Если открыть прогнозы Бюро статистики труда США (BLS) на 2024–2034 годы, цифры спорят с паникой про «ИИ завтра всех уволит». По всей экономике США занятость вырастет примерно на 3,1%. А спрос на специалистов по данным должен прибавить 33,5% (около 82 500 мест), на аналитиков информационной безопасности — 28,5%, а на разработчиков ПО — 15,8%, это больше 267 000 позиций. Звучит бодро. Но есть подвох, который Сергей Олизаревич разобрал на канале «Linux | Network | DevOps»: нейросети не отменяют IT, зато заметно поднимают порог входа.
Почему ИИ съедает рутину, а не профессии
В спорах о рынке часто путают профессию целиком и рутинные задачи внутри неё. Накидать типовой код, пачку однообразных тестов или ответ по скрипту ИИ и правда умеет за секунды. Раньше эту работу отдавали джунам на раскачку. Теперь компании закрывают её готовыми сервисами или ускоряют нейросетями.
Под ударом оказался «конвейерный» слой: простая вёрстка на конструкторах, ручной QA по чек-листам, первая линия поддержки, типовые отчёты и ручная настройка одиночных серверов. Сами сферы не исчезают: во фронтенде нужны скорость и доступность, в QA — инженерия качества, а в администрировании — облака и автоматизация.
У красивых цифр тоже есть границы. Статистика BLS описывает только США, и переносить её один в один на Россию нельзя: у нас спрос диктуют импортозамещение, свои продукты, ограничения на зарубежные облака и законы о хранении данных, а единой госстатистики нет. Даже на растущем рынке новичку не станет легко — конкуренция на старте жёсткая. И схема Gartner 2026 года о сближении ролей (разработка ближе к продукту, DevOps в эксплуатации ИИ-агентов — AgentOps, ML в проде) — это ориентир, а не готовая сетка вакансий на завтра.
Пять устойчивых направлений и база, которая не устаревает
Искать профессию с «пожизненной защитой от ИИ» бесполезно. Надёжнее идти туда, где есть ответственность за данные, безопасность и работу систем под нагрузкой. К 2027 году лучше всего держатся пять треков.
Кибербезопасность растёт вместе с числом сервисов и атак. Тут нужны Linux, сети, разбор логов, права доступа и защита облаков и приложений. Data Engineering (инженерия данных) — это сборка надёжных конвейеров, которые забирают, чистят и проверяют данные из разных систем, чтобы аналитики и модели могли им доверять. База простая: SQL, Python и устройство БД.
AI и Machine Learning Engineering давно ушли дальше промптов. Бизнесу нужны инженеры, которые знают ограничения моделей, собирают RAG (подключение внешней базы знаний к модели), оценивают качество ответов и строят MLOps — безопасный запуск моделей в проде. Старт тот же: Python, SQL, статистика и основы ML.
Четвёртый трек — DevOps, Cloud и Platform Engineering. Платформенная инженерия — это внутренние платформы самообслуживания и инфраструктура как код (IaC, когда серверы и сети описывают в Terraform или Ansible вместо ручной настройки). В основе — Linux, сети (TCP/IP, DNS, DHCP), Git, контейнеры, CI/CD, мониторинг и запуск ИИ-систем в контуре компании. Совет простой: не прыгай в Kubernetes, пока плаваешь в ОС и сетях. Пятый трек — Backend и системная разработка: API, базы данных, очереди сообщений, производительность и отказоустойчивость.
Во всех пяти ветках фундамент (Linux, сети, SQL, архитектура) стареет в разы медленнее фреймворков. Именно он выручает с ИИ: нейросеть напишет Ansible playbook за секунду, но перед запуском на проде тебе самому проверять переменные, права доступа и идемпотентность. Сверху отлично работает знание конкретной отрасли — платежей, логистики, производства или медицины.
Как проверить выбор практикой за пару недель
Гадать по таблицам можно месяцами, а потом бросить стек на полпути. Рабочий способ проверить любой трек занимает пару недель.
Быстрая проверка направления перед долгим обучением
- Открой свежие вакансии уровня junior и middle в своём регионе и стране.
- Выпиши технологии, которые повторяются в большинстве объявлений, отсеяв экзотику.
- Выбери небольшую прикладную задачу под этот стек и собери рабочий мини-проект.
- Оформи результат как портфолио-кейс: какую проблему решал, как устроена система и как ты проверил работу.
Такой портфолио-кейс заменяет пачку скриншотов из учебника и сразу показывает на деле, заходят ли тебе задачи трека и совпадают ли навыки с тем, за что компании платят прямо сейчас.



