Рынок людей, способных не просто пользоваться нейросетями, а связывать ИИ с бизнес-процессами, данными, людьми и экономическим результатом, ещё формируется. Поэтому для многих компаний задача сегодня — не найти «идеального AI-директора», а определить, какие компетенции нужны внутри, какие разумно привнести извне и кто будет связывать их в единую систему.
Это третья часть нашей серии о руководителе по ИИ. Сначала мы разобрали, что компании полезно определить ещё до найма. Затем — что происходит после найма, если у нового руководителя нет данных, полномочий и поддержки. Теперь логичный следующий вопрос: где вообще брать таких людей?
Компании уже ищут руководителей по ИИ, AI transformation lead, директоров по искусственному интеллекту. Но сама профессия ещё не успела накопить длинную историю. Поэтому традиционный вопрос «сколько лет вы работали именно в этой роли?» сегодня может давать меньше информации, чем кажется.
Профессия моложе ожиданий бизнеса
Бизнесу хочется понятного кандидата: человека, который уже несколько раз внедрял GenAI, знает отрасль, понимает финансы, данные, процессы, безопасность, умеет управлять людьми и может показать готовую платформу.
Логика понятна. Но есть ограничение времени: генеративный ИИ вошёл в массовую корпоративную повестку совсем недавно, а требования к ролям меняются быстрее, чем рынок успевает создавать привычные карьерные траектории.
Источники: McKinsey, Superagency in the workplace; McKinsey Global Institute, Agents, robots, and us; World Economic Forum, Future of Jobs Report 2025.
Сегодня полезнее спрашивать не «сколько лет вы руководили GenAI», а «какие бизнес-проблемы вы уже решали и как измеряли результат».
Цена ошибки здесь выше, чем кажется. Дорогой руководитель с расплывчатой ролью может обойтись компании значительно дороже, чем предварительная диагностика: несколько месяцев зарплаты, затянувшиеся ожидания, конфликты с командой и потерянное доверие к самой идее AI-трансформации. Поэтому иногда дешевле сначала уточнить задачу и профиль роли, а уже потом открывать вакансию.
«Специалист по ИИ» — это минимум четыре разных профиля
Технический специалист
Модели, API, RAG, интеграции, агенты, данные, архитектура. Может создавать сильные решения, но не обязательно умеет вести организационную трансформацию.
Сильный пользователь ИИ внутри функции
HR, маркетинг, финансы, продажи, юристы. Хорошо понимает применение GenAI в своей работе, но это ещё не равно изменению всей операционной модели.
Внутренний руководитель
Знает людей, реальные процессы, данные, ограничения и неформальные правила компании. Его преимущество — корпоративный контекст.
Внешний эксперт / архитектор изменений
Видел разные бизнес-модели и собственников. Его преимущество — насмотренность и способность быстрее отличить технологическую проблему от управленческой.
Проблема начинается, когда компания пытается объединить все четыре профиля в одном объявлении и назвать это одной должностью.
Мы уже разбирали такую ситуацию в статье «Компания ищет руководителя по ИИ. Но трансформация начинается не с найма»: одна вакансия легко превращается в набор из нескольких профессий.
Почему лучший технический специалист не обязательно лучший руководитель трансформации
Если бизнесу нужно построить RAG-контур или интеграцию — техническая глубина критична. Но руководитель изменений работает в другой плоскости тоже: экономика процесса, интересы подразделений, данные, приоритеты собственника, риски, сопротивление и измерение результата.
Поэтому ключевой вопрос не «насколько человек технический», а какую роль компания действительно хочет закрыть.
Простой тест. Если от человека ждут не только разработки, но и выбора бизнес-приоритетов, изменения процессов, обучения команды и защиты эффекта перед собственником — компания ищет уже не просто AI-специалиста, а лидера трансформации.
Что есть у внутреннего человека, чего нет у внешнего
Внутренний руководитель знает то, что редко помещается в регламент:
- где действительно лежат данные;
- какие процессы работают иначе, чем описаны;
- кто реально принимает решение;
- почему определённый показатель считается именно так;
- какие попытки изменений уже проваливались;
- какие сотрудники обладают критически важным неформализованным знанием.
Это огромный актив. Его невозможно быстро заменить изучением документации.
Но здесь есть и обратная сторона: глубокое знание компании иногда превращается в привычку к формуле «у нас так не получится».
