Вижу всё больше разговоров про AI-агентов.
Что они уже умеют.
Что скоро “заменят аналитиков”.
Что требования, схемы, user story и документацию теперь можно просто “попросить сделать у ИИ”.
Важно:
👉 Нет, реальность не выглядит как “аналитики больше не нужны”.
Но и делать вид, что ничего не меняется, уже нельзя.
Сейчас компании быстрее внедряют AI и AI-агентов в рабочие процессы.
И всё чаще появляется формат human-agent teams:
+ AI берёт на себя часть рутины и первые черновики,
+ человек ставит цель для AI, проверяет результат и принимает решения.
Но из этого не следует вывод “аналитиков уберут”.
Из этого следует другой вывод:
👉 у аналитиков меняются ключевые навыки.
Раньше сильный системный аналитик выигрывал за счёт того, что умел:
+ собирать информацию вручную,
+ структурировать хаос,
+ делать первые версии требований, схем и описаний,
+ прорабатывать артефакты с нуля.
Теперь часть этого ускоряет AI:
расшифровка встреч, декомпозиция требований, черновики user story, описание API, выжимка из документов, первые черновики артефактов.
И вот здесь начинается самое интересное 👇
Если часть “механической интеллектуальной работы” ускоряется, то роль аналитика смещается.
Не в сторону “кто красивее оформил требования”, а в сторону:
✔️ кто правильно понял бизнес-проблему,
✔️ кто увидел противоречия,
✔️ кто задал неудобные, но нужные вопросы бизнесу / пользователям,
❗️ кто отличил хороший AI-черновик от опасной ерунды,
✔️ кто смог собрать из AI, людей, процессов и систем работающую функциональность для бизнеса.
👉 По сути, аналитик не исчезает — он поднимается уровнем выше, начинает контролировать AI-агентов и ставить им задачи.
Теперь растёт ценность тех специалистов, кто умеет:
1. Формулировать задачу так, чтобы её вообще можно было решать.
AI может хорошо писать, но не всегда понимает, что именно нужно бизнесу.
2. Проверять и валидировать результат AI
Правдоподобный артефакт от AI ≠ корректный. Поэтому критическое мышление, проверка ограничений, корнер-кейсов и бизнес-правил становятся ещё важнее.
3. Проектировать human-in-the-loop процессы с AI (человек в цикле)
Чем больше AI в процессах, тем важнее понимать, где можно автоматизировать, а где обязательно нужен человек.
4. Работать на стыке бизнеса, архитектуры, данных и AI
Сильный аналитик понимает:
— где AI реально нужен,
— какие данные ему нужны,
— какие есть ограничения и риски,
❗️ где нужен AI-агент, а где хватит обычной автоматизации.
5. Управлять “цифровым трудом” AI
Всё больше специалистов будут не только делать руками, но и ставить задачи AI, проверять результат и выстраивать зону контроля.
И вот что лично мне кажется самым важным.
🎯 Главный риск сейчас не в том, что AI вытеснит всех аналитиков.
Просто рынок начнет делиться на две группы:
✖️ тех, кто продолжает работать “как раньше” и конкурирует с AI на уровне черновиков,
✅ и тех, кто использует AI как усилитель и сам становится дороже.
👉 Масштабная трансформация навыков будет во всех профессиях.
И аналитическое мышление для работы с AI будет цениться больше всего.
То есть вопрос:
“Нужны ли будут аналитики?”
некорректный.
Вопрос другой:
“Какие именно аналитики будут нужны?”
На мой взгляд, особенно вырастет ценность тех, кто умеет:
✅ думать системно,
✅ понимать архитектуру и интеграции,
✅ быстро разбираться в новых инструментах,
✅ валидировать результаты от AI,
✅ формализовывать правила и ограничения,
✅ проектировать процессы с участием AI,
✅ быть переводчиком между бизнесом, разработкой, данными и AI-инструментами,
⚠️ писать черновики кода с AI и быть программистами на уровне junior.
И да, возможно, моё заключение звучит не так вызывающе, как “AI-агенты всех заменят”.
Но на практике обычно побеждает не самый громкий сценарий, а самый рабочий.
👉 AI не вытесняет сильных системных аналитиков.
Он очень жёстко подсвечивает, кто реально умеет анализировать, а кто просто много лет перекладывал текст из встречи в документ 🤷♀️