ДИПЛОМ НЕ НУЖЕН? 10 ПРОФЕССИЙ НОВОЙ ЭКОНОМИКИ, КОТОРЫХ ЕЩЁ НЕ БЫЛО ПЯТЬ ЛЕТ НАЗАД
Ещё несколько лет назад карьерный совет «иди в IT» звучал почти исчерпывающе. Нужно было выбрать понятную специальность – разработчик, дизайнер, продакт, аналитик – получить образование, освоить инструменты и постепенно расти внутри профессии. В 2026 году эта логика начинает ломаться. Искусственный интеллект ускорил появление новых профессиональных функций, для которых университетские программы появляются позже самих специалистов.
Кто-то учит людей разговаривать с языковыми моделями, кто-то строит автономных AI-агентов, кто-то снимает кино без привычной съёмочной группы, а кто-то отвечает за то, чтобы искусственный интеллект внутри огромной корпорации вообще приносил пользу, а не оставался красивой презентацией для совета директоров.
В этом материале под «профессиями, которых не было пять лет назад» мы понимаем не только абсолютно новые названия должностей. Речь также о функциях, которые 5 лет назад ещё не существовали как сформировавшиеся карьерные траектории, а сегодня превращаются в отдельные специализации, вакансии и подразделения.
Инжиниринг, агентные системы и разработка нового поколения
1. Промпт-инжиниринг — Александр Тарлецкий (НЛМК ИТ)
Промпт-инженер оказался, пожалуй, первой профессией эпохи генеративного ИИ, над названием которой сначала смеялись, а потом начали публиковать реальные вакансии. Но российский кейс Александра Тарлецкого интересен совсем не тем, что он работает в модном AI-стартапе. Он AI-разработчик НЛМК ИТ – подразделения, которое создаёт цифровые решения для металлургического производства.
Тарлецкий относит к необходимым компетенциям понимание ML и NLP, работу с API языковых моделей, Python, микросервисную архитектуру, DevOps и LLMOps. То есть специалист превращается в своеобразного переводчика между бизнес-задачей и машинным интеллектом.
Особенно показательно, что эта компетенция нужна не только IT-компаниям. НЛМК ИТ работает непосредственно с металлургией и использует ML, AI, IIoT и собственные технологические платформы. Нейросети добрались до индустрии, где результат измеряется не количеством лайков, а реальными производственными процессами. Пять лет назад металлургическому холдингу нужны были разработчики. Теперь ему нужны люди, которые умеют правильно ставить задачи машине.
- глубокое понимание архитектур ML и NLP наряду с классическим бэкенд-стеком (Python, микросервисы);
- практика внедрения промпт-пайплайнов в реальные производственные цепочки через LLMOps;
- умение связывать абстрактный запрос цеха или менеджмента с точной алгоритмической инструкцией.
Главный вызов роли: обеспечить стабильный, предсказуемый и безопасный результат генерации в процессах, где цена ошибки измеряется тоннами сырья и оборудования.
2. Разработчик AI-агентов — Артём Фролов (sfer.ai)
Чат-бот ждёт вопроса. AI-агент должен сам понять задачу, обратиться к нужным данным, вызвать необходимые сервисы, выполнить действие и проверить результат. На разнице между этими двумя моделями работы прямо сейчас рождается новая профессия. У Артёма Фролова она уже буквально стоит в названии должности: руководитель направления разработки AI-агентов в sfer.ai.
То, что делает такой специалист, всё меньше напоминает классическую разработку одного приложения. Агенту нужно дать модель, инструменты, доступ к базе знаний, API, почте, календарю или корпоративной системе, определить правила его поведения и предусмотреть ситуацию, когда решение необходимо передать человеку.
В одном из образовательных кейсов sfer.ai команда показывала агентов, которые работали с почтой и календарём, анализировали переписку клиентской поддержки и обращались через API к внешним данным. Сам Фролов не только разрабатывает подобные системы, но и учит компании создавать их самостоятельно. Именно здесь образование начинает особенно быстро догонять рынок. Раньше сначала появлялась специальность, потом под неё создавали курс. Теперь специалист одновременно работает в новой профессии и фактически формирует программу её обучения.
- проектирование сложных контуров принятия решений с передачей управления человеку (human-in-the-loop);
- бесшовная интеграция агентов с базами знаний, внешними API и корпоративным ПО;
- создание строгих ограничений безопасности и правил поведения для автономных моделей.
Главный вызов роли: научить агента самостоятельно справляться с контекстными сбоями без зацикливания и деградации логики.
3. Вайб-кодер — Сергей Игнатенко (VibePilot)
Что произойдёт, если разработчик перестанет писать большую часть кода самостоятельно? Сергей Игнатенко отвечает радикально: человек постепенно превращается из того, кто вручную производит код, в того, кто управляет его производством искусственным интеллектом.
