Сегодня вышло исследование ВШЭ о распространении ИИ-навыков на российском рынке труда, в основе которого данные Росстата за 2025 год и опрос более 300 тысяч респондентов.

Традиционно делимся саммари

1️⃣ ИИ-навыки уже стали массовыми, но в основном остаются на базовом уровне

По данным исследования, навыками работы с ИИ уже владеют 37,5% занятых россиян, но если посмотреть внутрь этой цифры, то окажется, что у 22,7% это базовый уровень, у 11,7% - средний и только у 3,2% - продвинутый. То есть большинство сотрудников используют ИИ как повседневного помощника для работы с текстами, изображениями, видео, поиском информации или типовыми задачами.

2️⃣ Люди осваивают ИИ быстрее, чем работодатели успевают предъявить к этому формальный спрос

Одна из самых интересных цифр исследования - только 4,9% работников говорят, что ИИ-навыки необходимы им для текущей работы. При этом фактически такими навыками уже владеют 37,5%. Это означает, что значительная часть освоения ИИ происходит потому что сами сотрудники видят в этом способ повысить личную продуктивность и свою конкурентоспособность на рынке труда

3️⃣ Возрастной разрыв в использовании ИИ есть, но он не так очевиден, как кажется

Максимальная доля владеющих ИИ-навыками ожидаемо наблюдается среди молодых сотрудников: 46-47% в группах 15-29 лет. После 50 лет показатель снижается примерно до 30%. Но важно, что на базовом уровне разрыв не выглядит драматичным: инструменты генеративного ИИ достаточно легко осваиваются через готовые пользовательские интерфейсы, поэтому барьер входа для старших возрастных групп ниже, чем был во многих предыдущих технологических волнах

4️⃣ Настоящее неравенство начинается не на базовом, а на среднем и продвинутом уровне

На базовом уровне образование почти не создает критического барьера: во всех образовательных группах 19-23% работников имеют базовые ИИ-навыки. Но на среднем и продвинутом уровнях уже хорошо виден образовательный гэп. Среди работников с высшим образованием ИИ-навыками среднего уровня владеют 16%, тогда как среди людей со средним общим образованием и ниже - 6-7%. Продвинутые навыки также концентрируются у людей с высшим образованием: 6% против 1-2% в остальных группах

5️⃣ Распределение ИИ по сферам деятельности

Ожидаемо, самые высокие показатели владения ИИ-навыками у специалистов по информационно-коммуникационным технологиям (ИКТ). Но в топ профессиональных групп также входят руководители высшего звена, управленцы в корпоративном секторе, специалисты в области науки, образования, бизнеса и администрирования. По отраслям кроме информации и связи, заметно выделяются профессиональная, научная и техническая деятельность, финансы, госуправление, образование, культура, здравоохранение и даже добыча полезных ископаемых

💡 Самый интересный вывод для меня: пока компании обсуждают, как развивать ИИ-компетенции сотрудников, значительная часть людей уже начала их развивать сама. Но делает это чаще всего на базовом уровне и в серой зоне (через открытые сервисы, личные аккаунты, личные устройства и задачи, которые не всегда формально описаны в процессах). Получается, что пока сотрудники уже начали двигаться быстрее организаций

С интересом почитала последний отчета СБЕРа Pro людей, в нем много про ИИ. Вы знали, что ИИ может при использовании создавать психологический долг, который снижает мотивацию и может нивелировать выгоды
от внедрения ИИ?

«Психологический долг», возникающий при использовании ИИ складывается из шести факторов:

1️⃣Когнитивный долг — ухудшение навыков решения проблем и принятия решений из-за перекладывания сложных задач на ИИ.

2️⃣ Долг автономии — ощущение потери контроля над тем, как именно выполняется работа, из-за изменения процессов руководством.

3️⃣ Долг компетентности — снижение уверенности в своих силах, так как ИИ решает задачи за секунды и дает ощущение ясности, которого люди не чувствуют в собственных результатах.

