Исследование TAdviser: Ключевые работодатели по ИИ в России 2024

Аналитический центр TAdviser провел исследование подходов к привлечению и найму талантов в сфере ИИ и подготовил рейтинг ключевых компаний-работодателей по ИИ в России.

По данным TAdviser, в 2024 году 90% из топ-100 крупнейших компаний России из разных отраслей экономики используют технологии машинного обучения (ML) и искусственного интеллекта для внутренних задач бизнеса, либо для разработки коммерческих продуктов для внешнего рынка. Развитие ИИ-инициатив и привлечение специалистов по технологиям машинного обучения и ИИ становится одним из ключевых приоритетов в рамках стартующего в 2025 году национального проекта «Экономика данных».

Спрос на кадры по направлению ИИ растет на фоне сохраняющегося дефицита квалифицированных ИТ-специалистов на российском рынке. В Минцифры оценивают его в 700 тыс. человек, а в Сбере и ВТБ прогнозируют, что такая ситуация будет сохраняться до 2030 года. По данным Superjob, за последний год количество вакансий для специалистов, обладающих опытом работы с нейронными сетями и навыками машинного обучения, выросло в три раза.

Востребованность специалистов AI/ML растет, но не стремительно, а умеренно. Многие компании говорят об ИИ, но каких-то больших шагов в этом направлении пока не делают, за исключением нескольких крупных игроков на рынке. На рынке труда много AI/ML специалистов уровня junior, но крайне мало senior экспертов. По нашему опыту индустрии очень нужны Senior специалисты и архитекторы высокого уровня – сейчас на них огромный спрос, поскольку компании начинают запускать крупные ИИ-проекты и им нужны профессионалы, готовые заниматься разработкой, внедрением, масштабирование и техподдержкой, - комментирует Борис Рыжков, HR-директор Softline Digital (ГК Softline).

Рост интереса к специалистам в области ИИ и машинного обучения обусловлен расширением проектов в сфере автоматизации, больших данных и аналитики, однако темпы найма в разных секторах варьируются. В нашей компании динамика стабильная: мы продолжаем активно искать и привлекать экспертов на проекты по автоматизации производства, цифровизации бизнес-процессов и сталкиваемся с конкуренцией за сильных кандидатов, особенно с компаниями, которые предлагает релокацию. Мы видим, что увеличивается спрос на специалистов, которые совмещают ИИ-компетенции с навыками в продуктовой разработке и интеграции, - отмечает представитель «Северстали».

Динамика роста особенно хорошо заметна в последние два года. Отчасти это связано с появлением ChatGPT в 2022 году. Однако не только большие языковые модели (LLM), но и все области ИИ-технологий динамично развиваются, а вместе с этим растет и интерес специалистов к отрасли. На рынке сейчас много соискателей junior-уровня (младшие и начинающие) и конкуренция среди них достаточно высока. В то же время уверенных middle (средний уровень знаний) и senior (более опытный соискатель) намного меньше, - комментирует Марина Квасова, HR Business partner MTS AI.

Для задач разных ИИ-проектов и развития продуктовой разработки по ИИ востребованы высококвалифицированные дата-сайентисты (Data Scientists, DS), ML-инженеры, MLOps и DevOps инженеры.

Наиболее востребованы специалисты в области машинного обучения, обработки естественного языка, компьютерного зрения и глубокого обучения. Спрос на DS специалистов повышается. Наиболее частый запрос - на специалистов с опытом, но так как их недостаточно, бизнес в целом готов растить специалистов под себя, в том числе, обучая стажеров, - комментирует Сергей Карпович, заместитель руководителя Т1 ИИ.

В первую очередь востребованы дата-сайентисты, работающие на стыке анализа данных и построения моделей машинного обучения, Phyton-разработчики и QA-инженеры, - отмечает Виктория Трифонова, HR-директор провайдера облачных и AI-технологий Cloud.ru.

Мы в Lamoda Tech уже более пяти лет успешно внедряем решения на основе данных с применением технологий машинного обучения и наблюдаем постоянный рост спроса на специалистов в этой области – ML-инженеров, дата-сайентистов, бэкенд-инженеров и продуктовых менеджеров ML-продуктов. Наиболее востребованы уверенные миддлы, синьоры и руководители команд. В последнее время конкуренция за опытных специалистов усилилась, в том числе из-за оттока профессионалов за границу, - считает Александр Желубенков, Head of Data Science, Lamoda Tech.