Практический вывод для CEO. Если внутри компании уже есть сильный управленец с доверием собственника и глубоким знанием процессов, его обучение и усиление внешней экспертизой нередко оказывается быстрее, дешевле и устойчивее, чем долгий поиск «идеального» внешнего кандидата. Но это работает только тогда, когда человек действительно способен учиться и пересматривать привычные способы работы.
Что даёт внешняя насмотренность
Насмотренность — это не количество протестированных нейросетей. Это способность видеть повторяющиеся модели проблем в разных компаниях.
В одном бизнесе причиной «плохих продаж» оказывается производство. В другом хотят AI-аналитику, но финансовый и коммерческий блок считают показатели по-разному. В третьем обсуждают ИИ-агента, хотя сначала нужен обычный регламент и автоматизация.
Это одна из причин, почему для молодой технологической области опыт работы с разными бизнесами может быть не менее важен, чем длинный список платформ.
Так что лучше: нанять или вырастить своего?
По текущим исследованиям рынок уже фактически уходит от ответа «или/или».
Источник: Deloitte, State of AI in the Enterprise 2026.
BCG отдельно подчёркивает: реальная ценность обучения появляется тогда, когда новые навыки применяются к реальной работе, а не остаются содержанием учебного курса. BCG, AI Transformation Is a Workforce Transformation, 2026.
Зрелая стратегия — не «кого выбрать: своих или внешних». Она отвечает на другой вопрос: какие компетенции должны остаться внутри компании, а какие разумно получить снаружи.
Практическая матрица для собственника
| Ситуация | Что выглядит разумнее |
|---|---|
| Есть сильный внутренний руководитель, но мало AI-опыта | Обучить + внешняя экспертиза |
| Есть технические компетенции, но некому вести изменения | Искать лидера трансформации |
| Компания пока не понимает, какая AI-роль нужна | Диагностика + пилот |
| Нужна редкая глубокая техническая компетенция | Нанять или привлечь специалиста |
| Нужно спроектировать первый контур, но постоянная роль не ясна | Внешний архитектор |
| ИИ становится постоянной частью операционной модели | Внутренняя компетенция |
| Есть команда, но не хватает сравнения с другими практиками | Внешний эксперт + внутренний лидер |
Почему для многих компаний сильнее гибридная модель
Такая модель не означает, что каждой компании нужен консультант навсегда. Наоборот: сильный внешний контур должен постепенно передавать знания внутрь.
Хороший критерий зрелости: после завершения внешнего проекта компания должна стать менее зависимой от внешних исполнителей, а не более.
Обучать нужно не всех одинаково
Одна из распространённых ошибок — общий курс «по нейросетям» для всей компании. Но роли разные, значит и глубина компетенций должна быть разной.
Собственнику
Нужны возможности и ограничения GenAI, экономика внедрения, риски, архитектура принятия решений и способность отличать AI-задачу от обычной автоматизации.
Руководителям
Нужны навыки перестройки процессов, управления связкой «человек + ИИ», постановки задач, контроля результата и работы с данными.
Сотрудникам
Нужно безопасно применять ИИ непосредственно в своей функции, проверять результат и понимать границы использования корпоративной информации.
Технической команде
Нужны интеграции, RAG, агенты, observability, безопасность, доступы, тестирование и эксплуатация.
Эта логика напрямую связана с подходом «ИИ как Новая управленческая модель»: технология рассматривается не как отдельный сервис, а как часть системы «люди + ИИ + данные + процессы + автоматизация + KPI».
Пять вопросов до открытия вакансии
Как оценивать кандидата, если «многолетнего опыта GenAI» просто мало у кого может быть
Мы бы смотрели не столько на стаж в конкретном названии роли, сколько на структуру опыта.
- Что человек реально менял? Проблема → решение → эффект.
- С кем работал? Только с техникой или ещё с собственниками и бизнес-функциями.
- Может ли сказать «ИИ здесь не нужен»? Это важный признак зрелости.
- Как считает результат? Деньги, время, ошибки, скорость, конверсия, риски.
- Что делает при плохих данных? Не пытается ли построить красивый AI-слой поверх хаоса.
- Как работает с существующей командой? Замещает её или превращает в носителя новой компетенции.
McKinsey в исследованиях рабочей силы также предлагает смещать фокус с названий должностей к навыкам, поскольку GenAI меняет прежде всего набор задач внутри ролей. McKinsey, The gen AI skills revolution.
6 вопросов кандидату на роль руководителя по ИИ
Для HR и собственника полезно проверять не столько знание конкретных сервисов, сколько способ мышления кандидата. Вот шесть вопросов, которые дают намного больше информации, чем перечень знакомых платформ.