4️⃣ Долг связанности — сокращение живого взаимодействия и сотрудничества
в коллективе из-за общения с безотказной и бесконфликтной машиной.

5️⃣ Долг авторитета — страх потерять уважение коллег, которые склонны
критически оценивать использование ИИ другими сотрудниками.

6️⃣ Долг профессиональной идентичности — восприятие принудительного
использования ИИ как разрушения стандартов профессии. Например, когда сотрудников маркетинга обязывают генерировать идеи через ИИ, это стирает
уникальность их роли и вызывает сопротивление автоматизации.

Отчет я нашла на одном из каналов, которые читаю. Чтобы и вы всегда были в курсе новостей в профессии, читайте хорошие каналы - делюсь папкой. Внутри — каналы для тех, кто хочет не просто «работать работу», а:

💼 строить карьерную стратегию

🧠 прокачивать управленческое мышление

📈 расти в доходе и должности

👥 лучше понимать людей, команды и бизнес

🚀 быть на шаг впереди коллег

👉 Забирайте папку здесь

Что обсуждали про ИИ на ПМЭФ 2026

Страсти по ПМЭФ поутихли, поэтому можно спокойно собрать и проанализировать интересные материалы - подготовили для вас краткий обзор на тему ИИ.

В этом году фокус был на ИИ как на большом процессе - на него смотрели как на фактор производительности, организационного дизайна, рынка труда, клиентского опыта и качества управленческих решений.

💡ИИ как ответ на демографию и дефицит кадров

Кадровый дефицит никуда не уходит, а демографическая ситуация будет только усиливать напряжение на рынке труда. Поэтому ИИ может стать тем инструментом, который будет поддерживать производительность в экономике (особенно в тех сферах, где людей объективно не хватает)

💡 Больше задач - другая производственная модель

Продолжение предыдущего тезиса, который можно сформулировать как "размен хедкаунта на токены”. Теперь при каждом новом запросе на найм HR будет все чаще задавать вопрос, нужен ли нам еще один сотрудник или задачу можно решить через связку людей, ИИ-инструментов и агентных систем.

В будущем мы будем планировать орг структуру как экосистему: что делает человек, что делает ИИ, что остается в зоне ответственности руководителя, как меняется норма производительности и где возникает новая цена ошибки.

💡 ИИ меняет набор трудовых функций внутри профессии

Раньше много писали, что ИИ заменит рекрутеров, маркетологов, юристов, бухгалтеров или аналитиков. Но в реальности мы видим, что ИИ чаще забирает отдельные функции внутри роли: - например, поиск информации, первичную аналитику, подготовку черновиков, сравнение данных, классификацию, генерацию вариантов, маршрутизацию и пр.

Поэтому задача HR и бизнеса - разложить ключевые роли на трудовые функции (что можно усилить ИИ, автоматизировать, где человек должен остаться в решении, какие навыки становятся более важными, какие junior-задачи, на которых раньше люди учились профессии, теперь могут исчезнуть или сильно измениться и пр)

💡Главный дефицит будет в способности компании встроить ИИ в работу

Эффект от использования ИИ появляется там, где компания пересматривает процессы, роли, метрики, ожидания к качеству и правила принятия решений - и большинство компаний ошибается именно на этапе проектирования.

Компании обучают сотрудников пользоваться нейросетями, запускают несколько внутренних ботов, собирают красивые кейсы, но не изменяют норму работы. Тогда ИИ останется не частью операционной модели компании, а дополнительным инструментом, который сотрудники используют по личной инициативе

💡Экономический эффект от ИИ появляется только там, где освобожденное время превращается в результат

На ПМЭФ обсуждали управленческую ловушку: если сотрудник раньше делал задачу час, а теперь делает ее за 10 минут, это еще не означает, что компания получила экономический эффект. Если оставшиеся 50 минут просто растворились в календаре, производительность бизнеса не изменилась.

