Костя 8Бит | Fullstack AI

Рынок мёртв. Ничего не поделать (почти)

По моим ощущениям, с 2024 года работу стало находить тяжелее. В 2025 ещё тяжелее, а в 2026 совсем ужасно. Я уже тысячу раз видел в разных чатах одно и то же:

«Откликнулся 300 раз, позвали на 2 собеса. Что делать???»

На обычные вакансии вроде React-разработчика или Python-бэкенда конкуренция стала бешеной. Я решил немного поресерчить и узнать вообще везде ли так. Создал на хх 7 фейковых резюме, на Python, Go, Java, DevOps, ML, фронтенд и QA.

Точных цифр не замерял, но записывал примерное соотношение откликов к приглашениям. Итог получился такой:

Фронтенд и QA == абсолютно мёртвые
Python == вакансии есть, но конкуренция очень высокая
Java == чуть лучше питона
DevOps == получше Java
ML и Go == в лидерах: много интересных позиций и вилки выше среднего

Вывод конечно для себя я сделал, что: рынок не умер целиком. А максимально сильно решает конкретная ниша. Одни сферы в ИТ уже мёртвые, а вот рядом есть интересные позиции, где людей не хватает.

Самое интересное я сделал со своим фуллстек резюме. Добавил туда AI: агентов, Cursor, Claude Code. опыт был тот же node + react. И работа нашлась спокойно.

Такая магия. Но понятно на собесе за эту магию нужно будет пояснить и рассказать как реально используешь агентов и инструменты.

P.S. Я подготовил свой курс по ии-инженерии и вкату в нее. Завтра расскажу подробнее и про формат и программу.
kostya-it.pro/ai

Сезон начался

В сентябре hr прям активизировались, много пишут на линке/хх.

Данная позиция для senior-lead ai engineer на разработку корпоративного ассистента.

Нам никогда не внедрить ИИ правильно

Вот тут упомянул одну из серьезных проблем на текущий момент развития технологий. Одна из них == отсутствие конфигурации, инфраструктуры под ИИ. Разложу детальнее, что имею в виду.

Многие компании под ии-трансформацией понимают такое: выдадим всем подписки клод код/кодекс и дадим токенов, чтобы везде навнедряли нам ИИ.
Итог: только 5 процентов компаний успешно внедрили ии в процессы/продукты.

Но почему же так? Где хвалёное ускорение от ИИ? Первую причину уже писал в том же посте: это lack of knowledge.
Никто не знает, как правильно пользоваться этими инструментами.
А вторая, не менее весомая == нет никакой выстроенной инфраструктуры, конфигурации под это всё.

Что я имею в виду под ии-инфраструктурой? Специализированные пакеты внутри компании под конкретные задачи, именно для решения проблем в компании.
Скиллы, агенты, mcp, контекст об архитектуре, коннекторы к внутренним системам, доменный контекст, память.
В общем, всё то, что даст быстрый нужный контекст нейронке, чтобы она быстрее и грамотнее могла выполнить последовательно таски.

Расскажу про классный пример, где уже такое внедренно.
Мой друг продуктовый дизайнер полгода назад стал так называемым AI Builder. На работе он просто пилит фичу за фичей фронтенд/бекенд. Начиная от требований заканчивая доставкой до стенда.
У него нет инженерного бекграунда.
Просто он знает как работают продукты и фигачит с клодом, лезет спокойно в логи кибаны, узнает почему упал сервис, комитит и пушит как обычный разработчик.
Но в жизни сам он не написал ни строчки кода.

Все благодаря грамотной выстроенной конфигурации, которую ему сделали ии-инженеры. Результат сами понимаете шикарный. Дизайнер пилит сам работающие фичи и все рады.

Поэтому на текущий момент нужно не только уметь промптить но и делать доп обвязку для всего проекта.

Мне кажется нужно инвестировать время в решение таких узких мест, а не на нейминг что там написала нейронка. А вы как думаете?

Как я не нашел работу, а потом Бац и нашел! Свитч в ии-инженера

Последние годы меня подбешивало что работу стало найти в разы сложнее. Тысячи откликов на вакансии, эйчары начали общаться как с рабом.

В конце 2024 я прям думал перейти или в гошку или в мл. Постоянно сидел сравнивал, брал консультации. Ну и так не решил до осени 25.

В сентябре приехал после Дубая и начал изучать ИИ. Конечно, у меня была проблема что у меня не было какой-то структруности. Что вообще учить чтобы перейти в ИИ и делать большие приложения с агентами я не представлял.

Начал просто читать классику ML, как работают модели, рекомендации, классификация и тд.
Обновил резюме, указал что хочу развиваться в ИИ и разрабатывать агентов. На тот момент таких вакансий было единицы.

