5 профессий будущего, к которым стоит присмотреться уже сейчас

Представленный на Всемирном экономическом форуме доклад «Будущее рабочих мест 2025» обозначил ландшафт вакансий в ближайшие десять лет и оформил прогнозы, куда движутся макроэкономические тенденции, как они влияют на рынок труда и формируют новые перспективы. Согласно ему, в этом десятилетии под воздействием технологического развития появятся около 170 млн новых рабочих мест. Больше того, в ближайшие пять лет важность новых навыков будет расти быстрее других: инструменты ИИ становятся частью повседневности, о big data все знают чуть ли не с пеленок, а основы кибербезопасности преподают в школах наряду с ОБЖ. Но важность творческого мышления, любопытства и психологической гибкости, а также стремления обучаться новому и менять или улучшать квалификации никуда не денутся.

Нейросетям и языковым моделям нужны тренеры, инженеры и аналитики, а технологиям — евангелисты. Но как именно строится это взаимодействие?

AI-тренер

• Кто: Надежда Лайне
• Кем работает: шеф-редактор команды AI-тренеров в «Сбере»

Раньше была главным редактором креативных проектов, занималась коммерческой редактурой и работала на фрилансе. В этом году выбрала работу в корпорации и теперь руководит теми, кто обучает нейросети.

«Когда появился ChatGPT, я отнеслась к нему скептически. Все изменилось полтора года назад, когда я решила поболтать с моделью. Оказалось, что нейросеть общается как человек. Я была в восторге и решила научить ее писать статьи, чтобы она хотя бы подсказывала мне идеи или составляла план. Спустя полтора года результаты начали меня радовать: они не были идеальными, но я видела прогресс.

Общение с нейросетью было похоже на работу с начинающим автором, который запоминает правки и старается. Поэтому, когда я откликнулась на вакансию шеф-редактора AI-тренеров, у меня не было когнитивного диссонанса. Мы учим нейросеть давать точные, корректные и этичные ответы. Все то, что я делала сама из интереса.

Например, в медицинских темах важно, чтобы совет был безопасен и содержал предупреждение о необходимости обратиться к врачу. Как раз редакторы проверяют ответы на достоверность и этичность, чтобы пользователь был в безопасности и получил актуальную информацию.

Как шеф-редактор я распределяю задачи, контролирую сроки и нагрузку, обучаю новичков и решаю эмоциональные или другие проблемы команды. Несмотря на удаленку, я всегда вижу, кто и сколько работает, — это помогает сохранять ритм и культуру официального рабочего дня.

AI-тренеры работают с разными форматами — от инфостиля до художественных текстов, стихотворений, рецептов и математических задач. Чаще всего мы просим нейросеть объяснять вещи просто и понятно, но если нужно — делаем фанфик или научную статью. Также AI-тренеры участвуют в разработке узкоспециализированных агентов — нейросетей под конкретный запрос.

ИИ — это инструмент, а не конкурент. Если глаз замылился, нейросеть может подсказать, где ошибка или логический пробел. В будущем многие коммерческие редакторы будут работать с ИИ, чтобы оптимизировать процессы.

Профессия AI-тренера только развивается, и спрос на специалистов будет расти. Даже если мы научим нейросеть всему, что знаем, хорошие редакторы останутся востребованными. Просто у них появятся новые инструменты и возможности».

© Rapha Wilde / Unsplash

Технологический евангелист

• Кто: Александр Белоцерковский
• Кем работает: директор по технологическому евангелизму в «Сбере»

Всегда любил разбираться в чем-то и рассказывать об этом другим. Начал путь в профессии в 2014 году в Microsoft, а сейчас работает в одном из крупнейших разработчиков программного обеспечения в России — в «СберТехе».

«Технологический евангелист занимается продвижением технологий и продуктов. Евангелист выступает с лекциями, формирует и сопровождает сообщества, работает с докладчиками, разрабатывает код и осуществляет другую деятельность, которая помогает формировать сообщество сторонников.

ИИ и его применение в разработке программного обеспечения — одно из ключевых направлений «СберТеха», так что команда развивает внутреннее сообщество пользователей нейросетей. Например, для кого-то пока непривычно внедрять ИИ в свою работу. И для них мы разрабатываем сценарии пользования: от прикладных на каждый день до комплексных. Все это нужно не только разработчикам. Как говорит директор «СберТеха» Максим Тятюшев, наша цель — сделать программирование доступным каждому.