Поэтому вопрос ROI от ИИ нельзя сводить только к скорости выполнения отдельных задач. Нужно смотреть, что происходит дальше: меняется ли загрузка роли, растет ли объем выполненной работы, уменьшается ли количество ошибок, ускоряется ли принятие решений, снижается ли потребность в новом найме, улучшается ли клиентский опыт и пр.

💡 В компании появляется новый тип участника команды - ИИ-агент

На форуме много говорили про гибридные команды, где рядом с людьми начинают работать агентные системы. Пока для многих компаний это звучит как история из будущего, но на уровне отдельных функций она уже становится вполне практической реальностью: агент может собирать информацию, готовить черновик решения, мониторить повестку, запускать базовые процессы, помогать сотруднику в аналитике или коммуникации.

Часть 2 будет завтра 💌

⬆️⬆️⬆️ Делимся конспектом с ПМЭФ на тему ИИ в промышленности и КИИ: сценарии внедрения, экономика и кадры

💡 7,5% трудовых функций в промышленности уже сегодня можно передать ИИ

💡 Практика Магнита демонстрирует трансформацию труда: более 100 команд, состоящих из одного человека, используя мультиагентные ИИ-решения, выполняют объём задач, ранее требовавший целых
коллективов. Каждый такой сотрудник получает неограниченный бюджет на использование ИИ-инструментов

💡 Владислав Крейнин (Сбербанк) описал три горизонта: сегодня - пилоты гибридной работы; через три года - гибридный формат как абсолютная норма для большинства крупных компаний; через пять лет - AI-нативные компании

💡 Василий Чуранов (ГК Цифра) сформулировал специфику промышленного рынка труда: на заводах критически не хватает дата-аналитиков и людей, умеющих обучать агентов работать с производственными методологиями

💡 По данным АФК Система, уровень тревоги работников от внедрения ИИ снизился с 40% в 2024 году до
25% в 2026-м. При этом 55% молодых специалистов скрывают от коллег факт использования ИИ - из-за страха выглядеть некомпетентными. Это психологический барьер, сдерживающий широкое внедрение ИИ-инструментов

А для насмотренности собрали для вас папку с каналами на тему HR, менеджмента и карьеры 👉 ЗАБРАТЬ ПОДБОРКУ КАНАЛОВ

Что обсуждали про ИИ на ПМЭФ 2026, часть 2

💡ИИ усиливает сильные процессы и быстрее проявляет слабые

Если в компании не описаны процессы, плохие данные, размытая ответственность и много ручного управления, ИИ не станет волшебной таблеткой, а, скорее, ускорит существующий хаос и сделает его заметнее.

Поэтому подготовка к ИИ - это не только обучение сотрудников промптам или выбор корпоративной платформы. Это качество данных, управленческаядисциплина, понятные роли, зрелость процессов, способность руководителей формулировать задачи и культура, в которой проблемы можно показывать, а не прятать

💡 На рынке труда будут востребованы не те, кто просто "знает ИИ", а кто умеет работать в связке с ним

Базовое умение пользоваться ИИ быстро станет таким же нормальным навыком, как работа с почтой, презентациями или таблицами. Что должны будут уметь востребованные кандидаты: ставить задачи ИИ, проверять результат, понимать ограничения модели, видеть риски и проектировать работу команды так, чтобы технология усиливала бизнес. Одни сотрудники будут использовать ИИ как более быстрый способ делать старую работу, а другие будут пересобирать саму эту работу

💡 Кандидаты, сотрудники и клиенты постепенно начинают смотреть на компанию через ИИ

Это не была основная тема, но из обсуждений можно сделать важный вывод и для employer brand. Люди все чаще спрашивают не поисковик, а ИИ: что известно о компании, стоит ли туда идти работать, какая там культура, какие есть риски, как о ней говорят сотрудники и клиенты.