В своём манифесте вайбкодинга Игнатенко сравнивает ИИ со станком промышленной революции: ткач не исчез, а превратился в оператора оборудования. В его модели разработчик делает примерно то же самое – формулирует задачу, управляет агентами, проверяет архитектуру и отвечает за итог, но не обязан собственноручно набирать каждую строку. Один из принципов VibePilot звучит особенно показательно: промпт становится новым техническим заданием.
Сам термин «вайбкодинг» ещё недавно был интернет-мемом. В 2026 году вокруг него уже возникают продукты, студии, курсы и рабочие процессы. И это довольно неудобный вопрос для всей системы IT-образования: что именно нужно преподавать будущему программисту, если скорость печати кода перестаёт быть его главным преимуществом? Вероятно, всё больше – системное мышление, архитектуру, постановку задачи и способность отличить работающий продукт от убедительно выглядящей галлюцинации машины.
- умение формулировать архитектурные рамки до того, как сгенерирована первая строчка;
- навык мгновенной верификации чужого/машинного кода на скрытые логические уязвимости;
- способность мыслить целостной продуктовой структурой, а не локальными синтаксическими конструкциями.
Главный вызов роли: удерживать контроль над сложностью проекта, когда темп генерации кода многократно превышает скорость его ручного осмысления.
Креативные индустрии, генеративный дизайн и среда
4. AI-режиссёр — Дмитрий Алексеев (Ai Filmmaker)
Ещё недавно для создания даже короткого качественного видеоролика требовалась команда: режиссёр, оператор, художник, актёры, специалисты по графике, монтажу и постпродакшну. AI-режиссёр получает возможность собрать значительную часть этой производственной цепочки буквально за одним компьютером.
При этом доступность инструментов обострила требования к фундаментальному вкусу: технически сгенерировать видеоряд сегодня способен любой пользователь, но выстроить сюжетную логику, темпоритм и эмоциональную глубину могут лишь авторы с классической базой.
Особенно интересно, что профессия уже успела добраться до университета. Алексеев стал индустриальным партнёром бакалаврского профиля Школы дизайна НИУ ВШЭ «Искусственный интеллект и видеопродакшн». Это наглядный пример того, как академическая среда интегрирует практиков непосредственно на этапе зарождения стандарта профессии.
- классическое понимание композиции кадра, теории монтажа и законов драматургии;
- управление консистентностью персонажей, освещения и стилистики от сцены к сцене;
- оркестровка нескольких нейросетей генерации видео, звука, речи и апскейлинга в едином пайплайне.
Главный вызов роли: подчинить генеративный хаос моделей авторскому замыслу и избежать эффекта визуальной вторичности контента.
5. Vibe-modeller и Archipreneur — Алина Черейская (SA lab, Spellshape)
Алина Черейская – архитектор-реставратор по образованию, партнёр петербургской лаборатории SA lab и соосновательница Spellshape. Новый проект создаёт параметрические 3D-модели по текстовому описанию. Сама команда использует для подхода термин vibe modelling: человек описывает желаемую форму естественным языком, а AI-агенты превращают запрос в редактируемую параметрическую модель.
Но интереснее название, которым Черейская описывает собственную профессиональную эволюцию, – archipreneur, соединение architect и entrepreneur. В её понимании архитектор нового поколения уже не ограничивается проектированием зданий: архитектурное мышление становится основой для создания технологий, продуктов, цифровых пространств и стартапов.
За этим стоит не абстрактное увлечение AI. В портфолио SA lab – виртуальные пространства, выставочные проекты, параметрическая архитектура и проекты на пересечении физической и цифровой среды. Получается профессия, для которой недостаточно ни классического архитектурного диплома, ни отдельно взятого курса по нейросетям. Нужен человек, который одновременно понимает пространство, код, продукт и поведение алгоритма.
- пространственная интуиция и глубокое знание параметров физической и цифровой архитектуры;
- навыки построения алгоритмических моделей и постановки задач AI-генераторам формы;
- предпринимательский подход к превращению пространственного опыта в масштабируемые цифровые решения.
Главный вызов роли: превратить естественный язык в строгие геометрические параметры, пригодные для реального производства и 3D-сред.
Корпоративное управление, этика и трансформация бизнеса
6. Head of AI — Жемал Хамидун (Alpina Digital)
Несколько лет назад искусственный интеллект внутри компании был зоной ответственности Data Science или IT. Теперь появляется человек, чья работа состоит в том, чтобы сделать AI не технологическим экспериментом, а частью бизнеса.
