«Да откуда ты берёшь эти сказки про AI? Никто его так не использует!»
Отвечаю. Не ощущениями, не постом из Кремниевой долины, не манифестом визионера. Отвечаю аудитом. Моя информация — это разбор текущей ситуации и потребностей 1131 компании (на данный момент) по публичным данным. Статистика пополняется ежедневно. Спор «используют / не используют» вообще не решается ощущениями. Он решается там, где компания открывает вакансию, вешает требования и обещает за них платить деньги.
У меня — корпус. У оппонента — «мне кажется».
Ощущение против платёжки
Аргумент «никто так AI не использует» держится ровно до первого вопроса: на чём он держится? Обычно — на ленте знакомых, на паре разочаровавших демок, на общем усталом «опять этот хайп». Это не данные. Это настроение.
Проблема настроения в том, что оно ничего не стоит и ничего не предсказывает. Компания, которая пишет в требованиях «умейте строить GenAI и тащить AI-трансформацию», ставит на кон бюджет на найм, зарплату и полгода работы нового человека. Требование в вакансии — это ставка деньгами. Ощущение эксперта — это ставка ничем.
Дальше я не спорю. Я показываю платёжку.
Что это вообще за 1131 компания
Это не выборка стартапов из гаража и не подписчики одного техно-блогера.
Топ-5 стран по числу компаний в выборке:
- UAE — 222
- Внезапно Serbia — 168
- Saudi Arabia — 130
- Germany — 94
- Ireland / Qatar — по 85
Дальше — Kuwait, Bosnia, Netherlands, France. Это рынок от Залива до Европы, который платит зарплату и публикует требования. География, которую в разговорах про «AI-хайп» вообще не держат в голове.
Чем эти компании занимаются — топ индустрий по числу уникальных компаний:
- IT Services & Consulting
- Software Development
- Technology / Information
- Financial Services
- Internet
Консалтинг, продукт, финансы. Те, кто зарабатывает на технологиях и на деньгах клиентов.
И кого они ищут. Абсолютный топ ролей:
- Engineering Manager
- Head of Engineering
- Product Manager / Solution Architect
- Project Director
- Senior Solution Architect / Enterprise Architect
А также в топ-10 — AI Architect и CTO. Вот здесь первый удар по мифу «рынок нанимает AI-энтузиастов». Не нанимает. Рынок ищет людей, которые держат инженерию, архитектуру и продукт — и уже внутри этого контура требует AI. Не «поиграйся с моделькой», а «встрой AI в то, чем ты и так руководишь».
Не «упомянули AI», а что именно с ним делают
AI вообще упоминается у ~62% компаний. Уже одна эта цифра рушит «никто так не использует»: не «никто», а почти две трети выборки. Но упоминание — слабый аргумент, слово можно наклеить на что угодно. Поэтому разложим, что за этим словом стоит.
Топ-10 применений:
- LLM / GenAI (RAG, agents, orchestration, foundation models) — ~559 кейсов. Пример: agentic workflows, LLM orchestration, model evaluation, RAG patterns.
- Classical ML / Data Science (модели, MLOps, computer vision) — ~386 кейсов. Пример: AI/ML платформы, model deployment, inference, production ML.
- «Просто написали AI» без явного сценария — ~276 кейсов. Самый честный пункт рейтинга: часть рынка всё ещё клеит слово на витрину. Это не отменяет остальные девять — но и прятать этот пункт я не буду.
- AI transformation / strategy / roadmap — ~267 кейсов. Пример: AI adoption across org of 70+ engineers; enterprise AI-driven solution.
- AI governance / risk / compliance / safety — ~174 кейса. Пример: AI governance model, risk reviews, lifecycle stages, documentation.
- AI architecture / platform / infrastructure — ~167 кейсов. Пример: reusable AI architecture patterns, AI platform and integration projects.
- AI для скорости инженерии (Copilot, Cursor, coding assistants, SDLC) — ~167 кейсов. Пример: Copilot / Claude / Cursor в daily workflow — «не знакомство, а demonstrated integration».
- AI product / feature development — ~147 кейсов. Пример: ML/AI-driven feature development вместе с Product.
- AI Delivery / leadership над AI-работой — ~114 кейсов. Пример: end-to-end delivery of AI initiatives — from business case to production.
- AI ops / automation / process — ~74 кейса. Пример: intelligent automation, document AI.
Пункт 3, «просто написали AI», я держу прямо в рейтинге, а не заметаю под ковёр. Да, часть рынка вешает слово на витрину. Но GenAI на 559 кейсов и classical ML на 386 — это не витрина, это работа. Оппонент, который говорит «никто так не использует», обычно видит именно пункт 3 и делает вид, что первых двух не существует.
Governance и платформа — уже не экзотика
На этом месте обычно возражают иначе: «ну модельку прикрутить — это все умеют, а по-взрослому никто не делает». Смотрим дальше по списку — и это возражение тоже не проходит.
