Профессии в IT с ИИ: зачем нужны и с чего начать

Мой знакомый дизайнер три года назад смеялся над «всей этой темой с нейросетями». Сейчас проходит обучение с нуля — переучивается на UX с ИИ-инструментами. Не потому что уволили. Просто клиенты приходят с макетами из Midjourney и просят «довести до ума», а платить готовы меньше, чем раньше.

Вот тебе и смена профессии поневоле.

Я не про панику. Большинство страшилок про «ИИ заберёт все работы» — это либо кликбейт, либо люди, которые плохо понимают рынок труда. Но кое-что реально меняется. И это стоит знать, прежде чем выбирать онлайн-курс и тратить на него деньги.

Не то, что ты будешь обучать нейросети с нуля. Это отдельная история, туда без математики особо не зайти. Речь про другое: берёшь обычную профессию — дизайнер, тестировщик, аналитик — и учишься работать с ИИ-инструментами как с частью ежедневного процесса.

Разница как между водителем и водителем с навигатором. Едут оба. Один быстрее, делает меньше ошибок, не теряет время на очевидные вещи.

Работодатели сейчас всё чаще пишут в вакансиях «опыт работы с AI-инструментами приветствуется». Приветствуется сегодня, обязательно — через год. Мне кажется, это уже не тренд, это просто новая база.

Дизайнеры, которые умеют работать с Figma AI, Galileo, Uizard, закрывают задачи заметно быстрее коллег без этих навыков. Клиент хочет несколько вариантов лендинга к завтрашнему утру? Без ИИ-ассистента это больно. С ним — рабочий сценарий.

Порог входа невысокий: программировать не нужно, нужно чувствовать интерфейс и понимать, что удобно для пользователя. Подходит людям из визуальных профессий — маркетинг, реклама, полиграфия. Удалённая работа после первых проектов — норма для этой специальности.

Посмотреть курс UX/UI-дизайнер + ИИ

Тут нужен код. Но ИИ-ассистенты — GitHub Copilot, Cursor — пишут значительную часть рутинного кода за тебя: объясняешь задачу, получаешь вариант, проверяешь и правишь. Порог входа во фронтенд стал ниже, чем был раньше — это факт.

Есть нюанс. Копилот не заменит базу — он усиливает тех, кто уже понимает, что происходит в коде. Учиться только через ИИ-подсказки и не разбираться в основах — плохая идея, портфолио потом не защитишь.

Посмотреть курс Frontend-разработчик + AI

Честно, одна из самых недооценённых точек входа в IT при смене профессии. Тестировщик не пишет продукт — он его ломает. Ищет баги, проверяет сценарии, фиксирует что пошло не так. С ИИ часть рутинных проверок автоматизируется, специалист занимается нестандартными кейсами.

Зарплата джуна скромная, да. Зато конкуренция ниже, чем у разработчиков, и обучение с нуля реально занимает меньше времени.

Посмотреть курс Инженер по тестированию + ИИ

Вот тут интересно. ИИ используют обе стороны: и те, кто защищает системы, и те, кто их атакует. Атаки стали сложнее и быстрее — защита подтягивается следом. Специалисты по кибербезу с пониманием ИИ-угроз сейчас реально в дефиците на рынке.

Профессия непростая, потребует времени. Если интересна тема безопасности, сетей, цифровых угроз — смотри в эту сторону. Удалённая работа здесь тоже распространена.

Посмотреть курс Специалист по кибербезопасности + ИИ

Меньше всего кода, больше всего коммуникации. Бизнес-аналитик переводит с языка бизнеса на язык разработчиков и обратно. С ИИ он автоматизирует сбор и обработку данных, строит отчёты, моделирует процессы.

Хорошо заходит людям с опытом в менеджменте, финансах, логистике — там, где уже понимаешь, как устроены процессы изнутри. По сути, смена профессии с надстройкой, а не с нуля.

Посмотреть курс Бизнес-аналитик + ИИ

Самый технический вариант в этом списке. Это уже не «работаю с ИИ», а «создаю и дорабатываю модели». Нужна математика, Python, понимание алгоритмов машинного обучения. Онлайн-курсов по этой специальности сейчас много, но требования к кандидатам выше, чем в других профессиях из списка.

Зато зарплаты начинаются там, где у других заканчиваются. Если не пугает учиться плотно полтора года — стоит смотреть в эту сторону.

Посмотреть курс Machine Learning Engineer + ИИ

Не выбирай профессию по зарплатным таблицам. Серьёзно. Выбирай по тому, что тебе хотя бы немного интересно делать каждый день, потому что первые месяцы обучения будут скучными в любом случае — и только личный интерес вытащит тебя до момента, когда начнётся настоящее.

Посмотри на список выше ещё раз. Какая из профессий хоть немного откликается? Не «звучит престижно», не «платят больше», а именно откликается. Там и начинай.

Если хочешь сначала посмотреть все варианты разом — я собрал подборку на easydoit.ru, там удобно сравнивать по цене и направлению.

А получится ли? Это зависит не от возраста и не от того, гуманитарий ты или технарь. Зависит от того, готов ли ты три месяца делать что-то непривычное каждый день и собирать первое портфолио даже тогда, когда хочется закрыть ноутбук.

Разрабатываю мобильные приложения в Enterprise-сегменте: Learn Japanese (4.8★ в Google Play) и Days Without Bad Habits. Обучил пятерых с нуля — четверо стали Android-разработчиками.

Все материалы в блоге основаны на практическом опыте работы с Android.

Да, и это не просто утешительная фраза для тех, кто боится. UX/UI-дизайнер, бизнес-аналитик, тестировщик — все эти специальности не требуют диплома технического вуза. Нужна база, которую даёт нормальный онлайн-курс, и первые проекты в портфолио. Диплом проверяют редко, портфолио — всегда.

От 6 до 14 месяцев — зависит от профессии и темпа. Тестировщик или UX-дизайнер — ближе к шести, если учиться по 2-3 часа каждый день. ML-инженер или кибербез-специалист — дольше. Кто обещает «войди в IT за месяц» — лукавит, и это мягко сказано.

Бизнес-аналитик + ИИ или UX/UI-дизайнер + ИИ. Там основная работа — думать о людях, процессах, коммуникации, а не писать код. ИИ-инструменты здесь скорее как Excel: учишься пользоваться, не изучаешь устройство изнутри. Переквалификация из менеджмента или маркетинга сюда заходит органично.

Реально, но не с первого дня. Первые 1-2 позиции чаще офисные или гибридные — работодатель хочет видеть джуна вживую, это нормально. Удалёнка приходит после 6-12 месяцев реального опыта. Junior зарплата на старте скромная, зато растёт быстро при активном развитии.

ML-специалист работает с данными и моделями внутри задачи. ML-инженер занимается тем, чтобы эти модели работали в реальном продукте — деплой, инфраструктура, мониторинг. Инженер ближе к разработке, специалист ближе к аналитике. Оба востребованы, оба требуют Python и понимания математики.

Зависит от самодисциплины. Самостоятельно дешевле, но большинство людей без дедлайнов и обратной связи бросают на третьем месяце. Курсы с трудоустройством дороже, зато дают структуру, ментора и иногда реальный выход на работодателя. Мне кажется, для первой смены профессии в IT структура важнее экономии.

На старте — да, большинство инструментов и документации уже переведены или есть русскоязычные альтернативы. Но английский на уровне чтения документации реально ускоряет рост: лучшие туториалы, Stack Overflow, GitHub — всё там. Это не блокер для входа, но инвестиция, которая окупается быстро.