Для HR и коммуникаций это новая зона внимания: репутация компании будет жить не только в вакансиях, карьерном сайте и социальных сетях, но и в том, как ИИ собирает и пересказывает публичную информацию о работодателе

💡Роль человека становится дороже

Чем больше задач забирает ИИ, тем важнее становится то, что пока плохо автоматизируется: смысл, контекст, доверие, этика, ответственность, работа с конфликтующими интересами, принятие решений в неопределенности и способность видеть систему целиком

Сегодня рубрика "стараемся разобраться" - и тема про бензин

Все чаще видим новости про онлайн-карты, которые показывают, где сейчас есть топливо, и нам стало интересно, как они вообще могут это понимать. На первый взгляд кажется, что такая карта должна быть напрямую подключена к каждой АЗС, видеть остатки в резервуарах и в реальном времени понимать, есть ли на конкретной колонке АИ-92, АИ-95 или дизель.

Но на практике есть несколько моделей, как сервисы могут определять, где с высокой вероятностью есть бензин.

1️⃣ По факту последней заправки

Так работает логика «Яндекса», который сейчас тестирует карту доступности топлива для водителей такси в «Яндекс Про». Сервис смотрит обезличенные данные «Яндекс Заправок» о фактических заправках за последний час: если на АЗС недавно кто-то заправлялся, значит, с высокой вероятностью топливо там есть. Плюс водители могут сами отмечать ситуацию на станции, когда заправляются или просто проезжают мимо.

2️⃣ По банковским транзакциям

Т-Банк пошел другим путем и запустил карту, которая строится на обезличенных транзакциях по картам банка. Если на АЗС недавно были покупки, сервис понимает, что станция, скорее всего, работает. А если есть покупки топлива, то можно прогнозировать наличие конкретных марок бензина. На карте показывается время последней покупки, прогноз по АИ-92 и АИ-95, а пользователи дополнительно могут отметить, есть ли бензин и очереди

3️⃣ По прямому подключению к партнерским заправкам

Есть еще сервисы оплаты топлива внутри приложений, например «Яндекс Заправки», «Топливо» в Т-Банке, онлайн-заправки в 2ГИС и приложения самих сетей АЗС. Если приложение дает выбрать колонку, тип топлива и оплатить заправку, значит, сервис как минимум взаимодействует с оборудованием или системой партнера. Но у этой модели есть ограничение: она работает только с теми АЗС, которые подключены к сервису, поэтому это может быть точнее по конкретной станции, но не всегда дает полную картину по рынку

4️⃣ По отметкам самих водителей

Есть еще народные карты и локальные чаты, где водители сами пишут, где есть бензин, где очередь, где лимиты, где топливо закончилось. Плюс такой модели - скорость и широта покрытия, а минус - может быть много недостоверной информации (данные могут устаревать, люди могут ошибаться, кто-то видел очередь 40 минут назад, кто-то пишет про АИ-95, а другому нужен дизель, кто-то перепутал сеть или станцию и тд)

Расскажите, чем пользуетесь вы (помимо электромобилей и тройки)

«Тут такая среда, что просто невозможно не пользоваться ИИ!», - недавно наша бывшая коллега и большой друг Анастасия Терентьева вышла в Сбер и делилась первыми впечатлениями. И мы, конечно же, позвали ее на канал, чтобы расспросить поподробнее.

Анастасия Терентьева, лидирую адаптацию топ-руководителей Сбера

Отношение к ИИ сильно поменялось за последнее время. Если раньше это было скорее новшеством и инновацией, то сейчас это повседневная рутина и mush-have. С ИИ можно решить много рутинных и операционных задач, над которыми раньше приходилось «посидеть»:

💡 Например, мне очень нравится переписывать с помощью ботов письма с русского на корпоративный. Казалось бы, простая вещь, но сильно экономит время.

💡Или сделать красивую презентацию - больше не нужно ничего выдумывать, ИИ сделает за тебя и интересную структуру, и понятный лаконичный дизайн.