По стечению обстоятельств меня пригласили на одну такую вакансию на 6-9к евро и в финтех в РФ.
Обе вакансии были похожие: нужен фуллстек, который грамотно использует ИИ-инструменты, готов в этом развиваться, доставлять быстрый продуктовый результат и интегрироваться с LLM.
60% бекенда, 20% фронтенда и 20% интеграции с МЛ-сервисами / разработка пайплайнов и т.д.

9к евро звучало конечно супер вкусно, но второй тех этап туда я не прошёл. Первый был такой небольшой экскурс по сис дизу и несколько вопросов как проектировал бы их приложение (голосовой ИИ-стартап).

А вот в РФ-компанию устроился и получил огромный опыт за короткое время.
Успел поковырять и поработать над корпоративным ии-ассистентом, посмотреть на большой RAG с метриками и наши тюнеными моделями.
Дальше сделал архитектуру приложения с мультиагентской системой, всё распилил на куски, спроектировал все сложные моменты.

Прошел почти год с той осени и я очень рад что инвестировал время в обучение. Эйчарки пишут сами, в разы проще найти работу и проект.
Главное что вокруг никто не понимает как это все делать правильно с ИИ. А если умеешь то смотрят думают ты бог какой-то умеешь настроить ии-конфигурацию, mcp, агентов и тд.

Я доделал курс по свитчу в ии-инженера. Постарался сделать упор, чтобы проще и быстрее находить работу. Анонс на этой неделе будет.

Голодные эйчары пишут сами

После летнего затишья эйчары активно начали писать по вакансиям на линкедине. У трех ребят прям пошел рост.

По своей статистике у меня 8 эйчаров написало с ХХ за сентябрь .

По моему опыту самые активные месяцы найма это сентябрь-октябрь. Все хотят набрать людей и закрыть проекты до конца года.

Да я вообще все знаю про агентов и ИИ

Пообщался с тимлидом из одной крупной ритейл компании(скрин выше) и подтвердил себе два тезиса о которых постоянно думаю.

1. Внедрение ии-инструментов без грамотной инфраструктуры, аналитики и конфигурации не ускоряют, а даже замедляют работу
2. Разработчики вообще не умеют пользоваться этими инструментами

Поговорим детальнее про второе.
За последний год я пообщался, наверное, с сотней разработчиков и все мне говорили, что пользуются агентами, знают про mcp и используют все популярные инструменты.
Я задумывался как так? Я вот только только пришел к этому, выработал свой подход, а они уже все знают.

В реальности было все прозаичнее.
Когда я копал глубже и спрашивал как они детально используют инструменты, я все понял .

Большая часть разработчиков просто промптят без какого-то паттерна.

Сделай фичу, но только без ошибок брат.

Ну и использовать курсор на авто моде тоже качества не особо дает.

Почему и главное зачем вообще об этом говорить?
Главное что это начали спрашивать на собесах.
- покажи свою раскладку
- как ты делаешь
- что используешь
- что делаешь
- как проектируешь
- как работаешь с требованиями

Сделать промпт и потом докручивать часами фичу в разы тяжелее чем потратить час на проектирование и 10 минут работы агента с ожидаемым результатом.

Но никто конечно не виноват в том что делает не так.
Это абсолютно новая сфера, которая формируется буквально сейчас.
Просто надо к этому относиться как к сложному инструменту. Вы же без обучения не сможете на экскаваторе с первого все сделать, тут тоже самое.
Нужно учиться и понимать.


На это как раз я акцентирую внимание в своем курсе и сделал отдельный урок про контроль качества.
В скором времени уже буду делать анонс, тк основная часть уже почти сделана.

Как я провел лето без ИИ

Не смотря на число только сейчас начал ощущать конец лета и решил подвести итоги.
В прошлые разы рассказывал про Черногорию и
Таиланд, Вьетнаме , Южная Корея
Этим летом был в Грузии, Казахстане, Москве и Питере.
В Грузии пил чачу и тусил с иностранцами, которые приехали на концерт Канье Веста , а в Алмате ел тар тар из конины в великолепном ресторане АУЛ.

Конечно, одно из самых главных изменений это самый большой оффер за мою карьеру и новая должность.

Вообще рефлексировал и понял что очень верно выбрал год назад обучаться ИИ, читать книги смотреть видео практиковаться.
Фактически новые знания перезагрузили мою карьеру.
Снова стало интересно работать, снова я могу гнуть пальцы перед эйчарками, т.к. таких специалистов на рынке единицы.

