определенной специализации и совершенно не описывать ситуацию офисного соискателя.

Открытая статистика hh.ru по Санкт-Петербургу за июнь 2026 года показывала 66 877 вакансий и 636 927 активных резюме. hh.индекс составлял 9,5 резюме на вакансию; сам hh.ru относит диапазон 8,0–11,9 к высокому уровню конкуренции, то есть к рынку работодателя. Это агрегированная картина: внутри отдельных профессий ситуация может отличаться очень сильно.

Для соискателя вывод практический. Нельзя ориентироваться только на общие новости о безработице или дефиците кадров. Нужно понимать собственный профессиональный сегмент и усиливать те навыки, которые позволяют работодателю получить от одного специалиста больший и более качественный результат.

Главный механизм: ИИ сначала сокращает задачи, а не профессии

Чтобы понять влияние ИИ на занятость, полезно перестать представлять робота, который однажды утром приходит в офис и садится на место уволенного бухгалтера. Реальные изменения обычно происходят прозаичнее.

Сначала программа берет на себя одну операцию. Затем другую. Сотрудник быстрее ищет информацию, классифицирует документы, составляет первичный отчет, сравнивает договоры, готовит типовые письма, сводит результаты нескольких источников. После этого отдел из пяти человек способен справляться с объемом, для которого раньше требовалось шесть.

Шестого сотрудника никто торжественно не «заменяет искусственным интеллектом». Его вакансия может просто не открыться после ухода человека. Или две функции объединят в одной должности. Или работодателю станет нужен сотрудник, который способен взять более широкий круг задач.

Именно поэтому ближайшее влияние ИИ разумнее измерять не количеством исчезнувших названий профессий, а количеством работников, необходимых для прежнего объема работы. 

Какие навыки дешевеют, а какие становятся дороже

В августе 2026 года НИУ ВШЭ опубликовал прогнозные оценки более 500 организаций — разработчиков ИИ-решений. 45% опрошенных ожидают снижения спроса на базовые операции, связанные с вводом данных и подготовкой документации; рост спроса на такие навыки ожидают 25%. Для аналитических компетенций картина обратная: 36% ожидают роста против 27%, прогнозирующих снижение.

В менеджменте логика та же. Рутинное администрирование постепенно уступает место стратегии и лидерству: 41% опрошенных ожидают роста востребованности стратегического мышления и управления процессами, 36% — лидерства и мотивации. Документооборот, календарное планирование и контроль отчетности лучше поддаются автоматизации, чем выбор приоритетов, разрешение конфликтов и ответственность за решение.

Это не означает, что «документы больше никому не нужны» или «администраторы исчезнут». Это означает другое: внутри профессии меняется цена разных видов труда. Дешевеет повторяемая операция. Дорожает способность организовать процесс, заметить исключение, проверить результат и принять решение.

Профессия + ИИ: кто и как может стать сильнее 

Бухгалтер + ИИ

Бухгалтерия относится к сферам, где много структурированной информации, повторяющихся документов и правил. Поэтому ИИ особенно полезен в первичной классификации, поиске расхождений, подготовке черновиков пояснений и писем, работе с большими массивами нормативных материалов, сопоставлении данных и описании обнаруженных отклонений.

Но автоматизация не снимает ответственности за учет и налоги. Модель может убедительно ошибиться в цифре, норме или интерпретации. Чем больше рутинных операций берет на себя система, тем выше ценность бухгалтера, который понимает сложные случаи, контролирует результат и способен объяснить решение.

Инженер + ИИ

Для инженера ИИ — прежде всего ускоритель работы с информацией. Он помогает искать и структурировать технические сведения, готовить черновую документацию, анализировать данные, объяснять код, предлагать варианты расчетного алгоритма или проверочного сценария.