AI governance / risk / compliance / safety — ~174 кейса. AI architecture / platform / infrastructure — ~167 кейсов. Это не хобби-проекты. Это признак того, что AI перестали трогать пальцем и начали заводить в контур ответственности: риск-ревью, стадии жизненного цикла, документация, переиспользуемые архитектурные паттерны, платформа. Governance и platform в этом корпусе — уже не редкость, а must have.
И вот здесь единственная оговорка, которую я обязан сделать честно. AI Delivery как отдельная дисциплина — leadership над AI-работой, end-to-end от бизнес-кейса до продакшна — в корпусе есть, но пока слабее: ~114 кейсов против 559 у LLM и 386 у ML. Рынок уже нанимает под GenAI и трансформацию массово, а вот выделенную роль «тот, кто доводит AI-инициативу до результата» формулирует реже. Это не дырка в аргументе — это белое пятно, за которым видно, куда рынок двинется следующим.
Зачем им это — не «чатбот для HR»
Пункт, который окончательно закрывает спор. Одно дело — что компании делают с AI технически. Другое — ради какой бизнес-задачи. Именно здесь миф про «игрушки и хайп» умирает.
Абсолютный топ бизнес-задач — для чего они применяют AI:
- Стратегическая AI-трансформация / не отстать от рынка — 26%
- Соблюсти regulation / снизить legal & model risk (AI Act, governance, responsible AI) — 18%
- Вывести AI-продукт / AI-фичи (выручка через продукт) — 13%
- Ускорить time-to-market / engineering delivery — 11%
- Лучшие решения: forecasting / insights / decision support — 10%
Дальше — снизить косты, поднять эффективность, защитить бизнес, собрать прочие AI-capabilities, улучшить customer experience, логистику и продажи.
Прочитай первые два пункта ещё раз. 26% — это стратегия и страх отстать. 18% — это регуляторика и риск: AI Act, governance, responsible AI. Почти половина мотивации рынка — не «хочу модную фичу», а «боюсь остаться позади» и «боюсь получить по голове от регулятора». Так ведут себя компании, которые уже считают AI фактором выживания и юридическим риском одновременно.
Так кого этот рынок на самом деле ищет
Сведём картинку. Топ-роли — Engineering Manager, Head of Engineering, архитекторы, Project Director, плюс AI Architect и CTO. Топ-применения — GenAI, ML, трансформация, governance, платформа. Топ-задачи — не отстать, не нарушить, вывести продукт, ускорить delivery.
Это описание человека, который держит инженерию и архитектуру, умеет вести AI-трансформацию как программу и не роняет её на governance и риске. Ровно тот контур, который корпус показывает как реальный спрос. И самое интересное про AI Delivery: то, что в корпусе она пока слабее LLM и product, — это не её отсутствие, а фаза. Массовый GenAI-найм без выделенной дисциплины доведения до результата долго не живёт. Пятно белое, но заполняется оно предсказуемо.
Где аргумент «никто так не использует» ломается
Соберём возражения и пройдёмся по каждому.
«Это хайп из Кремниевой долины» — топ-5 стран: UAE, Serbia, Saudi Arabia, Germany, Ireland. Долины здесь нет. Рынок от Залива до Европы.
«Ну, модельку прикрутить — все умеют» — governance: 174 кейса, platform/infrastructure: 167 кейсов. Это не «прикрутить», это заводить AI в контур ответственности с риск-ревью и документацией.
«Это стартапы в гараже» — топ-индустрии: IT Services & Consulting, Software Development, Financial Services. Консалтинг, продукт, финансы.
«Ищут AI-энтузиастов» — топ-роли: Engineering Manager, Head of Engineering, Enterprise Architect, CTO. Рынок нанимает руководителей инженерии и архитектуры, которые уже внутри своего контура работают с AI.
«Никто так по-взрослому не делает» — 26% бизнес-мотивации: стратегическая трансформация. 18%: regulation и model risk. Компании боятся отстать и боятся регулятора. Это поведение выживания, а не хайпа.
Каждое возражение разбивается о конкретный срез данных. Не о моём мнении — о требованиях, за которые компании платят зарплату.
Что в этом корпусе видно, а чего пока нет
Корпус найма показывает, за что компании готовы платить. Компания может врать в маркетинге, но в вакансии она пишет то, за что готова платить. И этот арбитр говорит: GenAI, ML, трансформация, governance, платформа — реальный спрос. AI Delivery — белое пятно, которое заполнится, потому что массовый найм под GenAI без дисциплины доведения до результата не живёт.
1131 компания, ~62% с AI, 559 кейсов GenAI, почти половина мотивации в трансформации и регуляторике, governance как must have. Всё это лежит в публичных требованиях к найму.
А те, кто говорит «никто так AI не использует» — ну видимо обладают более широкими данными, чем я. Покажите. Сравним.