💡Много времени экономят ИИ-секретари, которые записывают и расшифровывают все наши встречи, вычленяя всю суть.

💡Об ИИ удобно «думать», иногда мы просим в команде критически посмотреть чат на проект и процесс и поискать уязвимости, которые мы могли пропустить.

Когда занимаешься задачами по поиску топов, ИИ хорошо помогает делать лонглисты, исследования отраслей и рынка, формировать красивые профили кандидатов. Но здесь главное не отключать критическое мышление и не доверять машине на 100%.

Один раз чат выдал мне очень красивый список кандидатов в совет директоров, который состоял из несуществующих людей. В итоге, все равно большая часть была переделана все-таки естественным интеллектом 😅

Благодаря тому, что ИИ забирает на себя рутинные задачи, появляется больше времени на смыслы и change-проектов. Мы стараемся внедрять как можно больше ИИ в наши процессы: собираем агентов, которые помогают топам быстро искать нужную информацию, создают карту контактов, подбирают бадди.

В Сбере, действительно, невозможно не использовать ИИ. Мы стараемся переводить как можно больше операционных и ручных процессов в автоматизацию. Все новые сотрудники проходят не один курс, как эффективно пользоваться такими инструментами и что доступно в периметре компании. Мы пользуемся ими не только для проекта, но и для себя лично в том числе.

Например, чтобы узнать процент своего пересмотра зарплаты, нужно было просто получить ответ у ИИ-помощника за секунду и не ждать ответа руководителя или HR BP.

Здесь все пронизано этой повесткой. Даже если ты сам не запускаешь такие ИИ-инициативы, в какой-то момент к тебе точно придут коллеги и подскажут, где их можно внедрить и вовлекут в рабочую группу уже в добровольно-принудительном порядке!

ИИ и вино

Сегодня расскажу практический кейс, как я использую ИИ в виннных делах

1️⃣ Образовательная часть
Я создала отдельный проект в GPT про вино, написала туда, что мне нравится из вина, какую еду я обычно ем и что я про вино знаю (например, про обучение на факультете шампанского).

После этого я попросила чат выступать в роли сомелье, которому я присылаю фото бутылки, а он мне рассказывает:
- про производителя (сколько лет на рынке, какая история, чем знаменит)
- про сорт вина
- про страну (новый свет / старый свет, насколько этот сорт популярен в этой стране)
- про почвы, на которых росли лозы
- про год урожая (каким он был и как это отражается в вине)
- про само вино (какие ароматы и вкусы ожидать, с чем сочетать)
- сравнительная таблица по винам одного сорта (например, он запоминает мои бутылочки и сравнивает все pino noir, которые я пью)

2️⃣ Часть про историю
Потом пишете оценку по 10-балльной шкале, понравилось ли вам вино и пару строк почему - для того, чтобы ии лучше понимал ваши вкусы

3️⃣ Часть про муки выбора
Иногда я вообще не знаю, что выбрать. Я точно мало понимаю в грузинском вине, поэтому я вчера фотографировала винную карту и спрашивала, что мне выбрать с учетом еды, которую я планирую заказать

4️⃣ Часть для винных путешествий
Когда мы в винных регионах (ЮАР, Грузия, Италия и пр) - я всегда спрашиваю, какие винодельни мне посетить с учетом моих винных и эстетических интересов

Приятных вам образовательных вечеров 🍷

Лендинг с помощью ИИ

Сегодня у нас в гостях наш друг и экс-коллега Екатерина Голубова, партнёр бюро рекрутмента и HR-консалтинга WeConnect.

Мы готовим запуск нового продукта, и мне нужна была посадочная страница. Раньше за такой задачей мы бы обратились к подрядчикам, делали бы техническое задание и оплачивали их работу. В этот раз я решила собрать лендинг самостоятельно. Получилось сделать за вечер. Рассказываю по шагам. Из всех ИИ инструментов я использую Claude, поэтому и рассказывать буду опираясь на него . Итак, что нужно:

1️⃣ Зайти в Claude
Заходите на claude.ai, регистрируетесь, если ещё нет аккаунта. Оплачивать нужно с зарубежной карты.

