Хайп говорит «нанимайте AI». В реальных JD покупают специалистов под production agents, evals, Applied AI и partner delivery. Ниже: как читать кластеры вакансий как org chart под давлением, и пять ролевых кластеров из разобранного корпуса.
Рыночные обзоры любят агрегаты: «спрос на AI вырос на N%». Для CTO и Head of Engineering процент почти бесполезен. Он не говорит, кого покупают и какую боль закрывает найм.
Я беру кластер ролей одной компании или одного типа сигнала и смотрю, какая оргструктура проступает сквозь текст. Обязанности в JD часто честнее keynote: там уже написано, что не масштабируется, что сыпется на клиентах, чего не хватает до следующего раунда или листинга.
Корпус — открытые вакансии frontier lab, enterprise pharma, industrial Series C, agent-startup перед Series A. Это методика на конкретных JD, без претензии покрыть «весь LinkedIn»: где паттерн повторяется у разных работодателей, там спрос. Одна красивая формулировка рекрутера сама по себе ничего не доказывает.
Метод: JD как org chart под давлением
Одна вакансия — шум. Три роли рядом с пересекающимися обязанностями — уже чертёж.
Вопросы к тексту вакансии:
- Что сломалось или не масштабируется? Часто прямо в responsibilities: «customer outcomes», «regression across product surfaces», «partner-led pre-sales».
- Кого ищут рядом? Одновременный найм 3× Engineering Manager или EM + Prompt/Evals + Partner SA обычно значит смену модели поставки, а не просто «открыли ещё одну позицию».
- По чему меряют успех роли? «Довести automation с 40% до 85–95%», «evaluation harness», «production AI assets». Критерий уже про поставку, не про «исследовать LLM».
- Что в nice-to-have, а что в must-have? Если evaluation harness и failure taxonomy стоят в non-negotiable у technical cofounder, рынок назвал цену надёжности.
Рабочая гипотеза при чтении: нанимают под функцию, без которой уже текут деньги или репутация. Абстрактный «навык модели» сам по себе JD почти не объясняет.
Пять кластеров, которые повторяются
| Кластер | Под что нанимают на самом деле | Типичный сигнал в JD |
|---|---|---|
| Production agent ownership | Hands-on EM / tech lead, который сам деплоит агентов к клиенту | evals, guardrails, HITL, orchestration, «not just used AI tools» |
| Applied AI leadership | Director / Sr. Director, который сводит AI-инициативы в поставку | multi-team AI roadmap, architecture, GTM alignment |
| Evals as infrastructure | Отдельная функция промптов и eval, не «побочная задача IC» | eval suites, regression on model releases, mentorship product teams |
| Partner / field architecture | Архитектура внедрения через GSI и cloud-партнёров | reference architectures, partner-led pre-sales, enterprise readiness |
| Industrial / domain autonomy | C-level или Director с мандатом на autonomous / agentic переход | «drive transition toward agentic AI», OT–IT, production environments |
Разберу каждый на живых формулировках. Имена клиентов опускаю там, где в базе компания анонимизирована.
1. Production agent ownership
VC-backed AI-стартап (~$5M ARR) перед Series A одновременно ищет трёх Software Engineering Manager под AI agents (EU/UK, через Techmunity). В тексте роли — личный трек: agents in production; объяснение, как агенты ломались; как закрывали reliability, evals, guardrails, edge cases. Squad отвечает за orchestration, tool integrations, monitoring, human-in-the-loop (HITL). Плюс стратегические деплои: automation у клиента с ~40% до 85–95%.
Сигнал из разбора: delivery раньше вёл Customer Success и не масштабировался. Компания уходит в engineering-led deployment перед раундом. Eng должен владеть customer outcomes, и это надо показать инвесторам структурой найма.
Тот же акцент на production reliability у technical cofounder agentic-стартапа (NL/EU): в must-have стоят evaluation harness, regression prevention, error/failure taxonomy, monitoring, рядом с CI/CD и safe releases. Без eval-контура кандидата просто не берут.
2. Applied AI leadership
Параллельно рынку стартапов идут роли уровня Sr. Director, Engineering — Applied AI (NAMER/EMEA): стратегия AI engineering across product lines, архитектура, эксперименты → scalable outcomes, выравнивание с product/design/GTM. Это оргслой над «командой ML в углу»: собирает разрозненные AI-фичи в управляемую поставку.
В enterprise pharma тот же сдвиг читается в Director, Enterprise AI Engineering (AstraZeneca, Gothenburg): пять зон от Systems Intelligence до Product Incubation, golden path для AI-разработки, operational excellence production ML, лидерство над PhD-heavy командой. Карточка в базе фиксирует смысл: переход от исследовательской команды к production-платформе. Роль «переводчика» наука → delivery раньше не была выделена.
