ИИ затронет 60% профессий: что делать тем, кто уже работает

Цифра «60% профессий» звучит тревожно, но главный сигнал здесь не про мгновенную замену людей. По оценке главы HeadHunter Дмитрия Сергиенкова, которую приводит RB.ru со ссылкой на РБК, ИИ затронет около 60% профессий, а 5-10% специальностей могут заметно сократиться в ближайшие пять лет.

Для человека, который уже работает, это не абстрактная новость из мира технологий. Это вопрос о цене привычных задач: отчет, черновик договора, подборка данных, текст для клиента или анализ вакансии раньше занимали часы, а теперь часть работы можно собрать за минуты. Ценность специалиста смещается от «я сделал руками» к «я правильно поставил задачу, проверил результат и отвечаю за решение».

Что именно меняется

HeadHunter разделяет профессии на несколько групп. Одни ИИ почти не затронет: там важны физическое присутствие, полевой опыт, сложный сервис или ручной труд. В другой большой группе нейросети будут забирать рутину: первичный поиск информации, черновики текстов, типовые расчеты, отчеты, инструкции, презентации и простую аналитику.

Самая чувствительная зона — профессии, где большая часть результата уже сегодня выглядит как цифровой шаблон. В сообщении RB.ru говорится, что в отдельных таких специальностях количество вакансий для начинающих уже заметно снизилось. Это важный сигнал для тех, кто планирует переход в новую сферу и рассчитывает войти туда через самые простые задачи.

Есть и обратная сторона: навыки работы с ИИ пока указывают в резюме далеко не все соискатели. Поэтому у взрослых специалистов еще есть окно, когда можно спокойно встроить нейросети в свою профессию и получить преимущество до того, как это станет базовым требованием.

Почему это особенно важно тем, кто уже работает

У взрослого специалиста есть то, чего нет у новичка: профессиональный контекст. Бухгалтер понимает, где модель может ошибиться в документе. Маркетолог видит, когда текст звучит убедительно только на поверхности. Аналитик проверяет цифры, а не верит красивой формулировке. Руководитель понимает, какой результат можно отдавать клиенту или команде, а какой надо перепроверить.

Поэтому взрослым не обязательно начинать с абстрактного курса «про ИИ вообще». Лучше идти от своих повторяющихся задач: что вы делаете каждую неделю, где тратите время на поиск, сверку, черновики, таблицы, презентации, письма, описания вакансий, отчеты или подготовку встреч.

Где риск выше

Быстрее всего меняются роли, в которых много типовой цифровой работы и мало самостоятельного решения. Речь не о том, что эти профессии исчезнут целиком. Скорее, работодатель будет ждать большего результата от меньшего числа людей.

• Контент и маркетинг. Черновики, рекламные идеи, описания, письма и сценарии уже можно быстро собрать с помощью модели. Ценность остается в стратегии, фактуре, вкусе и проверке.
• Аналитика и отчеты. ИИ ускоряет SQL-запросы, структуру выводов, поиск аномалий и объяснение метрик. Но ошибку в данных он тоже может оформить очень уверенно.
• HR и подбор. Описания вакансий, первичный разбор резюме и адаптационные материалы становятся быстрее. Человеческая оценка мотивации и контекста никуда не уходит.
• Юридические и административные документы. Шаблоны, письма и справки автоматизируются первыми. Ответственность за смысл и риски остается на специалисте.
• Разработка и дизайн. Прототипы, тесты, документация и варианты интерфейсов ускоряются. Но архитектура, продуктовая логика и качество решений становятся еще важнее.

Чему учиться в первую очередь

Покупать первый попавшийся курс со словом «ИИ» в названии — слабая стратегия. Практичнее выбрать навык, который сразу встраивается в вашу работу и дает измеримый результат: быстрее подготовленный отчет, понятную автоматизацию, более точную аналитику или экономию времени на рутине.

1. Нейросети для своей профессии

Начните не с терминов, а с рабочих сценариев: разобрать документ, сравнить варианты, составить план встречи, подготовить структуру презентации, проверить текст на логические провалы, собрать вопросы для интервью или сделать черновик инструкции. Важно научиться давать контекст и проверять ответ, а не просто писать красивые промпты.

Для такого старта подойдут курсы по нейросетям и курсы по искусственному интеллекту, но выбирать стоит те программы, где есть задания под реальные рабочие кейсы.

2. Данные и метрики

Чем больше решений завязано на цифры, тем важнее понимать, что именно вы просите у модели. Таблицы, базовая статистика, SQL, визуализация данных и метрики помогают не утонуть в красивых, но пустых выводах. Это полезно маркетологам, продактам, руководителям, аналитикам и предпринимателям.

Если хочется уйти глубже в техническую сторону, можно смотреть в сторону Data Science или системной аналитики.

3. Автоматизация без лишней магии

Даже базовый Python, работа с API или no-code-инструменты помогают связать нейросеть с реальными процессами: выгрузить данные, обработать таблицу, подготовить шаблон письма, собрать отчет. Не каждому нужен уровень разработчика, но понимание автоматизации дает больше контроля.

Для этого маршрута можно начать с курсов по Python и простых задач из своей работы.

Быстрый тест для себя

Если в вашей работе есть хотя бы три пункта из списка, ИИ уже влияет на вашу профессию:

• вы регулярно пишете письма, отчеты, инструкции или коммерческие предложения;
• часто ищете, сравниваете и пересказываете информацию;
• работаете с таблицами, метриками или повторяющимися расчетами;
• готовите презентации, описания, брифы, вакансии или аналитические записки;
• часть задач можно описать понятным алгоритмом;
• ваш результат оценивают по скорости и объему, а не только по глубине экспертизы.

При таком наборе лучше не ждать, пока требование «умение работать с ИИ» появится в вакансии. Сильнее выглядит специалист, который уже может показать результат: вот процесс, вот где модель экономит время, вот как я проверяю качество.

Чего не стоит делать

Не стоит бросать профессию только из-за громкой цифры. ИИ чаще забирает не всю роль, а отдельные операции внутри нее. Если у человека есть предметная экспертиза, коммуникация, ответственность за решение и понимание бизнеса, нейросеть скорее усиливает его, чем заменяет.

Но и ждать «пока само пройдет» тоже рискованно. Самая уязвимая позиция — выполнять типовую задачу и не понимать, как она связана с деньгами, клиентом, данными или управленческим решением. Именно такие задачи автоматизируются первыми.

Главный вывод

Новость HeadHunter стоит читать не как приговор профессиям, а как подсказку для карьерного плана. Сначала найдите повторяющиеся задачи в своей работе, затем освойте нейросети под эти сценарии, подтяните данные и добавьте простую автоматизацию. Это более надежный маршрут, чем учиться «ИИ вообще» и надеяться, что сертификат сам по себе защитит карьеру.