Технологический евангелист включится в работу с внешней аудиторией, если потребуется продвигать продукт в этом направлении. Особенно это актуально при выводе нового продукта на рынок. Или в случае, если аудитория настроена скептически.

Сегодня такой человек помогает людям разбираться в тех или иных технологиях и продуктах, рассказывает о них доступным языком. Я вижу свое призвание в том, чтобы показывать, каким образом они влияют на мир и делают его лучше и как человек может использовать их себе во благо».

Исследователь данных

• Кто: Никита Буц
• Кем работает: исполнительный директор по исследованию данных в «Сбере»

Свою карьеру в Data Science начал в 2020 году, на волне бурного роста IT и анализа данных. Старт был на стажировке в одной e-commerce-корпорации, затем последовала работа в других крупных компаниях. Параллельно пробовал силы в предпринимательстве — запустил стартап, где использовали искусственный интеллект для решения актуальных экологических проблем. Этот разнообразный опыт, от основ до практического внедрения ИИ в реальные проекты, стал фундаментом для нынешней роли: Никита Буц руководит созданием инструментов для других AI-команд.

«Исследователь данных (аналитик данных, data scientist) — специалист, который помогает компании прогнозировать поведение и действия клиентов, основываясь на статистических данных и моделировании. Например, предсказывать, для чего клиенту понадобится услуга или товар.

Освоить эту профессию могут люди технических специальностей, наиболее подходящие — в области математики или программирования. Также сейчас в университетах открывают отдельные программы в области анализа данных, статистического моделирования и искусственного интеллекта.

После бурного роста сфера Data Science стабилизировалась, так что компании выработали стандартизацию подходов к проектированию сложных систем на основе ИИ. Моя команда тут и пригодилась: именно мы разрабатываем автоматизированные инструменты для модернизации процессов разработки ИИ-решений, проверки их качества, интеграции с другими информационными системами компании. Наши решения делают разработку ИИ-алгоритмов системной и бесперебойной, снижают человеческий фактор, повышают уверенность в разработке.

Я руковожу коллективом, и моя цель — сделать все, чтобы нашими продуктами пользовались другие аналитические ИИ-команды. Мы похожи на бригаду на заводе Генри Форда: наш труд ценен, когда все инструменты работают стабильно.

Начинаю я свой день с разбора почты и планирования работы моей команды: мы обсуждаем, кто что сделал накануне, ближайшие задачи, возникающие трудности. Остаток дня я могу потратить на встречи с пользователями наших инструментов, собирая список доработок, отзывы, занимаясь консультациями, презентациями результатов. А могу погрузиться в техническую работу: заняться проектированием общей архитектуры конкретного инструмента автоматизации, помочь написать код или алгоритм.

Иногда слышу опасения: "А не заменит ли искусственный интеллект людей?" Понимаю эти мысли, но спешу успокоить. Реальность ИИ сегодня — это не фантастика про восстание машин. Наши инструменты — это прежде всего "умные ускорители" и "помощники". Они берут на себя рутину и сложные технические расчеты, которые раньше отнимали у аналитиков массу времени. Освободившиеся часы специалисты тратят на то, что пока не под силу машинам: на глубокое понимание бизнес-задач, поиск нестандартных решений, общение с клиентами и коллегами. Внедрение AI скорее меняет характер работы, чем сокращает ее. Ожидания, что искусственный интеллект вот-вот заменит всех, сильно опережают его реальные, практические возможности. Наш опыт показывает: ИИ — это мощный инструмент для человека, а не его замена».

© Vino Li / Unsplash

Эксперт по охране окружающей среды

• Кто: Екатерина Овчинникова
• Кем работает: эксперт по охране окружающей среды в «Сбере»

Эксперт по охране окружающей среды. Начала путь в профессии в 2017 году, который был объявлен в России Годом экологии.

«Я окончила Сибирский государственный университет путей сообщений по специальности «промышленное и гражданское строительство», где изучала водоснабжение и водоотведение. Тема меня особенно увлекла — после вуза я прошла курсы повышения квалификации и решила развиваться в этом направлении.

Сейчас я занимаюсь анализом данных, экологическим контролем, ведением отчетности. Это помогает:

• внедрять зеленые практики — переход на раздельный сбор мусора в офисе привел к сокращению отходов;
• снижать затраты на энергоресурсы — например, внедрять датчики движения, умные розетки, которые включают пурифайеры перед рабочим днем и не греют воду всю ночь;
• развивать инфраструктуру — например, мы устанавливаем электрозаправочные станции на территории Сибирского банка.