Но инженерное решение остается инженерным решением. Безопасность, физические ограничения, нормы, реальные условия эксплуатации и ответственность нельзя делегировать языковой модели. Парадоксально, но инженер, который слепо доверяет ИИ, может оказаться опаснее инженера, который им вообще не пользуется. Ценность создается связкой «скорость машины + профессиональная проверка человека».

Юрист + ИИ

ИИ хорошо справляется с первичным сравнением редакций договоров, извлечением условий, построением перечня рисков для дальнейшей проверки, подготовкой структуры типового документа и быстрым обзором большого массива материалов.

Но правовая стратегия, оценка реального риска, переговоры, понимание судебной и деловой практики и ответственность за совет остаются человеческой зоной. Для юриста особенно важно проверять первоисточники: выдуманная моделью ссылка на норму права выглядит не менее убедительно, чем настоящая.

HR и рекрутер + ИИ

Рекрутинг уже насыщен задачами, которые удобно ускорять: описание профиля, варианты текста вакансии, подготовка вопросов к интервью, структурирование заметок, сравнение резюме по заданным критериям, первичная аналитика воронки.

Но хороший подбор не сводится к совпадению ключевых слов. Мотивация человека, управленческий стиль, культурная совместимость, переговоры о переходе, оценка потенциального риска и особенно executive search требуют контекста и профессионального суждения. ИИ делает рекрутера быстрее; понимание бизнеса делает его ценным.

Руководитель + ИИ

Для руководителя ИИ снижает ценность способности просто «держать в голове много информации». Сводку десяти отчетов, варианты структуры презентации, предварительный анализ данных и перечень противоречий машина может подготовить за минуты.

Зато дороже становятся постановка правильного вопроса, выбор приоритета, решение при недостатке данных, управление людьми и готовность отвечать за последствия. Руководитель будущего — не человек, который быстрее всех пишет служебные записки, а человек, который способен превратить ускоренную аналитику в правильное действие.

Документооборот + ИИ: одна из самых показательных трансформаций

Специалист по документообороту — хороший пример профессии, которую ошибочно можно записать в «обреченные». На самом деле исчезает не потребность в порядке, а необходимость вручную выполнять часть операций, из которых этот порядок раньше складывался.

ИИ уже способен помогать классифицировать входящие документы, извлекать реквизиты и даты, сравнивать версии, составлять краткие резюме длинных материалов, выявлять несоответствия, проверять комплектность по заданному перечню, готовить проекты писем, протоколов и инструкций, а также облегчать поиск по корпоративной базе знаний.

Сильный специалист при этом перемещается на уровень выше: проектирует маршрут документа, задает правила, контролирует исключения, понимает требования ЭДО, следит за версиями и сроками, отвечает за качество и конфиденциальность. Профессиональный профиль становится шире: документооборот + ЭДО + бизнес-процессы + ИИ + информационная безопасность.

Нужно ли становиться промпт-инженером

Для большинства опытных специалистов — нет. Умение хорошо формулировать запрос полезно, но само по себе слишком узко, чтобы строить на нем долгосрочную карьерную стратегию. Интерфейсы меняются, модели лучше понимают естественный язык, а часть приемов, которые сегодня преподаются как «секреты промптинга», завтра станет встроенной функцией продукта.

Гораздо устойчивее другой навык: взять реальную профессиональную задачу, разбить ее на этапы, понять, что можно поручить ИИ, определить формат входных данных и результата, поставить контрольные точки, оценить риски и измерить эффект.

Именно поэтому для бухгалтера, инженера, юриста или специалиста по документообороту обычно разумнее становиться не «человеком из ИИ», а ИИ-усиленным специалистом собственной профессии.

Чему учиться человеку, который не собирается переходить в IT

1. Постановка задачи. Контекст, ограничения, формат результата, примеры правильного ответа. Хороший запрос начинается не с магической формулы, а с ясного понимания работы.

2. Работа со своими материалами. Документы, таблицы, инструкции, регламенты, отчеты. Главный скачок полезности происходит, когда ИИ помогает не «поговорить», а обработать реальный рабочий материал.