А так в общем лето было насыщенно, много эмоций, приколов и вкусных ресторанчиков 😋

Локальные модели vs готовые по API: когда что брать

Частый вопрос у разработчиков что и как лучше использовать. В том числе задают вопросы на собеседованиях при проектировании систем что выбрать?
(важная оговорка: про облачные решения (Bedrock, Vertex и т.д.) и разные обёртки для обезличивания данных тут не проговариваю. только про два полюса: публичный API против self-host)

Вообще одна из главных проблем быстрого внедрения ИИ == это чувствительные данные. Нельзя просто так скормить тонны информации из своих тасктрекеров, баз данных и всего и всего и при этом не получить бобо от безопасников.

🥷Во всех крупных компаниях есть четкие регламенты, что нельзя скармливать нейронке.
Поэтому в случае безопасности данных часто выбирают развертывать локальные модели вместо уже готовых.

💲Второй важный момент == это цена.
Тут надо понимать, что дешевле: развернуть на своем железе последний qwen и его обслуживать или дергать anthropic/openai по апишке.
Часто для этого используют отдельные метрики, и конечное решение уже делает техлид/архитектор по конкретному выбору.

Третий момент == это качество.
Ни для кого не секрет, что модели claude явно мощнее и качественнее, чем условные qwen. Тоже нужно думать, насколько нужны «мощные» модели для решения задач.

↗️Четвертый момент == это объем. Если раз в неделю пару раз дергается апишка на небольшие задачи, то естественно нет надобности разворачивать у себя модель. Но если масштаб большой, то бюджет начинает кусаться.

К слову, собеседовался в одну компанию, и архитектор рассказывал, что они тратят безумные деньги на апишки антропика. Буквально сотни тысяч долларов на определенные процессы с ии. Поэтому тоже держим это в голове.

В реальности между этим выбора правильного варианта никогда нет. А самый оптимальный это гибрид. Можно спокойно запускать и так и так. qwen для внутренних данных, а для тяжелых openai.

За что платят 700к?
Написали по вакансии ии тимлид.
Нужно внедрять и проектировать ии решения.
Стек дефолтный Python + Typescript.

По описанию конечно не до конца понятно кого ищут. Будто три роли в одной: архитектор, техлид или лид внедрятор ии.

Из интересного: большая часть проектов куда меня зовут на собеседования это мультиагентные системы. Этот домен сильно развивается в последнее время и эта вакансия тому подтверждение

600к = базовый минимум

Позиций в РФ на Ии-инженера не очень много но некоторые есть интересные. Разброс по деньгам конечно большой. От 100к до 700к

Вот один из таких интересных проектов в одну крупную телеком компанию

AI-инженер = снова самая быстрорастущая профессия в мире. Второй год подряд.

Нам об этом говорит свежий отчёт LinkedIn: с 2023 по 2025 в США добавили 639 000 вакансий, связанных с ИИ. Из них 75 000 конкретно «AI Engineer».

Да, это статистика по США. У нас в РФ такой публичной статистики по ии и конкретно по AI-инженерам никто не ведёт. Но тренд абсолютно прозрачен.

Можно посмотреть на вакансии и на то, как компании начинают реально внедрять ии в процессы. И главное вырос спрос на людей, которые умеют довести это все до реально рабочей ИИ-системы.

Есть популярное мнение что вот-вот этот пузырь лопнет. Годик-два и В С Ё. Ну в реальности упадут акции каких-то компаний, сами технологии и процессы то останутся.

Поэтому я думаю новые знания и технологии в любом случае понадобятся почти каждому айтишнику.

Ай да красавчик

В субботу провел звонок в сообществе у айти красавчика по теме новой профессии ИИ-инженера. Спасибо большое Жене, что дал возможность провести созвон и спасибо ребятам, которые пришли и задавали вопросы. Как мне кажется вышло очень продуктивно.

Старался рассказать все максимально близко к практике, чтобы новую информацию можно было применить в реальной работе.

Один вопрос хотел бы отдельно раскрыть.
Много ребят интересовались как сложно перекатиться свитчнуться в эту тему.
Скажу так: постепенно мы движемся к тому что вся профессия программист/разработчик сильно размоется и у нас будут позиции по типу AI-builder или AI product engineer.

Я вижу это прямо сейчас. Уже не важно какой язык ты знаешь, ты можешь писать на любом: Java, Python,Rust. Если знаешь как грамотно проектировать системы тебе все равно на специфику. Не нужно сидеть часами изучать синтаксис.

Прямо сейчас я сам работаю с 3 бекенд языками и двумя фреймворками на фронте. При этом если спросить меня вопросы по особенностям этих языков я не отвечу 100%, но 100% построю классный продукт или быстро запилю фичу.

Один раз помню на собесе на бекенд node.js разработчика спросили вопрос:

Расскажи пайплайн перевода JS кода в машинный код

В реальности ну вообще кому эти знания сдались для обычного разработчика сервисов? Главное доносить результат, а не знать спецификацию 139 страницы в 3 главе.

