2 октября 2026
1
Рынок труда переживает тихую, но жесткую перестройку. Еще в декабре 2025 года навыки работы с искусственным интеллектом указывались в 34,5% digital-вакансий. В 2026 году эта цифра достигла 42,9%. Но самое любопытное не в росте процентов, а в скрытой проблеме: более половины компаний признаются, что ошиблись в найме, приняв умение пользоваться чат-ботом за реальную ИИ-компетенцию.
Аналитики TestGorilla выяснили: многие кандидаты активно говорят об ИИ на собеседованиях, но не могут применить его для получения реального рабочего результата. Зарплаты в вакансиях с ИИ-требованиями в среднем на 11% выше рыночных (а в некоторых ролях надбавка достигает 56%, согласно данным Lightcast). Однако компании переплачивают за навык, который осваивается за несколько часов, путая ИИ-грамотность с ИИ-нативностью.
Разберемся, чем эти понятия отличаются на практике и как построить систему оценки, чтобы не платить за воздух.
ИИ-грамотность — это знание теории: как работают трансформеры, что такое нейросети и чем GigaChat отличается от ChatGPT.
ИИ-нативность — способ мышления. Человек анализирует, как ИИ может помочь в текущей задаче, и обращается к нему так же естественно, как к поисковику
Эксперт Учебного центра IBS, доцент департамента программной инженерии факультета компьютерных наук НИУ ВШЭ, к.т.н., автор карт ИИ-эффективности IBS Александр Брейман замечает:
«„ИИ-нативность“ сегодня попала в вакансии примерно в том же качестве, в каком двадцать лет назад туда попадал „уверенный пользователь ПК“: слово есть, за ним стоит смутное „умеет пользоваться нейросетями“. Работодатель проверяет поверхностный слой: знает ли кандидат, что такое промпт. Но порог входа низок, инструмент осваивается за часы и сам по себе не создает разницы в производительности труда».
Критическая проверка ответов
Обычный пользователь видит в ответе модели готовое решение. ИИ-нативный специалист видит версию, которую нужно перепроверить. Он ищет логические ошибки, сверяет факты и анализирует, подходит ли результат для реальной работы.
Проектирование, а не исполнение
ИИ-нативный специалист не пишет один запрос и не берет первый ответ. Он разбивает задачу на части, решает, где подключить ИИ, а где опереться на собственный опыт и знания, и работает по циклу: «набросал — проверил — уточнил — получил результат». И так несколько раз.
Системность в использовании
ИИ-нативные сотрудники не используют инструменты от случая к случаю. У них есть набор проверенных решений под разные задачи, собственные агенты и отлаженные процессы.
Совместное мышление
Они приходят к нейросети не только с просьбой «сделать», но и с вопросом «как подумать». Генерация идей, проверка гипотез, взгляд на проблему с другой стороны — это становится частью их мыслительного процесса.
Эксперты сходятся во мнении, что оценивать нужно не знание кнопок, а качество мышления. Александр Брейман подчеркивает:
«Реальная ИИ-нативность связана с новым и не для всех привычным способом ставить задачи. Сотрудник заранее раскладывает работу так, чтобы часть ее можно было отдать ИИ. Он описывает образ результата через проверяемые критерии, а не через "сделай красиво", и заранее знает, как будет проверять ответ. Компетентность смещается с исполнения на постановку и верификацию. Это рождает новый вид профессиональной непригодности: избыточное доверие к правдоподобному тексту. Человек, который не умеет отличить обоснованный ответ от гладко написанного, с ИИ становится Незнайкой за рулем мощного автомобиля».
Для бизнеса это означает пересмотр подходов к найму. Согласно исследованию PwC, навыки в профессиях с высоким воздействием ИИ меняются на 66% быстрее, чем в остальных. То, что вчера было конкурентным преимуществом, сегодня становится обязательным минимумом.