Жемал Хамидун занимает сразу две показательные для новой экономики позиции: Head of AI в Alpina Digital и CPO AlpinaGPT. Платформа объединяет различные генеративные модели, базы знаний, RAG-механики и AI-агентов для корпоративного использования. В этой профессии уже мало просто понимать технологии. Head of AI должен найти бизнес-задачи, где нейросеть действительно полезна, договориться с IT, обучить сотрудников, создать правила использования, преодолеть сопротивление людей и объяснить руководству, почему очередной AI-пилот либо принесёт деньги, либо не должен запускаться вообще.
И здесь снова возникает образовательный компонент. Хамидун связан с программами Alpina AI Academy и кафедрой технологического предпринимательства МФТИ, проводит корпоративные программы и воркшопы. Его собственный профессиональный профиль прямо соединяет две функции – AI-трансформацию и обучение людей новым навыкам.
- способность просчитывать реальную экономику внедрения (ROI) генеративных решений;
- понимание архитектуры RAG, агентных связок и безопасности корпоративных баз знаний;
- снятие сопротивления сотрудников через понятные образовательные траектории.
Главный вызов роли: отсекать эффектные, но бесполезные инициативы в пользу инструментов с подтвержденной отдачей для бизнеса.
7. Специалист по AI Governance и этике ИИ — Андрей Незнамов (СБЕР)
Сначала компании спрашивали: что умеет искусственный интеллект? Теперь всё чаще приходится задавать другой вопрос: что ему вообще можно позволить? Так появляется отдельная профессиональная зона – AI governance. Её специалисты работают на пересечении технологий, права, этики, безопасности и корпоративного управления.
Один из наиболее заметных российских представителей этого направления – Андрей Незнамов. Он возглавляет Центр человекоцентричного искусственного интеллекта Сбербанка и является председателем Комиссии по реализации Кодекса этики в сфере ИИ.
Для бизнеса за этой философией скрываются вполне прикладные задачи. Кто отвечает за решение AI? Какие данные допустимо использовать? Как оценить дискриминационный риск? Когда человек должен иметь возможность оспорить решение алгоритма? Где проходит граница допустимой автономии? Пять лет назад эти вопросы чаще обсуждали исследователи и футурологи. Сегодня на них должны отвечать конкретные сотрудники конкретных компаний.
- глубокое знание регуляторных норм, патентного права и законодательства о защите данных;
- методологии аудита нейросетей на галлюцинации, алгоритмическую предвзятость и этические риски;
- разработка корпоративных политик и протоколов оспаривания автоматизированных решений.
Главный вызов роли: защитить организацию от колоссальных юридических и репутационных рисков без искусственного торможения инноваций.
8. Архитектор agentic-организаций — Алексей Белкин (belkin.digital)
А что произойдёт, когда компания внедрит не одного корпоративного чат-бота, а десятки цифровых агентов? Кто-то должен будет решить, какую работу оставить человеку, какую передать машине и как вообще организовать эту новую команду.
Именно вокруг этой задачи Алексей Белкин строит belkin.digital. Компания занимается GenAI, AI-агентами и трансформацией бизнеса, а собственный подход VibeEvolve описывает как модель организации, где агенты выполняют работу, а сотрудники становятся архитекторами, которые проектируют и направляют её.
Возможно, следующий большой карьерный скачок произойдёт именно здесь. Мы привыкли к менеджеру, который управляет людьми. Новой экономике понадобится менеджер, который умеет проектировать связку из людей и цифровых сотрудников.
- декомпозиция бизнес-процессов на дискретные шаги для делегирования автономным агентам;
- перестройка оргструктуры: перевод персонала из исполнителей в супервайзеры AI-систем;
- мониторинг устойчивости распределенных агентных цепочек без потери контроля.
Главный вызов роли: преодолеть инерцию классического менеджмента и не допустить хаоса несогласованных цифровых ассистентов.
9. Директор по развитию ИИ — Станислав Ежов («Группа Астра»)
В 2026 году в компаниях появляется ещё одна должность, которой предстоит пройти тот же путь, что когда-то прошли CIO и CDO: из экзотической позиции превратиться в часть обычной управленческой структуры. Станислав Ежов – директор по развитию ИИ «Группы Астра».
В его зоне ответственности запуск и масштабирование AI-решений для крупного бизнеса, критической информационной инфраструктуры и государственного сектора, экономика внедрения и направление доверенного ИИ.
Ежов упоминает и о появлении внутри компаний «цифровых сотрудников» – AI-систем, которым требуется определить роль, ответственность, показатели эффективности и место среди человеческих команд. Он не руководит программистами в классическом смысле и не занимается только стратегией. Его работа – провести компанию через момент, когда искусственный интеллект превращается из проекта в инфраструктуру.
- обеспечение стандартов доверенного ИИ (Trusted AI) для критической информационной инфраструктуры;
- разработка моделей экономической эффективности масштабных платформенных внедрений;
- институционализация роли «цифровых сотрудников» с четкими KPI и границами ответственности.