Постепенно все поменяется. Можно идти в ногу со временем, а можно бежать за уезжающим поездом, это уже выбирать вам.

P.S. активно работаю над своим курсом как быстро свитчнуться с разных профессий в ии-инженера.

Доработал программу: теория, домашка с практикой + модуль для трудоустройства.
Теория уже в курсе, домашку скоро выложу и активно записываю модуль по поиску работы.

Самый частый вопрос на собеседованиях для ИИ-инженера

Везде где я проходил собесы всегда присутствовал вопрос про качество выдачи результата нейронки (evals). Не важно это отдельный сервис, отдельный агент или просто написания кода за счет клода/кодекса.

1. Написание кода
Зачем спрашивают? Отсеять тех кто просто промптит, а не имеет настроенный процесс. На одном собесе мне напрямую сказали, что кто просто промптит мы не рассматриваем.

Тут я всегда рассказываю про свой подход работы своего воркфлоу.
В своей работе у меня несколько паттернов для решения задачи:
если задача большая:
- спличу на мелкие куски аналитику
- разбиваю на изолированные подзадачи
- по каждой позадаче провожу детальную аналитику + ресерч по коду. оформляется в конце в виде артефакта
- синтезирую инфу из артефактов и собираю как можно больше корнер кейсов, ищу потенциальные трейдоффы, слабые места
После этого только начинаю делать тех диз + ревью тех диза. Тут я провожу больше всего времени. Схемы, связи, архитектура.
Смотрю как это все встраивается. Если все ок, апрувнул далее просто запускаю воркфлоу по SDLC. Результат в 90% очень качественно выдается и нет проблем.

2. ИИ-фича/ии-агент
Зачем спрашивают? Узнать твой опыт, какие подходы, паттерны знаешь.
Тут есть много разных подходов, но самые частые, которые я использую это:
- детермированная структура (json или другие)
- агент-критик/судья
- golden dataset

Важно чтобы критика осуществлялась другим агентом/моделью. На селф ревью нейронка может легко ошибиться и выдать желаемое за действительное. Поэтому агента-критика создаю отдельно или вызываю другую модель.

Golden dataset очень мощная практика на большом обьеме данных. Условно есть 10к записей где нужно по шаблону что-то поменять. Нейронка 100% налажает где-то. Поэтому я бью весь обьем на чанки по 1к, прогоняю весь процесс и отдельно делаю себе датасеты с результатами: идеально, приемлемо, брак.
После этого уже отдельной проверкой сравниваю еще раз. Фактически сравниваю это с выдачей.

По детермированной структуре все достаточно просто. Говорю какой нужен output, обязательное соблюдение таких и таких параметров и дальше уже сама проверка происходит гораздо легче.

Вопрос про качество самый частый который у меня был и наверное самый важный.
В моем курсе будет отдельный ролик про качество и полноценный развернутый ответ на этот вопрос.

Шокирующая правда про ИИ

За последние 1.5 месяца провел 10 консультаций по поводу поиска работы, работы ИИ инженером.
У всех возникает похожий вопрос:

кто такой ии инженер и какие задачи он выполняет ?

Раскрою большой секрет:
90% компаний и нанимающих менеджеров сами не знают и понимают зачем им это все.

В мае-июне проходил большое количество собеседование на позиции ии техлида или просто ии инженера.
Понял что большинство компаний хотят внедрить просто потому что это «модно» , а не реально хотят решать сложные проблемы.

Щас мы ИИ внедрим и сразу половину сотрудников уволим

Я такое слышал несколько и меня конечно в смех бросало от недоумения почему они так думают.

Это я все к тому почему требования размыты и нет полного понимания кто такой ии инженер.
На практике происходит так:

1. нанимающий говорит нам нужен ии инженер сам не зная что нужно и как это работают
2. н*жн*й эйчар генерирует описание вакансии с чат гпт и начинает по ключевым словам искать.
3. вы в недоумении что значат магические слова харнесс или гермес в требованиях вакансии

Разберу как происходит на реальном рынке

под ии инженером понимают:
1. Разработчик умеющий применять нейронки.
Не просто промптить, а реально понимать как использовать инструменты чтобы результат был качественный и сделать фичу енд то енд от требований до полной раскатки.
2. Разработчик умеющий строить RAG пайплайн, писать агентов и грамотно интегрироваться LLM.

Что еще хочу отметить: часто обращаются разработчики, которые не знают питон и спрашивают как быть.
На деле жесткой привязки к языку нет, но во втором случае конечно чаще нужен будет питон.
В первом варианте видел вообще абсолютно разные языки: typescript, c#, java, go

Если у вас есть вопросы всегда можно написать спросить: @kostya_xxxx