Работа с ИИ в реальном времени. Откройте нейросеть и дайте кандидату реальную рабочую задачу. Пятнадцать минут наблюдения покажут больше, чем час традиционного интервью. Обратите внимание на комфортность работы, формулировку запросов и глубину уточнений.
Практический кейс с открытым доступом. Разрешите использовать любой инструмент. Оценивайте не скорость, а процесс: как формулируется запрос, проверяется ли ответ и исправляются ли ошибки.
Тест на галлюцинации. Это самый надежный метод. Предоставьте ответ ИИ, который звучит уверенно, но содержит фактическую ошибку. ИИ-нативный кандидат заметит нестыковку и укажет на нее.
Вопрос про реальный опыт. Спросите: «Как вы использовали ИИ вчера?» Конкретный ответ (инструменты, задачи, результат) говорит о привычке. История про «месяц назад» сигнализирует, что ИИ не стал частью рутины.
Стандартизация оценки. Введите простую шкалу: качество промпта, глубина итераций, качество проверки и финальный результат. Это убирает субъективность при сравнении кандидатов.
Что теряет в цене:
Написание черновиков и типовых текстов.
Создание стандартного кода.
Составление обзоров источников.
Эти задачи ИИ выполняет за минуты, и их стоимость на рынке падает.
Что остается дорогим и ценным:
Предметная экспертиза. Заметить ошибку в красивом ответе нейросети может только тот, кто сам глубоко знает тему.
Вкус и суждение. ИИ генерирует варианты, но выбор лучшего с учетом контекста и нюансов остается за человеком.
Ответственность за результат. Подписаться под финальным продуктом и гарантировать его качество может только специалист, а не машина.
Александр Брейман резюмирует это так:
«Для рынка труда это означает жесткую перестройку. Дешевеет все рутинное и типовое: черновик текста, код программы, обзор источников. Дорожает то, что ИИ пока полностью не закрывает: предметная экспертиза, вкус и суждение, готовность подписаться под результатом. Работодателям я советую проверять эти умения на реальных задачах: дать кандидату рабочий кейс и смотреть не на скорость, а на то, где он остановился, что перепроверил и как объяснил, почему результату можно верить».
Александр Брейман из Учебного центра ИБС отмечает:
«Компетентность смещается с исполнения на постановку и верификацию. Это требует не просто знания инструментов, а нового способа мышления — умения разложить задачу так, чтобы часть её можно было делегировать ИИ, и при этом проверить результат».
Главный вопрос, который сегодня стоит перед бизнесом и специалистами: как именно перестроить свои рабочие привычки? Ответ кроется не в разовых экспериментах, а в целенаправленном освоении методологий под конкретные профессиональные задачи.
Сегодня на рынке представлены программы, которые помогают перейти от хаотичного использования ИИ к системной работе. В каталоге Учебного центра ИБС собрано более 30 курсов, каждый из которых заточен под конкретную профессиональную роль:
Для руководителей и стратегов — программы по внедрению ИИ в бизнес-процессы, управлению ИИ-агентами и цифровой трансформации с расчётом ROI.
Для HR, маркетологов, бухгалтеров и юристов — узкие практические курсы, которые автоматизируют рутинные задачи в конкретной области.
Для разработчиков и ИТ-специалистов — углублённые программы по интеграции ИИ в стек: от Python и Java до DevOps и кибербезопасности.
Для аналитиков и тестировщиков — курсы по автоматизации пайплайнов данных, тестированию и бизнес-аналитике с помощью ИИ.
Важно, что все программы построены не вокруг теории промпт-инжиниринга, а вокруг реальных рабочих кейсов. Это соответствует главному принципу, который мы обсуждали: оценивать и развивать нужно не знание кнопок, а умение ставить задачи, проверять ответы и брать ответственность за результат.
Подобрать программу под вашу роль и уровень подготовки можно в нашем каталоге курсов по ИИ. Каждый курс содержит детальное описание, формат обучения и уровень сложности.