2️⃣ Открыть Claude Design
Внутри Claude есть отдельный режим для визуальной работы, Claude Design. Это холст, где ИИ собирает лендинг, который сразу видно и можно править.

3️⃣ Загрузить все материалы, которые у вас есть.
Чем больше вы дадите на входе, тем правильнее ИИ поймёт вас и образ результата будет соответствовать ожиданиям.

Что давала я:
- Примеры сайтов, которые нравятся. Скриншоты или ссылки на лендинги компаний и просто красивые страницы. Это бенчмарки, по ним ИИ понимает нужный уровень и стиль.
- Брендбук и фирменные цвета. Логотип, шрифты. У меня, например, это светлый фон, тёмно-синий как основной, синий акцентом, шрифт Montserrat. Когда ИИ знает это заранее, страница с первого раза выглядит как ваша, а не как шаблон.
- Информацию о продукте. О чём сайт, какую задачу решает, для кого он, что человек должен сделать в конце (зарегистрироваться, оставить заявку, купить). Любые уже готовые тексты, заголовки, описания, тезисы.

Всё это просто перетаскиваете в чат файлами или вставляете текстом.

4️⃣ Сделать промпт
Промпт это ваше задание для ИИ. Плохой промт - «сделай лендинг». Хороший рассказывает про контекст, аудиторию, задачу и тон.

Вот пример, который можно взять за основу и подставить своё. Для наглядности возьму абстрактный продукт - онлайн-школу рисования:

«Ты опытный веб-дизайнер и копирайтер. Сделай посадочную страницу (лендинг) для нашего продукта.
О продукте: [онлайн-школа рисования для взрослых с нуля, короткие уроки по 20 минут, можно заниматься в удобное время].
Аудитория: [взрослые, которые давно хотели научиться рисовать, но боятся, что уже поздно и у них нет таланта].
Задача страницы: [чтобы человек оставил заявку на бесплатный первый урок].
Главное сообщение: [рисовать может научиться каждый, дело не в таланте, а в системе и поддержке].

Стиль и бренд: тёплый светлый фон, мягкие пастельные цвета, один яркий акцентный цвет для кнопок, крупный дружелюбный шрифт. Тон вдохновляющий и поддерживающий, без давления и агрессивных продаж.
Ориентируйся на примеры сайтов, которые я загрузила. Структура: сильный первый экран с крупным заголовком и коротким тёплым обещанием, блок «как проходит обучение», примеры работ учеников, отзывы, частые вопросы, финальный призыв записаться на бесплатный урок.
Собери это как готовую страницу, которую можно открыть в браузере».

5️⃣ Внести правки
Все, что не нравится, можно менять, дополнять в диалоговом окне, как если дизайнер сидит рядом)

6️⃣ Перенести страницу на домен
Сначала скачиваем готовый файл. Попросите ИИ отдать вам страницу файлом (обычно это один HTML-файл). Дальше покупаем домен, если его ещё нет. Покупается за пару минут у любого регистратора

7️⃣ Разместить файл на хостинге
Хостинг это место, где физически лежит сайт, чтобы он был доступен всем. Для этого нужно зайти на хостинг, перетащить свой файл и получить рабочую ссылку. Потом в настройках привязать к этой ссылке купленный домен по инструкции сервиса.

8️⃣ Выложить готовый HTML на домен
Это уже можно попросить и знакомого из ИТ:)

💡Что в итоге:
Раньше сделать лендинг было отдельным проектом со сроком и бюджетом. Теперь его можно сделать за вечер и 20 долларов (это минимальный пакет в Клоде). И дело не в экономии. Между придумать и сделать больше нет пропасти, и это сильно меняет ощущение от работы.

И еще Катя скоро расскажет про продукт, для которого делала лендинг, на канале