Основной спрос сосредоточен на middle и senior ML-инженерах с опытом построения и оптимизации моделей, а также на Data Scientists, умеющих работать с большими массивами данных. Особо востребованы специалисты, способные применять свои знания для разработки прикладных продуктов — от рекомендательных систем до обработки изображений и NLP. Важны не только технические навыки, но и понимание бизнес-целей, что позволяет интегрировать ИИ в продукты, улучшая пользовательский опыт, - отмечают в «Северстали».

Российские организации, ведущие разработки с использованием технологий ИИ, в последние годы увеличивают количество вакансий по этому направлению.

MTS AI активно расширяет команды ML, исследователей в сфере ИИ, тренеров ИИ. Также появляются новые специалисты и вакансии, например, промпт-инженер, RAG-инженер и др., – поясняет Марина Квасова.

В среднем, по данным TAdviser, команды специалистов по ИИ составляют около 50-100 человек для среднего бизнеса, либо выделенных структур (департаментов или дочерних организаций) внутри крупных корпораций. В крупном высокотехнологичном бизнесе (в первую очередь финтех, e-com или digital) команды по ИИ насчитывают 500-1000 человек и продолжают расти.

Как показало исследование TAdviser, наибольшие команды ИИ-специалистов собирают банки, ритейл, e-com, а также ИТ-разработчики. Последние ориентированы на создание готовых продуктов и сервисов на базе ИИ и продвижение их на рынке, в том числе, для заказчиков В2В. Банки, ритейл, e-com и промышленность, как правило, ведут внутреннюю разработку продуктов с использованием ИИ, отвечающую конкретным запросам бизнеса. Хотя некоторые структуры также рассматривают возможность последующей коммерциализации таких разработок.

Например, в Т-Банке технологии ИИ и машинного обучения интегрированы в продукты экосистемы, насчитывающей более 45 миллионов клиентов – решения применяются как в финансовых продуктах, так и в телекоммуникационных и лайфстайл-сервисах. А для повышения уровня эффективности внутрикорпоративных процессов Т-Банк создаёт копилоты на основе искусственного интеллекта для всех крупных профессий внутри компании: поддержки, продаж, представителей и ИТ-специалистов.

Мы, как и многие другие компании на рынке, планируем увеличивать численность команд, которые развивают ИИ-технологии внутри организации. В нашей компании есть отдельный центр экспертизы, который занимается разработкой и вопросами безопасности ИИ. Таким специалистам в первую очередь нужны определённые знания в области математики, знания по используемым фреймворкам, алгоритмам, - комментирует Владислав Тушканов, руководитель группы исследований и разработки технологий машинного обучения в «Лаборатории Касперского».

В «Лаборатории Касперского» отмечают, что применением ИИ занимаются три основные команды. Команда Detection Methods Analysis Group занимается развитием ML-алгоритмов для детектирования вредоносного ПО на базе как статических признаков, так и поведения. Команда Technology Research Department в составе департамента Future Technologies специализируется на исследовании перспективных ИИ-технологий, развивает продукт Kaspersky MLAD, разрабатывает Kaspersky Neuromorphic Platform (KNP), участвует в создании нейроморфного процессора следующего поколения, предоставляет сервисы AIST по безопасности ИИ. А команда MLTech отвечает за развитие корпоративной ML-инфраструктуры для обучения ML-моделей, создание моделей для детектирования контентных угроз (фишинга и спама), а также за внедрение ИИ-технологий, в том числе, на базе больших языковых моделей, в корпоративные сервисы и решения (например, MDR, Kaspersky SIEM (KUMA) и Kaspersky XDR). Другие команды также активно применяют ML для решения многих задач — от технологий машинного зрения в команде Kaspersky Antidrone и изучения ИИ-ассистентов разработчика в отделах CoreTech и KasperskyOS до применения ML к поиску сложных APT-атак в GReAT.