3. Проверка. Числа, ссылки, факты, пропущенные условия, логические ошибки. Проверка результата — часть ИИ-компетенции, а не досадное дополнение.

4. Сборка рабочего процесса. Документ поступил → классификация → извлечение данных → сравнение с правилами → резюме → проект ответа → проверка человеком.

5. Безопасность. Понимание того, какие данные можно передавать внешнему сервису, а какие нельзя. Персональные данные, договоры, коммерческая тайна и внутренние документы требуют корпоративных правил и разрешенных инструментов.

30 дней: практический план для соискателя

Дни 1–7. Найдите свою рутину

Выпишите 15–20 задач, которые регулярно выполняете. Отметьте те, что повторяются, занимают много времени, основаны на тексте или данных и имеют проверяемый результат. Выберите три.

Дни 8–14. Освойте три сценария

Возьмите обезличенные материалы и научитесь стабильно решать выбранные задачи с помощью одного-двух инструментов. Не гонитесь за количеством нейросетей.

Дни 15–21. Научитесь ловить ошибки

Проверяйте цифры, ссылки, полноту, логику. Давайте системе сложные случаи. Сравнивайте результат с ручной работой. 

Дни 22–27. Соберите workflow

Свяжите отдельные действия в последовательность: входные данные → обработка ИИ → структурированный результат → профессиональная проверка → действие.

Дни 28–30. Превратите навык в доказательство

Замерьте время, качество и количество исправлений. Сформулируйте один-два кейса для резюме и интервью.

Как писать об ИИ в резюме

Фраза «владею ChatGPT» или «умею работать с нейросетями» быстро теряет ценность. Она ничего не говорит о том, что кандидат способен сделать для бизнеса.

Лучше описывать рабочий сценарий: «Использую ИИ для первичного анализа и сравнения договорной документации, подготовки резюме документов и выявления расхождений между версиями». Еще сильнее — результат: «Разработал сценарий первичной обработки комплекта документов с применением ИИ, сократив время анализа с 60 до 25 минут при обязательной итоговой проверке».

Цифры должны быть настоящими. Если измерения не было, не нужно его придумывать. Можно честно описать процесс и объяснить на интервью, как вы проверяете качество.

Как выбрать курс и не купить красивый сертификат

• Буду ли я решать задачи именно моей профессии, а не только генерировать тексты и картинки?

• Научат ли работать с документами, таблицами, поиском и анализом?

• Есть ли в программе проверка ошибок и ограничений ИИ?

• Разбираются ли конфиденциальность, персональные данные и корпоративная безопасность?

• Соберу ли я после курса три-пять реальных кейсов, которые можно объяснить работодателю?

Полезный курс не обязан знакомить со «100 нейросетями за неделю». Для карьеры часто лучше глубоко освоить два-три инструмента и несколько повторяемых сценариев своей работы.

Есть и бесплатные варианты. По данным Минтруда, к 21 августа 2026 года бесплатным переобучением в рамках нацпроекта «Кадры» воспользовались 87 тыс. человек; самым востребованным направлением стала работа с системами искусственного интеллекта — его выбрали более 18 тыс. участников.

Важное ограничение: конфиденциальность

ИИ может быть полезен ровно до момента, когда ради удобства сотрудник начинает загружать в публичный сервис то, что не имеет права туда загружать. Персональные данные, договоры, финансовые документы, внутренние регламенты, коммерческая тайна и сведения о клиентах нельзя бездумно передавать внешним моделям.

Правило простое: если компания не разрешила конкретный сервис для конкретного типа данных, рабочий документ лучше считать запрещенным к загрузке. Для обучения используйте обезличенные примеры, синтетические данные или материалы, на работу с которыми у вас есть право.

В зрелой компании ИИ-компетентность сотрудника включает не только умение получить хороший ответ, но и понимание того, когда инструментом пользоваться нельзя.