Профессии не хватает стандартов: когда методики расчета углеродного следа различаются, нужно сравнивать данные. Также есть проблема «зеленого камуфляжа»: некоторые компании имитируют экологичность, но не добиваются реальных изменений. Также есть сложности с переработкой отходов: в наших регионах пока не хватает перерабатывающих заводов с надлежащим оборудованием.

Среди перспектив моей профессии — однозначно цифровизация экологии. Это использование аналитических ИИ-инструментов для изучения углеродного следа и дальнейшего его контроля. Кроме того, моя работа влияет на создание новых профессий: менеджеры по декарбонизации (комплекс мер и технологий по сокращению выбросов углекислого газа и других парниковых газов) или эксперты по климатическим рискам.

Экологическая экспертиза необходима компаниям, которые нацелены на так называемый зеленый разворот — глобальную тенденцию к переходу на устойчивую экономику с упором на защиту окружающей среды, снижение выбросов углерода, использование возобновляемых источников энергии и минимизацию вреда природе.

Во-первых, это формирует репутацию: клиенты и инвесторы выбирают ответственные предприятия. Во-вторых, высокие ESG-показатели (ESG — экология, социальная политика и корпоративное управление) влияют на привлечение инвестиций. Также это напрямую определяет будущее бизнеса: без зеленой трансформации он просто не выживет в новой реальности».

Дата-инженер

• Кто: Дарья Латорцева
• Кем работает: дата-инженер в команде GigaChat «Сбера»

Занимается развитием агентов (виртуальных собеседников) в нейросети GigaChat. Пришла в свою будущую профессию стажером.

«Мои технические навыки выросли из университетских курсов, любознательности и интереса к индустрии. Мне повезло оказаться в команде, которая тогда работала как стартап: мы вместе учились работать с LLM (Large Language Model, она же большая языковая модель, или нейросеть), искали новые подходы, экспериментировали.

Разнообразный опыт помогает специалисту в этой сфере смотреть шире, находить нестандартные пути решений и гипотезы. Например, я параллельно учусь на биоинформатика. Сейчас индустрия на пике, и готовых гайдлайнов почти нет. Зато есть огромный простор для творчества и возможность приносить реальную пользу. Мой выбор заниматься LLM был естественным: это пересечение технологий и науки, а еще возможность повлиять на жизнь миллионов людей.

Представьте, что большая языковая модель — это ребенок. Его нужно «вырастить»: дать ему огромный багаж знаний, развить навыки, научить разным профессиям и сделать интересным собеседником. LLM в будущем должна стать универсальным инструментом, который работает без сбоев и помогает бизнесу, разбирается в науке, решает бытовые задачи, находясь в числе лучших в мире и побеждая на международных бенчмарках (стандартизированные тесты или рейтинги, позволяющие сравнивать производительность компьютерных систем).

Дата-инженеры — это специалисты, которые помогают «растить» этого ребенка. Как и любому инженеру, в работе им необходимо продумывать решения, заниматься проектированием. Иначе говоря, превращать хаос в надежные процессы. Мы строим системы, которые собирают, хранят, обрабатывают и передают данные для обучения языковых моделей. Если инженер прокладывает дороги, по которым движутся машины, то дата-инженер прокладывает «дороги» для данных — от источника до модели.

© Caleb Jack / Unsplash

Ключевая задача моей команды — обогащать модель в процессе обучения: помогать ей лучше адаптироваться к разным контекстам, запросам, целям. В GigaChat мы развиваем агентные возможности: характер, память и внешние навыки. Пользователь настраивает агента через системные инструкции (описания, каким должен быть ответ модели) и подключаемые функции под свои задачи.

Например, можно создать:

• эмпатичного, поддерживающего собеседника с доступом к календарю или заметкам;
• строгого учителя математики для тренировки навыков;
• креативного сценариста с поиском в интернете для совместного творчества.

Я считаю, что будущее за профессией дата-инженера, потому что мир уже утопает в данных, и выиграют те, кто умеет их структурировать. LLM становятся основой для новых сервисов и профессий прямо сейчас, и каждое улучшение данных и персонажей напрямую меняет качество общения нейросети с пользователями».

Реклама, ПАО «Сбербанк», erid: 2SDnjcYvNEB