Помните, как года два назад все вокруг говорили про промпт-инженеров? Шестизначные зарплаты, никакого кода, просто «умей разговаривать с нейросетью». Казалось, вот оно - профессия будущего.
Сегодня этих вакансий почти не существует.
Рынок труда в IT меняется быстрее, чем большинство людей успевают переучиться. И это уже не страшилки из LinkedIn - это реальные данные, которые мы собрали, чтобы разобраться: что реально произошло, и куда двигаться дальше.
Профессии, которые AI убил (или добил)
1. Промпт-инженер
Эта история - идеальный пример того, как рынок создаёт и уничтожает профессию буквально за пару лет.
В 2023 году Anthropic размещал вакансии промпт-инженеров с зарплатой до $335 тысяч в год - без требования технического образования. McKinsey зафиксировал, что 7% компаний, внедривших AI, уже наняли таких специалистов. Microsoft называла промпт-инжиниринг «профессией года».
Прошло два года. Microsoft опросила 31 000 сотрудников в 31 стране - промпт-инженер оказался на предпоследнем месте среди ролей, которые компании планируют добавлять. Рекрутинговая компания Razoroo говорит о падении вакансий на 80-90% от пика. LinkedIn зафиксировал минус 40% профилей с этим титулом только за период с середины 2024 по начало 2025 года.
CMO Microsoft объяснил просто: «Два года назад все думали, что промпт-инженер - горячая профессия. Но теперь не нужно иметь идеальный промпт». Инженер из VMware добавил ещё точнее: «Это то же самое, что "специалист по поиску в Google". Полезный навык - но не отдельная должность».
Модели стали умнее. Умение нормально формулировать запрос превратилось в базовый навык, как печатать вслепую. Профессия растворилась.
2. Ручной тестировщик (QA без автоматизации)
Ещё лет пять назад ручной QA был понятной точкой входа в IT: без кода, с постепенным ростом. Сейчас эта дверь почти закрыта.
По данным QA.tech, автоматизация уже заменила 50% ручного тестирования. 44% компаний встроили AI в QA-процессы. 20% команд автоматизировали больше 75% ручных проверок - и это данные 2025 года, не прогнозы.
Показательный пример - Tesla: в 2020 году в QA-команде было 200 ручных тестировщиков и 50 автоматизаторов. К 2025-му - 50 ручных (-75%) и 180 автоматизаторов (+260%). Команда в целом выросла, но людей, которые просто «кликают по чеклисту», там почти не осталось.
Проблема не в том, что AI «умнее» тестировщика. Проблема в том, что регрессионное тестирование по заранее написанному сценарию - это ровно тот тип работы, который алгоритму даётся легче всего.
3. SEO-копирайтер (фабричный формат)
Важный момент: речь не о редакторах и не о людях, которые умеют по-настоящему писать. Речь о конкретной бизнес-модели - 300-500 статей в месяц по ключевым словам, $3-5 за штуку, минимальное погружение. Вот эта модель умерла.
GPT и аналоги делают то же самое быстрее и дешевле. А поисковики в ответ начали активнее фильтровать AI-мусор в выдаче - что убило экономику фабричного контента сразу с двух сторон.
Есть и обратная сторона: спрос на качественный авторский текст вырос. AI поднял планку входа - теперь «просто написать текст» уже не считается ценностью.
4. Оператор колл-центра первой линии
Здесь есть конкретный кейс, который хорошо всё объясняет. Klarna в 2024 году заменила AI 700 из примерно 3 000 операторов. Две трети чатов стали обрабатываться автоматически - при том же уровне удовлетворённости клиентов. Brookings Institution оценивает потенциал автоматизации в клиентском сервисе в 86% задач.
К 2027 году, по прогнозам, генеративный AI будет закрывать большинство рутинных обращений без участия человека.
При этом полной замены нет и, судя по всему, не будет. Klarna через несколько месяцев сама наняла часть операторов обратно - для случаев с кражей данных и сложных конфликтов, где бот стабильно проигрывал человеку. 95% компаний планируют гибридную модель, а не полную автоматизацию.
Профессия не исчезла - она сильно сузилась и стала требовать другого.
5. Переводчик технических текстов
Оксфордская школа Мартина в 2025 году проанализировала 695 локальных рынков труда в США. Вывод: каждый процентный пункт роста использования Google Translate соответствовал снижению роста занятости переводчиков на 0,71 п.п. Суммарно - больше 28 000 несозданных рабочих мест с 2010 по 2023 год. И это ещё до GPT-4 и современных языковых моделей.
По опросу Общества авторов Великобритании, 36% переводчиков уже потеряли работу из-за AI. Один технический переводчик с 15-летним стажем заработал в 2025 году €8 000 - раньше это были шестизначные суммы.