Главный вызов роли: обеспечить бесперебойность, суверенность и безопасность сложных систем при их масштабном развертывании в масштабах целой отрасли.
10. Руководитель AI-трансформации — Оксана Хлыстова (MWS AI)
Оксана Хлыстова возглавляет направление AI-трансформации в MWS AI. Её профессиональная зона начинается там, где заканчивается установка очередного программного продукта: аудит AI-зрелости компании, стратегия, поиск бизнес-кейсов, работа с продуктовыми командами, оценка стартапов и вендоров, а главное – образовательные программы для сотрудников и руководителей.
Большинство технологических революций принято объяснять качеством технологий. Но внутри большой компании инновация не работает, пока сотрудник не понимает, зачем менять привычный процесс, руководитель не меняет KPI, а подразделения продолжают жить по старой организационной логике.
Поэтому AI-трансформатор работает не только с алгоритмами. Его главный объект – люди. И здесь бизнес неожиданно сближается с образованием: внедрение новой технологии всё чаще означает не покупку софта, а массовое переобучение целой организации.
- глубокая методология change management и синхронизация внедрений с системой корпоративной мотивации;
- оценка реальной технологической и культурной готовности команд до закупки софта;
- построение непрерывной системы корпоративного дообучения специалистов прикладным AI-инструментам.
Главный вызов роли: преодолеть скрытое сопротивление сотрудников и перевести компанию на новый рабочий уклад без просадки операционной эффективности.
| Профессионал / Роль | Индустриальный фокус | Главная функция роли | Ключевой навык для специалиста |
|---|---|---|---|
| Александр Тарлецкий Промпт-инженер (НЛМК ИТ) |
Generative AI и тяжелая промышленность | Постановка задач машинам в производственных процессах | Связка ML/NLP с LLMOps и микросервисной архитектурой |
| Артём Фролов Разработчик AI-агентов (sfer.ai) |
AI Agents и сквозная автоматизация | Создание автономных цифровых помощников с доступом к API | Оркестровка моделей, баз знаний и сценариев human-in-the-loop |
| Сергей Игнатенко Вайб-кодер (VibePilot) |
Разработка ПО нового поколения | Управление производством кода вместо ручного набора строк | Системная архитектура, промпт-ТЗ и верификация галлюцинаций |
| Дмитрий Алексеев AI-режиссёр (Ai Filmmaker) |
Кино, медиа и генеративное видео | Полный цикл видеопродакшна на базе генеративных нейросетей | Драматургия, монтаж и удержание визуальной консистентности |
| Алина Черейская Vibe-modeller / Archipreneur (SA lab) |
Generative Design, архитектура и 3D | Превращение текстовых описаний в редактируемые 3D-модели | Пространственное мышление, код и параметрический дизайн |
| Жемал Хамидун Head of AI (Alpina Digital) |
Корпоративный AI и образовательные платформы | Трансформация технологий в прибыльные бизнес-инструменты | Архитектура RAG/агентов, оценка ROI и обучение персонала |
| Андрей Незнамов AI Governance и этика ИИ (СБЕР) |
Регулирование, право и безопасность систем | Определение этических и правовых границ допустимой автономии ИИ | Юридический комплаенс, аудит дискриминации и оценка рисков |
| Алексей Белкин Архитектор agentic-организаций (belkin.digital) |
AI-консалтинг и организационный дизайн | Проектирование взаимодействия людей и цифровых агентов | Декомпозиция процессов и построение гибридных оргструктур |
| Станислав Ежов Директор по развитию ИИ («Группа Астра») |
Инфраструктура, КИИ и Trusted AI | Интеграция ИИ как базового элемента масштабируемой инфраструктуры | Стандарты доверенного ИИ, архитектура КИИ и управление внедрением |
| Оксана Хлыстова Руководитель AI-трансформации (MWS AI) |
Change management и корпоративное обучение | Подготовка человеческого капитала к работе в новой цифровой среде | Управление изменениями, аудит зрелости и трансформация KPI |
Главная особенность профессий 2026 года заключается не в странных англоязычных названиях. Новым стал сам механизм их возникновения. Раньше образовательная система в значительной степени определяла профессию: университет создавал программу, выпускал специалистов, а бизнес нанимал их. Теперь рынок движется быстрее.
Поэтому вопрос «диплом не нужен?» всё ещё поставлен намеренно провокационно. Образование никуда не исчезает. Наоборот, в новой экономике фундаментальная подготовка становится особенно ценной: сильному AI-режиссёру всё ещё нужно понимать драматургию, AI-архитектору – пространство, специалисту по этике ИИ – право, а разработчику агентов – архитектуру программных систем.
Исчезает другое – гарантия того, что название специальности в дипломе будет совпадать с названием вашей работы через пять лет. Возможно, главным навыком нового поколения становится способность учиться быстрее, чем рынок успевает придумать название следующей профессии.