Что будет происходить с рынком в 2026–2027 году

Надежных данных, позволяющих сегодня заявить, что «ИИ сократит X процентов бухгалтеров» или «через год исчезнет профессия Y», нет. Подобные точные прогнозы выглядят эффектно, но дают соискателю ложную уверенность.

Более вероятен постепенный сценарий: компании автоматизируют отдельные операции; обязанности расширяются; часть вакансий не восстанавливается после ухода сотрудников; требования к скорости и объему работы растут; ИИ-грамотность из необычного преимущества превращается в обычный элемент профессиональной квалификации.

При этом технология не отменяет экономический цикл. Сокращение вакансий может происходить из-за спроса, стоимости денег, реструктуризации или других причин. ИИ не обязательно является причиной сокращения штата — но он может позволить компании легче работать меньшей командой.

Как использовать ИИ уже в самом поиске работы

ИИ меняет не только содержание профессий, но и саму технику поиска работы. Соискатель может использовать его как аналитического помощника: разобрать несколько десятков вакансий, выделить повторяющиеся требования, сравнить их со своим опытом и понять, каких компетенций не хватает именно в выбранном сегменте. Это полезнее, чем просить нейросеть «написать красивое резюме».

Хороший сценарий выглядит так: кандидат собирает 15–20 подходящих вакансий, убирает названия компаний и конфиденциальные сведения, просит сгруппировать требования по частоте, а затем самостоятельно проверяет выводы. Так становится видно, какие навыки являются обязательными, какие встречаются как преимущество и какие формулировки работодатели используют для одной и той же функции.

После этого ИИ можно применять для адаптации резюме под конкретную вакансию — но не для выдумывания опыта. Его задача — помочь переставить акценты, убрать нерелевантное, сделать достижения понятнее и проверить, совпадает ли язык резюме с языком вакансии. Если система предлагает приписать кандидату несуществующий проект, инструмент надо поправить, а не благодарить за инициативу.

Особенно важно это в условиях автоматизированного первичного отбора. Чем активнее работодатели используют ATS и алгоритмический скрининг, тем выше ценность ясной структуры: понятные названия должностей, конкретные функции, технологии, отрасль, измеримые результаты. Резюме, построенное как литературная загадка, может нравиться автору, но плохо работать в поисковой системе работодателя.

Что показать на собеседовании вместо сертификата

Работодателю трудно оценить фразу «активно использую ИИ», потому что за ней может скрываться что угодно — от ежедневной автоматизации до трех вопросов чат-боту. Поэтому лучший аргумент — короткий профессиональный кейс.

Кейс можно объяснить за две минуты: какая задача занимала время; что именно было передано ИИ; какие данные использовались; где стояла человеческая проверка; какой получился эффект; какие ошибки обнаружились; что вы изменили после теста. Такой рассказ одновременно демонстрирует технологическую грамотность и профессиональную зрелость.

Для специалиста по документообороту кейсом может стать сравнение редакций положения с автоматическим выделением изменений и обязательной ручной проверкой. Для бухгалтера — первичная сверка массива документов. Для инженера — ускоренный поиск по технической документации с последующей верификацией по первоисточнику. Для HR — структурирование интервью и подготовка сравнительной матрицы кандидатов без передачи модели чувствительных персональных данных.

Сертификат в этой логике остается приятным дополнением. Но если выбирать между человеком с пятью сертификатами и человеком, который может спокойно показать рабочий процесс, объяснить ограничения ИИ и назвать измеримый результат, второй кандидат часто выглядит убедительнее.

Кому стоит действовать особенно быстро

Срочность выше там, где значительная часть рабочего дня состоит из повторяемой обработки информации: перенос данных между системами, подготовка типовых документов, первичная классификация, стандартная переписка, составление сводок, поиск по массиву материалов, формирование однотипной отчетности. Именно такие операции легче всего разбить на формальные шаги и передать программному помощнику.