Если вы CTO enterprise и всё ещё планируете AI как «двух сильных ML-инженеров», JD этого класса уже описывают другую оргсхему.
3. Evals as infrastructure
У frontier lab (Anthropic) роль Prompt Engineer, Agent Prompts & Evals (SF, вилка порядка $320–405K в карточке вакансии) закрывает системные и feature-промпты, eval-фреймворки и automated suites, regression testing при запусках моделей по product surfaces, менторинг product-команд. В разборе вакансии: prompting раньше был фрагментарным по командам; параллельно открыт EM на ту же линию. Линию планируют как инфраструктурную функцию, не как одиночный IC.
Это рыночный перевод тезиса, который я разбирал отдельно про eval как критерий релиза AI-фичи. Когда поведение модели становится частью продукта, demo-grade «на глазок» перестаёт быть приемлемым, и появляется headcount под дисциплину.
4. Partner / field architecture
Тот же lab нанимает Head of International Applied AI Architecture, Partnerships (London): команда Partner Solutions Architects, крупные системные интеграторы (GSI) и cloud-партнёры, partner-led pre-sales, reference architectures, feedback в продукт. В требованиях — RAG, агентные системы, enterprise production readiness.
Читать сильнее как platform-pivot: marketplace, partner network и field enablement обгоняют внутреннюю capacity lab закрыть enterprise-внедрения своими руками. Спрос на applied architecture смещается наружу: к партнёрам и к независимым практикам, которые умеют внедрять в чужих контурах. Рядом по смыслу — зачем AI-скиллам нужен онбординг вместо копирования в каталог: и люди, и агентные пакеты без gate на масштабе расползаются.
5. Industrial / domain autonomy
Отдельный, менее шумный кластер — industrial AI на Series C. Вакансия CTO (UK remote, £150–190k + equity 1.5–2%): среди обязанностей явно drive technical transition toward more agentic AI and autonomous optimization. Мандат роли, не пункт из investor deck. OT–IT опыт при этом часто ещё nice-to-have: autonomy уже в тексте, а редкость OT–IT экспертизы ещё не дожала требования до must-have.
Для тех, кто смотрит только на consumer ChatGPT-хайп: деньги Series C уже вписывают agentic transition в job description C-level.
Как не обмануться методом
Кластер ≠ прогноз биржи. Несколько ограничений, без которых разбор превращается в storytelling:
- Выборка смещена. Корпус — роли, которые попали в разведку (LinkedIn, рекрутеры, retained search). Это не случайная выборка всех AI-вакансий планеты.
- Одна роль без соседей — слабый сигнал. Красивый JD «AI Engineer» без кластера может быть и реальным наймом, и декорацией roadmap.
- Рекрутерский язык врёт. «Transform the industry» можно вычеркнуть. Смотреть на измеримые outcomes, стек ответственности и соседние позиции.
- Зарплатная вилка легитимизирует дисциплину, но не доказывает массовость. $320K+ на Agent Prompts & Evals говорит, что lab считает функцию дорогой инфраструктурой. Не что таких ролей тысячи.
- Анонимные retained-вакансии полезны как паттерн (3× SEM), опасны как «история конкретной компании»: в базе часть работодателей намеренно без имени.
Если после вычёркивания маркетинговых прилагательных в JD не осталось failure mode, критерия успеха и границы ответственности, это ещё не сигнал спроса. Это пресс-релиз в форме вакансии.
Что с этим делать CTO и кандидату
Если вы нанимаете. Сверьте plan headcount с кластерами выше. Roadmap говорит «агенты в прод», а в найме только research ML и prompt-энтузиасты без eval/ops ownership? Вы покупаете демо, которое рынок уже умеет. Имеет смысл явно завести владельца: production agent path, eval gate, partner/field architecture, даже fractional роль, не обязательно FTE.
Если вы кандидат или независимый архитектор. Смотрите, где сейчас цена: reliability (evals, guardrails, failure taxonomy), applied delivery across teams, partner-facing architecture. Ближе к AI Architect / production systems, чем к «я хорошо пишу промпты». Позиционирование «системы доезжают до прода, а не умирают в пилоте» совпадает с формулировками JD сильнее, чем с манифестами про «будущее AI».
Если вы читаете новости labs. Marketplace, partner network, enablement-роли и SOX/compliance в одном кластере читаются как org chart компании, которая переходит от model-as-a-service к platform + enterprise delivery. Внешний спрос на архитекторов внедрения растёт именно в такие окна.
Итог
В разобранных JD 2026 года спрос читается как найм под функции, без которых агент и модель не становятся бизнесом: владение продом, eval-инфраструктура, Applied AI leadership, partner architecture, иногда industrial autonomy на C-level. Корпус не объясняет спрос формулой «больше людей, которые умеют ChatGPT».
Хайп продаёт навык. Вакансии закрывают контур: кластер ролей, outcomes без прилагательных, соседние позиции рядом.