ИИ теперь требуют в 43% вакансий, но есть нюанс 📉 Помните, я рассказывал про эпидемию ИИ-балаболов, где 63% соискателей признались во вранье о своих навыках работы с нейросетками, и путешественников во времени на LinkedIn, приписывающих себе «GenAI» в опыт десятилетней давности?

И вот бизнес уже массово требовует эти навыки у соискателей. Вышло свежее исследование «Яндекс Практикума» и Getmatch на РБК: к маю 2026 года навыки работы с ИИ стали обязательными уже в 42,9% вакансий в диджитале и IT (еще полгода назад было 34,5%).

Более того, по частоте упоминаний требования к работе с LLM уже обогнали английский язык, Jira и Excel.

Где подгорает сильнее всего: 🔵 Проджекты: взрывной рост требований с 9,5% до 35%. Бизнес свято верит, что менеджер с нейронкой заменит троих. Зато и прибавка к медиане у них самая заметная — до +14,5%. 🔵 Инфобез: скачок с 8,8% до 32,3%. Логично: дыры от сгенерированного кода и кривых интеграций кому-то нужно закрывать. 🔵 Разработка: в Java/Scala рост с 15,4% до 37,5%, в JS/TS — до 40,9%. В Python (54,3%) и DevOps (55,6%) это уже давно базовая гигиена, которую даже не всегда пишут в требованиях.

Отдельный привет начинающим: в джуниорских вакансиях доля требований к ИИ пробила 35%. Джунам теперь мало знать базу, язык и алгоритмы — нужно еще на входе доказать, что ты умеешь работать в связке с нейросетками, чтобы выдавать перформанс мидла за треть зарплаты 🙃

Но самая мякотка даже не в процентах, а в содержании требований 🤌

Упоминания ChatGPT (0,4%) и Copilot (0,3%) в требованиях болтаются на уровне статистической погрешности. Рынок наелся «умения составлять запросы» и хочет реальной инженерки: в вакансиях поползли вверх RAG (3,3%) и LangChain (2,9%). То есть бизнесу нужны люди, способные встроить модели в архитектуру, базы данных и рабочие процессы, а не просто копипастеры из веб-интерфейса. Внезапно выяснилось, что прикрутить LLM к живому продукту — это не «отправить промпт в API», а сложная инженерная работа. 😱

В общем, работодатели панически пихают модные аббревиатуры в половину описаний позиций, соискатели судорожно дописывают RAG и LLM в резюме после просмотра пары туториалов, а эйчары всё так же с трудом понимают, как валидировать этот опыт на практике. Радует здесь только одно: инженерная прагматика начинает вытеснять хайп. Базовое понимание того, как работают эмбеддинги, пайплайны и интеграция моделей, становится таким же гигиеническим минимумом, каким когда-то стал Git.