Для работодателей:
Уберите из вакансий абстрактное «владение ИИ» — уточняйте, какой именно результат вы ждёте.
Внедрите практические тесты на галлюцинации в процесс найма.
Обучайте команду не нажатию кнопок, а методологии верификации ответов.
Для специалистов:
Инвестируйте не в инструменты, а в экспертизу в своей предметной области.
Учитесь формулировать задачу так, чтобы её можно было проверить.
Помните: вы несёте ответственность за каждый ответ, выданный с помощью ИИ.
Рынок перестраивается. Но это не повод для тревоги, а возможность для тех, кто готов перестать быть исполнителем и стать архитектором своего результата. И для этого не нужно начинать с нуля — достаточно сделать первый шаг в правильном направлении.
Разберемся, чем эти понятия отличаются на практике и как построить систему оценки, чтобы не платить за воздух.
Что такое ИИ-нативность
Часто можно услышать, что ИИ-нативность — это просто умение работать с нейросетями. Но исследования Indeed и YouGov разделяют эти понятия более строго:Эксперт Учебного центра IBS, доцент департамента программной инженерии факультета компьютерных наук НИУ ВШЭ, к.т.н., автор карт ИИ-эффективности IBS Александр Брейман замечает:
«„ИИ-нативность“ сегодня попала в вакансии примерно в том же качестве, в каком двадцать лет назад туда попадал „уверенный пользователь ПК“: слово есть, за ним стоит смутное „умеет пользоваться нейросетями“. Работодатель проверяет поверхностный слой: знает ли кандидат, что такое промпт. Но порог входа низок, инструмент осваивается за часы и сам по себе не создает разницы в производительности труда».
Чем ИИ-нативный специалист отличается от обычного пользователя
Разница между ними не в количестве скачанных приложений, а в подходе к задачам. Исследователи выделяют четыре ключевых отличия.Критическая проверка ответов
Обычный пользователь видит в ответе модели готовое решение. ИИ-нативный специалист видит версию, которую нужно перепроверить. Он ищет логические ошибки, сверяет факты и анализирует, подходит ли результат для реальной работы.
Проектирование, а не исполнение
ИИ-нативный специалист не пишет один запрос и не берет первый ответ. Он разбивает задачу на части, решает, где подключить ИИ, а где опереться на собственный опыт и знания, и работает по циклу: «набросал — проверил — уточнил — получил результат». И так несколько раз.
Системность в использовании
ИИ-нативные сотрудники не используют инструменты от случая к случаю. У них есть набор проверенных решений под разные задачи, собственные агенты и отлаженные процессы.
Совместное мышление
Они приходят к нейросети не только с просьбой «сделать», но и с вопросом «как подумать». Генерация идей, проверка гипотез, взгляд на проблему с другой стороны — это становится частью их мыслительного процесса.
Почему старые методы собеседований больше не работают
Кандидаты уже активно используют ИИ для составления резюме и портфолио. Спрашивать на собеседовании «Знаете ли вы ChatGPT?» бесполезно — это все равно что спрашивать продавца, умеет ли он держать ручку.Эксперты сходятся во мнении, что оценивать нужно не знание кнопок, а качество мышления. Александр Брейман подчеркивает:
«Реальная ИИ-нативность связана с новым и не для всех привычным способом ставить задачи. Сотрудник заранее раскладывает работу так, чтобы часть ее можно было отдать ИИ. Он описывает образ результата через проверяемые критерии, а не через "сделай красиво", и заранее знает, как будет проверять ответ. Компетентность смещается с исполнения на постановку и верификацию. Это рождает новый вид профессиональной непригодности: избыточное доверие к правдоподобному тексту. Человек, который не умеет отличить обоснованный ответ от гладко написанного, с ИИ становится Незнайкой за рулем мощного автомобиля».