Литературный перевод, юридические документы, глубокая локализация - эти ниши держатся. Массовый технический перевод как стабильный источник дохода - уже нет.
Тем не менее, пока одни профессии схлопывались, появлялись другие - и спрос на них растёт быстрее, чем рынок успевает их закрыть.
Профессии, которые AI создал
1. ML-инженер / AI-инженер
Казалось бы, очевидно - но данные всё равно удивляют. LinkedIn зафиксировал рост AI-специализаций на 23% только в 2024 году. Gartner прогнозирует: к 2030 году потребность в квалифицированных AI-специалистах вырастет на 25%, несмотря на то что сам AI автоматизирует 40-60% рутинных задач.
Нужны не только исследователи. Нужны люди, которые умеют взять готовую модель, встроить её в реальный продукт, следить за качеством ответов и стоимостью вызовов, разбираться когда модель галлюцинирует, а когда просто получила плохой промпт.
2. Специалист по безопасности AI-систем
Эта роль появилась из реальных проблем, а не из хайпа.
Чат-бот Air Canada сообщил клиенту неверные условия тарифа - канадский суд признал авиакомпанию ответственной за слова бота. Чат-бот DPD начал ругаться на пользователей после некорректного обновления. Это не единичные курьёзы - это системные риски, с которыми компании теперь вынуждены работать всерьёз.
Люди, которые умеют аудировать AI-системы, тестировать на галлюцинации и предвзятость, выстраивать защиту от prompt injection - стали нужны корпорациям, банкам, госструктурам. Прогноз роста к 2030 году - 150%. Зарплатный диапазон для Senior AI Safety Engineer в США уже сейчас $140-220K.
3. AI-тренер для корпораций
Не путать с промпт-инженером - это совсем другое.
AI-тренер - это человек, который приходит в компанию и разбирается: где автоматизация реально даст эффект, а где только создаст новые проблемы. Обучает сотрудников. Выстраивает процессы. Измеряет результат в деньгах, а не в количестве освоенных инструментов.
68% компаний сейчас проводят внутреннее AI-обучение. Большинство из них делает это плохо - один вебинар раз в квартал, никаких изменений в процессах. Тот, кто умеет выстроить внедрение по-настоящему, ценится дорого - и таких людей пока мало.
4. Аналитик данных с AI-стеком
Профессия аналитика данных существовала и раньше. AI изменил соотношение: один человек с правильным стеком инструментов теперь делает то, на что раньше нужна была команда из трёх-пяти человек.
Спрос на навыки AI workflow design и автоматизации вырос на 25% именно в те периоды, когда промпт-инжиниринг падал. Gartner прогнозирует, что к 2027 году 70% крупных компаний будут использовать AI-driven automation в аналитике - а людей, которые умеют это проектировать и поддерживать, будет не хватать.
5. Технический писатель для AI-продуктов
Это тонкая, но реальная ниша.
Обычный технический писатель объясняет, как работает функция. Технический писатель для AI-продукта объясняет, почему модель ответила именно так - и что пользователю с этим делать. Это совсем другая задача: нужно понимать вероятностную природу LLM, уметь писать об ошибках так, чтобы не напугать и не ввести в заблуждение, строить онбординг для продукта, поведение которого не детерминировано.
Таких людей мало. Спрос на них растёт вместе с количеством AI-продуктов на рынке.
Ту сам ап
AI не убивает профессии. Он убивает ту часть профессий, которая состоит из повторяющихся, предсказуемых действий - то, что раньше называлось «набить руку».
Промпт-инженер исчез не потому, что AI победил людей. А потому, что модели стали достаточно хорошими, чтобы люди перестали нуждаться в посреднике. Ручной тестировщик - потому что алгоритм кликает по чеклисту дешевле. SEO-фабрика - потому что генерировать шаблонный текст AI научился раньше, чем рынок успел поднять планку качества.
При этом спрос на людей, которые умеют думать, проектировать системы и адаптироваться, только вырос.
И здесь возникает любопытный парадокс.
Большинство профессий, которые AI создал за последние несколько лет, появились именно потому, что современные модели пока несовершенны. Они галлюцинируют, ошибаются, требуют настройки, контроля и внедрения в реальные процессы.
Но если AI продолжит развиваться такими же темпами, часть этих новых профессий может повторить судьбу промпт-инженеров.
Возможно, главный навык ближайших лет - не умение работать с конкретным инструментом и даже не знание конкретной технологии. А способность быстро переучиваться, когда очередная «профессия будущего» внезапно перестаёт быть профессией.
Интересный вопрос не в том, какие профессии AI убьёт следующими.
Интересный вопрос - какие из профессий, появившихся благодаря AI, окажутся временными.