Привлекать таланты на перегретом рынке отечественные компании стремятся не только зарплатами. Соискатели обращают внимание также на силу бренда, профессиональную среду в команде, технологический стек и культуру разработки, а также на возможности для саморазвития.

Как показало исследование TAdviser, в более крупных структурах, как правило, более развиты карьерные лестницы для специалистов по ИИ, проработаны матрицы компетенций и треков по грейдам. В большинстве компаний предусмотрены как вертикальный, так и горизонтальный рост по экспертной ветке.

Вертикально сотрудники могут расти поэтапно – от позиций руководителя группы до руководителя направления с командами 40+ сотрудников, в некоторых компаниях – до директора департамента. Развитие в экспертную ветку подразумевает рост до роли TechLead или архитектора.

Учитывая, что команды ИИ формируются как выделенные структуры в компаниях относительно недавно, среднее время работы специалистов по ИИ в одной организации составляет 2-2,5 года, показал опрос TAdviser.

Исключение здесь – компании, начавшие развитие экспертизы ИИ раньше. Так, в «Лаборатории Касперского» машинное обучение используется почти 20 лет. 50% сотрудников, которые занимаются разработкой ML, работают больше 5 лет, и 20% - больше 7 лет. С учетом специфики направления кибербезопасности в компании распространена практика внутренних переходов, поэтому большая доля позиций закрывается внутренними кандидатами, без открытия вакансий.

Внутреннее развитие специалистов – в целом распространенная практика на рынке ИТ, которая позволяет сократить время на поиск и адаптацию новых сотрудников, а также уменьшить риски, связанные с возможными проблемами их интеграции, либо быстрым уходом.

В целях внутреннего развития компании-работодатели по ИИ предлагают пройти бесплатное обучение внутри компании – в выделенных центрах корпоративных университетах или академиях. Прокачивать и «жесткие», и «мягкие» навыки, в рамках формирования организациями культуры непрерывного обучения.

Мы сконцентрированы не только на найме новых специалистов, но и на развитии компетенций существующей ИИ-команды. Мы инвестируем в обучение: например, у каждого сотрудника есть ежегодный бюджет на платные программы, а также широкий список внутренних курсов, инвестируем в формирование индивидуальных карьерных траекторий. Также поддерживаем инициативы нашей AI команды по активному внедрению технологий искусственного интеллекта в бизнес-процессы компании, - комментирует Виктория Трифонова.

Тренд в переобучении стимулирует компании закладывать в бюджет на обучение. Многие из организаций, опрошенных TAdviser, поддерживают и оплачивают (до 100%) обучение сотрудников на различных внешних программах, а также посещение профессиональных мероприятий.

Закрывая кадровый дефицит, компании начинают играть в долгую – выращивая сотрудников, начиная со стажерских позиций и сотрудничая с вузами. Компании, опрошенные TAdviser, открывают кафедры по направлению ML или ИИ в МФТИ, ИТМО, НИУ ВШЭ. К примеру, у Сбера действует сейчас по ИТ/DS направлению 17 программ, где проходят обучение 820 студентов. «Чистый» DS представлен в сотрудничестве с НИУ ВШЭ, МФТИ, ИТМО, Иннополис, СПбГУ, МИСиС, Сколтех, НГУ, УрФУ, ДВФУ, КФУ, СНИУ, ТОГУ.

Сотрудничество с вузами помогает компаниям повышать уровень выпускников «под себя», набирая стажеров, которые затем продолжают работу в командах ИИ. Для подготовки специалистов создаются совместные программы по ИИ с разными учебными заведениями. Например, Т-Банк сотрудничает с МФТИ (совместная магистратура и исследовательская лаборатория), НИУ ВШЭ (разработан курс по рекомендательным системам) и Центральным университетом (бакалавриат и магистратура, а также исследовательская лаборатория для студентов по направлениям AI Alignment, LLM Foundations и Multimodal AI).

В Lamoda Tech готовят стипендиальную программу для бакалавров МФТИ по факультетам ФПМИ и ФРКТ, где, в том числе, готовят студентов по направлению Data Science, а сотрудники Lamoda Tech выступят менторами. «Авито» планирует до 2028 года начать сотрудничество в сфере фундаментального образования с 11 ключевыми профильными вузами.