Но «в зоне риска» не означает «профессия исчезнет». Часто это означает, что от одного человека будут ожидать большего объема работы или более широкого функционала. Поэтому разумная стратегия — не защищать каждую старую операцию, а заранее осваивать следующий уровень: контроль, анализ, настройку процесса, работу с исключениями и взаимодействие с людьми.

И наоборот, наличие творческой или управленческой должности само по себе не дает иммунитета. Если руководитель в основном собирает отчеты и пересылает информацию между уровнями, часть его работы тоже хорошо автоматизируется. Если маркетолог производит только типовые тексты, он конкурирует с машиной гораздо сильнее, чем маркетолог, который понимает клиента, экономику продукта и умеет проверять гипотезы.

Четыре ошибки при освоении ИИ

Первая — учиться инструменту вместо профессии. Знание интерфейса конкретной нейросети быстро устаревает. Понимание задачи, данных, критериев качества и рисков переносится между инструментами

Вторая — считать скорость достаточным результатом. Если раньше документ готовился час и был правильным, а теперь делается за десять минут и содержит незамеченную ошибку, производительность не выросла. В профессиональной работе качество и цена ошибки входят в расчет.

Третья — автоматизировать хаос. Плохой процесс, ускоренный ИИ, остается плохим процессом. Сначала полезно понять, зачем выполняется операция, кто использует результат и где возникает контроль. Иногда лучший эффект дает не нейросеть, а отмена лишнего шага.

Четвертая — скрывать использование ИИ там, где действуют корпоративные ограничения. У зрелого работодателя ценится не подпольная технологичность, а способность работать в разрешенной среде, соблюдать правила безопасности и объяснять, какие данные покидают корпоративный контур.

Итог: не соревнуйтесь с ИИ в том, что он умеет лучше

Искусственный интеллект не делает профессиональный опыт ненужным. Он меняет цену разных частей этого опыта.

Дешевле становится то, что можно многократно повторить по инструкции: найти, перенести, классифицировать, пересказать, оформить первый вариант. Дороже — понять, проверить, выбрать, договориться, организовать процесс и принять ответственность.

Поэтому главный карьерный вопрос 2026 года звучит не так: «Сможет ли ИИ выполнять мою работу?» Полезнее спросить: «Какие части моей работы ИИ уже способен выполнять вместе со мной — и что я буду делать с освободившимся временем лучше других?»

У тех, кто найдет ответ раньше, появится преимущество.

Источники и данные

НИУ ВШЭ, ИСИЭЗ. «Навыки работы с ИИ на российском рынке труда», 19.06.2026 — https://issek.hse.ru/news/1170639437.html 

НИУ ВШЭ, ИСИЭЗ. «Структурные парадоксы рынка ИИ-компетенций», 24.06.2026 — https://issek.hse.ru/news/1172434027.html 

НИУ ВШЭ, ИСИЭЗ. «Трансформация профессиональных компетенций под влиянием ИИ: взгляд разработчиков», 26.08.2026 — https://issek.hse.ru/news/1193690409.html 

hh.ru. «Как искусственный интеллект меняет профессии и зачем учиться работать с ИИ уже сейчас», 25.03.2026 — https://hh.ru/article/kak-ii-menyaet-professii-i-komu-nuzhno-uchitsya-s-nim-rabotat 

hh.ru Статистика. Санкт-Петербург, данные за июнь 2026 — https://stats.hh.ru/saint_petersburg 

Яндекс / «Яков и Партнёры». «Доля крупных российских компаний, использующих генеративный ИИ, превысила 70%», 08.12.2025 — https://ir.yandex.ru/press-releases?id=08-12-2025-01&year=2025 

Минтруд России. «ИТ-профессии стали самыми востребованными в рамках бесплатного переобучения», 21.08.2026 — https://mintrud.gov.ru/employment/375 

Редакционная пометка: статистика в статье актуальна на сентябрь 2026 года. Проценты и прогнозы относятся к указанным исследованиям и не являются гарантией изменения занятости в конкретной компании или профессии.