Руководитель AI Talent Hub Дмитрий Ботов рассказал о кардинальном обновлении магистерской программы по искусственному интеллекту в ИТМО, которая стала крупнейшей онлайн-магистратурой по ИИ в Европе. По его словам, решение о пересмотре подходов созрело примерно год-полтора назад, когда стало очевидно, что профессиональные стандарты и образовательные ориентиры фиксируют рынок с задержкой, а значит, опора на них готовит кадры для прошлого, а не для будущего. Программа, запущенная четыре года назад совместно с сооснователем Napoleon IT Павлом Подкорытовым, изначально задумывалась как проектная среда без жёсткого учебного плана, но теперь требует более радикальных изменений. Сегодня AI Talent Hub насчитывает более 250 выпускников и 500 студентов из 60 городов России, при конкурсе 7 человек на место и 215 бюджетных местах, а магистранты решают задачи X5 Tech, МТС, Альфа-Банка, Ozon и других компаний.

Ботов выделил три ключевых сдвига, которые одновременно изменили рынок и сделали прежнюю ролевую модель устаревшей. Во-первых, foundation-модели стали доступны через API, и теперь ML-инженеру не нужно обучать модель с нуля под каждую задачу заказчика — компании берут готовые решения у вендоров или используют open-source, а основная работа смещается к проектированию контекста, прав доступа, наблюдаемости и экономики сценариев. Во-вторых, стохастическая природа ИИ требует новых инженерных дисциплин: классический код даёт предсказуемый результат, а ИИ-система может отвечать по-разному, что порождает необходимость в evals, мониторинге и постоянной проверке качества. В-третьих, вход на рынок усложнился: по данным SignalFire, к 2025 году найм новых выпускников в Big Tech снизился более чем на 50% по сравнению с 2019-м, а начальные роли всё чаще автоматизируются ИИ-инструментами, поэтому от начинающего специалиста ждут умения ставить задачи и отвечать за результат.

Прежняя программа предлагала студентам четыре роли: ML Engineer, Data Analyst, Data Engineer и AI Product Engineer, которые хорошо описывали рынок ещё год назад. Однако, по мнению Ботова, этот подход больше не работает, поскольку рынок стремительно меняется, и важно уже сейчас задуматься, кого выпускать через два года. Инструменты приходят и уходят, но происходит структурный сдвиг в логике того, за что компании готовы платить: ИИ резко снизил порог между идеей и работающим продуктом. Сегодня один сильный специалист или небольшая команда могут быстро создать open-source-решение или коммерческий продукт, опережая устоявшихся игроков, поэтому фокус подготовки смещается от исполнителей готовых процессов к создателям продуктов и компаний будущего.

Данные Anthropic Economic Index за март 2026 года показывают, что в 49% профессий ИИ уже используется как минимум в четверти задач, а крупнейшие технологические компании сокращают отдельные команды, но расширяют направления, связанные с ИИ. При этом Data Analyst и Data Engineer остаются востребованными, а круг их задач расширяется: низкое качество данных и незрелая инфраструктура остаются главными препятствиями для внедрения ИИ. Data readiness становится обязательным условием запуска агентных систем, иначе они будут масштабировать существующие ошибки. Ботов подчеркнул, что к классическому стеку инструментов добавляются новые требования к контролю и мониторингу, что формирует новые роли и зоны ответственности.

Для российского рынка эти изменения особенно значимы, поскольку он традиционно отставал от глобальных трендов, но сейчас вынужден адаптироваться стремительно. Магистранты AI Talent Hub уже работают в Сбере, Яндексе, Т-Банке и других ведущих компаниях, причём 61% занимают позиции Middle и выше, а у 36% выпускников карьерный рост произошёл во время обучения. Однако, как отмечает Ботов, если не менять программу, выпускники рискуют оказаться не готовыми к требованиям рынка через два года. Обновлённая магистратура делает ставку на проектную работу в условиях, максимально приближенных к реальным production-системам, где студенты учатся не просто применять инструменты, а проектировать архитектуры с учётом стохастичности и безопасности.

В отличие от традиционных курсов, которые фокусируются на обучении конкретным фреймворкам и библиотекам, новый подход ИТМО ориентирован на развитие системного мышления и способности адаптироваться к смене технологий. Ботов сравнивает ситуацию с тем, как ранее ML-инженеры обучали модели с нуля, а теперь основная задача — выбрать подходящую основу, встроить её в продукт и обеспечить надёжную работу в конкретном контексте. Это требует от специалистов понимания не только технических деталей, но и бизнес-логики, что делает их более ценными для работодателей. Конкуренты, такие как Школа анализа данных Яндекса или курсы от Сбера, также обновляют программы, но AI Talent Hub делает ставку на масштаб и проектную интеграцию с индустрией.

Перспективы программы связаны с дальнейшим углублением специализации в области agentic workflows и систем с обратной связью, где модели получают инструменты и выполняют цепочки действий. Ботов признаёт, что остаются открытые вопросы, например, как измерять эффективность таких систем и как готовить студентов к работе с постоянно меняющимися API и моделями. Однако он уверен, что именно такой подход — отказ от жёстких ролей в пользу гибких траекторий — позволит выпускать специалистов, востребованных не только сегодня, но и через два-три года. В конечном итоге, как отмечается в статье, главная задача образования в области ИИ — не учить конкретным инструментам, а формировать способность учиться и адаптироваться быстрее, чем меняется рынок.