5 профессий будущего, к которым стоит присмотреться уже сейчас

Профессии, приближающие будущее, уже сейчас встречаются на рынке труда. «РБК Стиль» и HR-бренд «Сбера» попросили представителей новых профессий объяснить, что они собой представляют и почему востребованы в будущем

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.

Работа AI-тренеров — на стыке редактуры, аналитики и IT. Шеф-редакторы получают от другого отдела сгенерированные тексты, а команда тренеров:

• правит их с точки зрения стиля и оформления;

• проверяет факты;

• расставляет теги;

• блокирует некорректные ответы;

• следит за этической составляющей.

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».

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»

Начал путь в профессии в 2020 году, в момент очередного скачка развития IT-сферы и Data Science, стажировался в компании Wildberries.

«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. Иногда я шучу, что мы похожи на бригаду на заводе Генри Форда: нам платят только тогда, 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.

Паниковать насчет того, что результат моей деятельности опасен для «человеческих работников», не стоит. Существуют исследования, по которым финансовый прирост от внедрения ИИ в процессы различных компаний в среднем составляет 5–10%. Сами опасения по поводу дальнейшего внедрения ИИ вызваны завышенными ожиданиями — они кратно выше текущих процентных показателей».

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.

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».