Для бизнеса это означает пересмотр подходов к найму. Согласно исследованию PwC, навыки в профессиях с высоким воздействием ИИ меняются на 66% быстрее, чем в остальных. То, что вчера было конкурентным преимуществом, сегодня становится обязательным минимумом.
Как проверить ИИ-нативность на собеседовании: 5 методов
Рекомендации специалистов по оценке персонала сводятся к одному принципу: не спрашивайте о навыках — наблюдайте за работой с инструментом в реальном времени.Что дорожает на рынке труда, а что дешевеет
Внедрение ИИ меняет ценность профессий. Исследования Lightcast показывают: надбавка за ИИ-навыки в среднем составляет 28%.Что теряет в цене:
Эти задачи ИИ выполняет за минуты, и их стоимость на рынке падает.
Что остается дорогим и ценным:
Александр Брейман резюмирует это так:
«Для рынка труда это означает жесткую перестройку. Дешевеет все рутинное и типовое: черновик текста, код программы, обзор источников. Дорожает то, что ИИ пока полностью не закрывает: предметная экспертиза, вкус и суждение, готовность подписаться под результатом. Работодателям я советую проверять эти умения на реальных задачах: дать кандидату рабочий кейс и смотреть не на скорость, а на то, где он остановился, что перепроверил и как объяснил, почему результату можно верить».
Куда двигаться дальше
В 2026 году ИИ-нативность перестала быть абстрактной компетенцией. Это конкретный набор навыков, которые можно и нужно развивать системно. Однако, как показывает практика, большинство специалистов и руководителей застревают на стадии «поигрался с ChatGPT» и не переходят к встраиванию ИИ в реальные рабочие процессы.Александр Брейман из Учебного центра ИБС отмечает:
«Компетентность смещается с исполнения на постановку и верификацию. Это требует не просто знания инструментов, а нового способа мышления — умения разложить задачу так, чтобы часть её можно было делегировать ИИ, и при этом проверить результат».
Главный вопрос, который сегодня стоит перед бизнесом и специалистами: как именно перестроить свои рабочие привычки? Ответ кроется не в разовых экспериментах, а в целенаправленном освоении методологий под конкретные профессиональные задачи.
Практические шаги для разных ролей
Рынок уже сформировал запрос на узкоспециализированные компетенции. То, что работает для маркетолога, не подходит бухгалтеру или разработчику. И подход к обучению должен быть таким же адресным.Сегодня на рынке представлены программы, которые помогают перейти от хаотичного использования ИИ к системной работе. В каталоге Учебного центра ИБС собрано более 30 курсов, каждый из которых заточен под конкретную профессиональную роль:
Важно, что все программы построены не вокруг теории промпт-инжиниринга, а вокруг реальных рабочих кейсов. Это соответствует главному принципу, который мы обсуждали: оценивать и развивать нужно не знание кнопок, а умение ставить задачи, проверять ответы и брать ответственность за результат.
С чего начать?
Если вы руководитель — начните с диагностики: насколько ваша команда готова к системному использованию ИИ? Если вы специалист — выберите программу под свою роль, чтобы не тратить время на общие курсы, а сразу внедрять инструменты в повседневную работу.Подобрать программу под вашу роль и уровень подготовки можно в нашем каталоге курсов по ИИ. Каждый курс содержит детальное описание, формат обучения и уровень сложности.
Вместо заключения: чек-лист для бизнеса и специалистов
В 2026 году базовые навыки работы с чат-ботами перестали быть преимуществом. Это новый стандарт грамотности. Настоящая ценность сместилась в плоскость постановки задач, проверки гипотез и управления качеством.Для работодателей:
Для специалистов:
Рынок перестраивается. Но это не повод для тревоги, а возможность для тех, кто готов перестать быть исполнителем и стать архитектором своего результата. И для этого не нужно начинать с нуля — достаточно сделать первый шаг в правильном направлении.