Проверяет, умеет ли кандидат отличать технологическую моду от реальной бизнес-ценности.
Показывает зрелость работы с данными и способность не строить AI-слой поверх хаоса.
Важно услышать про критерии приоритета: влияние на бизнес, доступность данных, скорость проверки, риск и измеримость.
Сильный ответ должен уходить от «мы внедрили ИИ» к деньгам, времени, ошибкам, скорости, качеству или рискам.
Проверяет способность работать с людьми, интересами и сопротивлением, а не только с технологиями.
Один из самых показательных вопросов: строит ли кандидат собственную незаменимость или передаёт компетенцию бизнесу.
Хороший кандидат на AI-трансформацию должен уметь объяснить не только, что он внедрит, но и что компания сможет делать без него через год.
Что это меняет в логике НУМ
Если ИИ становится элементом управленческой модели, нельзя строить всю компетенцию вокруг одного «человека по ИИ».
Внутри компании должны постепенно появляться:
- AI-грамотность собственника;
- управленческие навыки у руководителей;
- прикладные навыки у сотрудников;
- техническая и безопасностная компетенция;
- методология измерения эффекта.
Подробнее эта система описана в материале «НУМ для бизнеса: как превратить ИИ из разового инструмента в систему управления компанией».
Главный вопрос — не «где найти человека?»
Рынок руководителей по ИИ ещё будет меняться. Названия должностей изменятся. Технологии тоже.
Поэтому стратегически устойчивее не искать одного человека, который «знает ИИ за всех», а создавать собственную систему компетенций.
Иногда ответом будет внешний найм. Иногда — обучение своего руководителя. Иногда — временный внешний архитектор. А во многих случаях — гибридная конструкция, где внешний опыт ускоряет изменения, а ключевое знание и способность развиваться остаются внутри.
Частые вопросы
Можно ли вырастить руководителя по ИИ внутри компании?
Да. Особенно если есть сильный управленец, который знает бизнес, обладает доверием и способен быстро осваивать новые технологии. Технологические пробелы часто проще закрыть обучением и внешней экспертизой, чем быстро приобрести глубокое знание конкретной компании.
Обязательно ли руководителю по ИИ иметь техническое образование?
Нет универсального правила. Для технической роли глубина инженерной подготовки критична. Для лидера трансформации важнее сочетание понимания технологии, бизнеса, данных, людей и способности доводить изменения до измеримого результата.
Что лучше: нанять AI-специалиста или обучить действующего сотрудника?
Для многих компаний работает комбинация. Внутри выращиваются знания бизнеса и постоянная AI-компетенция, а редкие или временные навыки привлекаются с рынка или через внешнюю экспертизу.
Когда внешний эксперт полезнее штатного сотрудника?
Когда компания ещё не понимает, какая постоянная AI-роль ей нужна, требуется независимая диагностика, проектирование архитектуры или запуск первого пилота. После этого потребность в штатной роли становится значительно понятнее.
Как проверить кандидата без требования «10 лет опыта GenAI»?
Смотреть на решённые бизнес-задачи, работу с данными и людьми, способность выбирать технологии под задачу, запускать пилоты, измерять эффект и отказываться от ИИ там, где он не создаёт ценности.
Может ли один человек отвечать за всё внедрение ИИ?
Он может координировать трансформацию, но устойчивое внедрение требует участия владельцев процессов, руководства, внутренних сотрудников, технической функции и, при необходимости, безопасности и юридического блока.
Исследования и источники
- McKinsey & Company — Superagency in the workplace, 2025.
- McKinsey Global Institute — Agents, robots, and us: Skill partnerships in the age of AI, 2025.
- Deloitte — State of AI in the Enterprise 2026.
- Boston Consulting Group — AI Transformation Is a Workforce Transformation, 2026.
- World Economic Forum — Future of Jobs Report 2025.
- McKinsey & Company — The gen AI skills revolution: Rethinking your talent strategy.
О методе. Материал соединяет практические наблюдения за формированием AI-ролей в компаниях с открытыми исследованиями международных консалтинговых и исследовательских организаций. Мы сознательно не предлагаем единую «правильную» кадровую модель: выбор между внутренним развитием, наймом и внешней экспертизой зависит от зрелости компании, задач и уже существующих компетенций.
Не уверены, какая AI-роль вообще нужна вашей компании?
Начинать можно не с вакансии, а с диагностики: бизнес-задача, процессы, данные, существующая команда, дефицит компетенций и первый измеримый пилот.
Посмотреть подход НУМ для бизнеса →