По результатам исследования TAdviser, основные рассмотренные факторы возможностей привлечения и развития ИИ специалистов стали основой для формирования рейтинга ключевых ИИ-работодателей в России. Оценивались как базовые параметры – текущий найм, возможности карьерного роста и обучения, так и технологические - направления продуктовой разработки. Также учитывался вклад компаний в построение и развитие российского сообщества ИИ.

В российской ML/AI индустрии уже сформировалось локальное сообщество, которое продолжает расширяться. Большую популярность приобретают различные обучающие программы, хакатоны и исследовательские конкурсы. Крупные участники рынка вкладываются в развитие профессионального сообщества: предоставляют площадки, которые объединяют энтузиастов, пионеров и экспертов в области ИИ, но остается важный вопрос привлечения и обучения новых специалистов. Рассматривать дальнейший обмен экспертизой в отрыве от глобального рынка неперспективно. Здесь открывается большое поле для коллабораций и кооперации, новых инициатив, которые позволят сообществам из дружественных стран обмениваться опытом, что, в свою очередь, приведет к развитию технологии. Демократизация AI – сегодня уже не просто тренд, а молодое и уверенное направление, которое создает новые профессии и вместе с тем новые возможности как для бизнеса, так и для конечных пользователей, - отмечает Виктория Трифонова.

Сотрудники MTS AI побеждают в международных конкурсах, занимая призовые места. Проводят митапы, обучающие программы, работают со студентами и школьниками, пишут статьи уровня A*, продолжают развивать ИИ и ML в своей области знаний. Другие участники рынка также достаточно активны, так как в гонке за специалистов на рынке труда компания должна быть узнаваема, а в этом и помогают собственные сообщества, - комментирует Марина Квасова.

Сообщества ИИ обеспечивают быстрый обмен информацией. Это стопроцентно способствует развитию технологий. Пока нет такого, чтобы участники рынка активно объединялись и создавали одно глобальное сообщество, но на уровне компаний формируются крепкие локальные комьюнити, которые проводят тематические конференции, устраивают хакатоны и пр., - комментирует Борис Рыжков.

Российское DS-сообщество сейчас активно накапливает опыт и обменивается знаниями. В его развитии участвуют как отдельные компании, так и крупные игроки на рынке ИТ-конференций, такие как Онтико и Jug, которые запустили две новые конференции по ИИ и машинному обучению, - дополняет Александр Желубенков.

Локальное сообщество развивается, но его активность пока отстает от международных стандартов. Есть положительная динамика: проводятся хакатоны, митапы, конференции, инициируемые как крупными корпорациями, так и университетами. Участники рынка проявляют интерес к таким инициативам, но пока недостаточно взаимодействуют друг с другом. Формирование более активного сообщества поможет ускорить обмен знаниями, повысить квалификацию специалистов и стимулировать развитие отечественных ИИ-продуктов. Это особенно актуально на фоне ограниченного доступа к некоторым международным ресурсам, - резюмируют в «Северстали».

Компании-участники рейтинга TAdviser представляют разные отрасли экономики, включая ИТ, телеком, финансы, ритейл, e-com и промышленность. В рейтинге участвуют компании, представляющие крупный и средний бизнес.

Всего было опрошено 45 компаний. В итоговый сводный рейтинг были включены 20 ключевых работодателей по ИИ. Сравнивались выделенные подразделения или дочерние структуры организаций, ведущие разработку ИИ.

Каждая компания-участник рейтинга TAdviser получает баллы в каждой из категории:

1. Карьерное развитие по специальностям ML/ИИ
2. Развитие hard skills по ML/ИИ
3. Разработка продуктов на базе ML/ИИ*
4. Участие в развитии сообщества/рынка ML/ИИ
5. Удовлетворенность сотрудников

^{* Внутренние разработки и разработка продуктов для рынка. Большее количество баллов получают компании, коммерциализирующие свои разработки ИИ}

Каждая категория получает свою оценку в баллах, а также имеет свой вес в итоговом балле.

Данные для рейтинга предоставляли представители компаний. Также для оценок использовались данные из открытых источников, данные предыдущих исследований и экспертные оценки TAdviser.