AI LEAD — новый тренд?
На днях проскочила новость: сколково
запустил программу AI mini MBA, разработчик
Павел Розов сделал фокус на улучшение P&L за счет ИИ-инициатив (расчет фин.эффектов, защита бюджета, питчи и вот это всё, чем занимается любой топ).
На практике, что интересно, недавно «Детский мир»
ввел должность директора по внедрению ИИ, наняли Павла Латвенаса, а сейчас на hh ДетМир
ищет тимлида AI-автоматизаций. На практике считать P&L ≠ внедрять AI.
Где подвох?
Традиционно топ-менеджер по ИТ/ИИ это не про процесс, а про результат (ответственность за рост): защиту бюджета, красивые графики, ROI, лидерство и найм, а делают проекты — лиды направлений.
Поэтому в AI трансформациях (как и в digital) это разные роли, а не одна, как учит Сколково на программе
Директор по ИИ
Давайте разбираться на реальных данных в чем разница.
Спрос на роль, по ощущениям, вырос в 2-3 раза.
По факту — соотношение
3.6 : 1 (анализ вакансий
hh.ru с «ИИ»), в
опросе сколково - 79% участников столкнулись с дефицитом
Мой агент проанализировал вакансии с 01.08 до 08.10, что я для себя выделил:
1️⃣ Локальна автоматизация = Профиль работодателей у всех разный, соответственно чаще и бОльше вакансий ищут
специалиста (чтобы и аудит провел, сам прототип запустил с eval-ами, людей обучил). Поэтому
«Собирать руками / играющий тренер» — 50%, это второе по частоте требование после архитектуры.
2️⃣ Осмысленная автоматизация =
Определить ЧТО и КАК автоматизировать. Такой специалист (иногда менеджер, играющий тренер) в 38% вакансиях должен уметь определить бэклог ИИ-инициатив и приоритизировать. Я разделяю здесь: 100% автоматизируемые процессы / частично автоматизируемые с HITL / ко-пилоты, которые помогают человеку. Это не совсем про AI-native, т.к. компании стремятся к текущим процессам прикрутить AI, а не полностью переосмыслить процессы и, возможно, даже убрать их и полностью заменив AI агентами (боятся паники на корабле).
3️⃣ Автоматизация с гарантией =
Способность дать импакт на Бизнес за счет ИИ в 52% вакансиях — это уже не про пилоты где 1 из 10 дает фин. эффект, а про коммерческую выгоду, должен быть опыт / наличие кейсов в с пруфами. Такой опыт ценится, т.к. эксперт понимает как показать фин. эффекты. По BPR фреймворку обычно это значит, что ты уже неоднократно прошел путь: аудит → запуск прототипа/PoC → MVP → прод. решение → провел обучение/воркшопы с сотрудниками (по сути отчасти ф-ционал проджекта и консультанта).
4️⃣ Автоматизация которая обеспечит лидерство в нише/индустрии =
ИИ-стратегия встречается в 43%, что под ней понимается в каждой вакансии — вопрос хороший (часто там кроется Roadmap, иногда обучение, иногда с расчетом PnL и ROI, иногда всё сразу). По сути стратегия это КАК бизнес сможет БОЛЬШЕ зарабатывать с применением ИИ в разных его вариациях использования.
5️⃣ Ускорение автоматизации за счет обучения других =
Обучать других нужно в 47% вакансиях, и это самое важное на мой взгляд, т.к. нужен кто-то будет постоянно в тренде, ибо скорость изменения в индустрии — самая быстрая, и не достаточно что-то знать в моменте, что завтра уже устрареет, поэтому я бы добавил что важно не само обучение, а нужен постоянно свежий взгляд, понимание новых технологий, желание исследовать новые подходы/инструменты. По сути ключевое здесь — soft skills любознательного исследователя, который не боится эксперементировать→учиться и передавать полученный опыт коллегам в формате воркшопа.
ЗП по таким обязанностям от 100 до 300 тыс.
Дальше уже более масштабные инфраструктурные изменения в крупном бизнесе:
6️⃣ Автоматизация агентами вместо людей =
Агенты (agentic / multi-agent) — 47%, здесь хотят видеть опыт внедрения агентов на масштабе (банки, корпы), как правило на базе LangGraph (уже стандарт) с observability этих агентов (с опыт использования LangFuse/LangSmith — мониторинг как функция: оценка качества, анализ ошибок, галлюцинаций, расходы, точность, ложные срабатывания) и Guardrails (PII, 152-ФЗ/ПДн)
7️⃣ Устойчивый фундамент автоматизации:
Архитектура / system design — 52.4%: выбор модели, схема размещения (on-prem / private / public / hybrid), отказоустойчивость, масштабируемость, проектирование API-интеграций. Без этого «AI Lead» не читается — читается «продакт, который разобрался в агентах».
Инфра — 21.4% это про tech-экспертов, нужно уметь развернуть on-prem (vLLM, Docker Sandbox, Kubernetes, Git), определить какое железо нужно, какой инференес может дать, заказать CPU/GPU, стойки и всё это настроить «чтоб работало», организовывать dev и prod контуры
(индекс готовности ИИ-инфраструктуры российских компаний по
методике Orion soft = 38 из 100 баллов)
8️⃣
Обучение — 15% (менторство / skill sharing — 19%, обучить C-level — 14.3%)
9️⃣
Стандарты, регламенты — 21.4%: разработка методологии, управления изменениями или орг. развития, единые стандарты разработки моделей, политик и процессов, методология оценки AI Maturity Index. На head-уровне это половина работы: не делать самому, а задавать стандарт для чужих команд.
🔟
Найм и построение команды — 19% дословно, 26.2% управление людьми, 40.5% агрегированно.
===
Вывод: Head of AI / AI Transformation Lead, и «AI Lead» — про разное.
- Head of AI – про бизнес и как с ИИ заработаем.
- AI Lead – как и на чем это будет работать + орг. слой (команда, методология, вендоры)
- Руководитель внедрения ИИ – MVP руками, интеграции с системами, автоматизация процессов, агенты
- AI Product – P&L digital-каналов + запуск ИИ-продуктов, метрики продукта
Разброс по рынку кого ищут:
lead — 29, head — 12, middle — 1
Опыт: 3–6 лет — 23, 6+ — 13, 1–3 года — 6 (медиана — 3–6 лет.)
Зарплата указана только в 26% вакансиях ср. уровня от 100 до 400 gross
