Искусственный интеллект давно перестал быть темой только для разработчиков: сегодня о нём говорят на советах директоров, в отделах продаж и на кухнях. Но за каждым работающим ИИ-решением в бизнесе стоят люди, а хороших специалистов в этой области на рынке катастрофически мало.
Александр Вариводов — программист и специалист по интеграции искусственного интеллекта в CRM-системы, награждённый Евразийским знаком почёта «Мир Евразии XXI век» II степени. Мы поговорили с ним о том, как собрать команду в самой дефицитной профессии десятилетия, почему специалисты по ИИ уходят из компаний, как вырастить своих экспертов и на чём на самом деле зарабатывают интеграторы ИИ.
Самая дефицитная профессия
— Александр, все говорят о дефиците специалистов по ИИ. Насколько он реален?
— Абсолютно реален, но устроен не так, как многие думают. Людей, которые прошли курсы по нейросетям и умеют подключить модель через API, становится всё больше. А вот тех, кто может прийти в живую компанию, разобраться в её процессах и встроить ИИ так, чтобы он приносил деньги, по-прежнему единицы.
Это разные профессии. Первая — про технологию. Вторая — про технологию, бизнес и людей одновременно. Именно вторых не хватает, и именно за ними охотятся все.
— Каким должен быть специалист по интеграции ИИ? Кого вы ищете?
— Я ищу людей, у которых есть три качества. Первое — инженерное мышление: умение разложить сложную задачу на части и построить решение, которое не развалится через месяц. Второе — любопытство к чужому бизнесу. Человек должен искренне интересоваться, как устроен отдел продаж дистрибьютора или почему в клиентском сервисе теряются заявки.
И третье, самое редкое, — умение говорить с людьми. Специалист по интеграции постоянно общается с менеджерами, руководителями, собственниками. Если он не может объяснить простыми словами, что изменится и зачем, лучшее техническое решение так и останется невостребованным.
Знание конкретных моделей и библиотек для меня вторично. Оно устаревает за полгода. Мышление остаётся.
«Знание конкретных моделей устаревает за полгода. Мышление остаётся»
Как собрать команду
— С чего вы начинаете формирование команды?
— С понимания того, какие роли нужны на самом деле. Классическая ошибка — нанять трёх сильных программистов и ждать, что они сами всё внедрят. Так не работает.
Проект по интеграции ИИ в CRM — это минимум три разные компетенции. Кто-то должен разбираться в бизнес-процессах клиента и переводить их на язык задач. Кто-то — проектировать и строить техническое решение: интеграции, данные, модели. И кто-то — отвечать за то, чтобы решение прижилось у сотрудников клиента: обучение, поддержка, обратная связь.
В небольшой команде эти роли могут совмещаться в одном человеке. Но думать о них нужно отдельно, иначе какая-то из них обязательно провиснет.
— Где вы находите таких людей?
— Меньше всего — на открытом рынке через стандартные вакансии. Сильные специалисты по ИИ почти никогда не ищут работу активно: их и так зовут.
Гораздо лучше работают профессиональные сообщества, выступления, открытые разборы задач. Когда ты делишься реальным опытом, к тебе приходят люди, которым это интересно. И ещё один источник, который я очень ценю, — сильные ребята из смежных областей: аналитики, внедренцы CRM, разработчики, которые хорошо понимают бизнес и хотят вырасти в ИИ.
— Что для вас красный флаг на собеседовании?
— Когда человек рассказывает только о технологиях и ни разу — о результате. «Я использовал такую-то модель и такой-то фреймворк» — хорошо, а что изменилось для бизнеса? Если кандидат не может ответить, значит, он не задавал себе этот вопрос.
Второй красный флаг — неумение сказать «не знаю». В области, которая меняется каждый месяц, никто не знает всего. Опасен не тот, кто чего-то не знает, а тот, кто уверенно делает вид, что знает.
Почему специалисты уходят и как их удержать
— Почему специалисты по ИИ так часто меняют работу?
— Деньги — далеко не первая причина, хотя рынок действительно перегрет и предложения поступают постоянно. Гораздо чаще люди уходят от скуки и бессмысленности.
Сильный специалист хочет решать сложные задачи и видеть, что его работа на что-то влияет. Если его месяцами держат на поддержке одного и того же решения или проекты закрываются, не дойдя до запуска, он уйдёт, сколько ему ни плати.
Третья причина — остановка в развитии. В ИИ полгода без обучения — это серьёзное отставание. Специалист чувствует это острее всех и уходит туда, где может расти.
— Что тогда работает для удержания?
— Во-первых, интересные задачи. Я стараюсь, чтобы у каждого человека в команде в работе был хотя бы один проект, где ему приходится придумывать, а не повторять.
Во-вторых, видимый результат. Когда специалист видит цифры клиента до и после внедрения, понимает, что его работа сэкономила компании сотни часов, это мотивирует сильнее любой премии.
В-третьих, время на обучение как часть работы, а не как личное дело в выходные. Разобраться в новой модели, попробовать новый инструмент, поделиться находкой с командой — это нормальная рабочая задача.
И, конечно, честная оплата. Говорить, что деньги не важны, было бы лукавством. Но деньги удерживают ровно до тех пор, пока кто-то не предложит больше. Смысл и рост удерживают надолго.
«Деньги удерживают ровно до тех пор, пока кто-то не предложит больше. Смысл и рост удерживают надолго»
Как выращивать специалистов
— Можно ли вырастить специалиста по ИИ внутри команды, а не искать готового?
— Не просто можно — часто это лучший путь. Готовых специалистов мало и они дороги, а человек, которого ты вырастил, понимает твой подход, твоих клиентов и твои стандарты качества.
Хороший кандидат для роста — тот, у кого уже есть одна из нужных компетенций. Например, опытный внедренец CRM, который отлично знает процессы продаж, но только начинает разбираться в ИИ. Или сильный разработчик, которому интересно понимать бизнес. Научить недостающему проще, чем переделывать мышление.
— Как устроен этот рост на практике?
— Через реальные задачи с постепенно растущей ответственностью. Сначала человек работает в паре с опытным специалистом: смотрит, как проходит аудит, как строится решение, как идут разговоры с клиентом. Потом берёт на себя часть проекта. Потом — небольшой проект целиком под присмотром.
Очень важен разбор после каждого проекта: что сработало, что нет, что сделали бы иначе. Ошибки неизбежны, и лучше, чтобы человек учился на них внутри команды, а не в одиночку.
И ещё я верю в то, что лучший способ разобраться в теме — объяснить её другим. Когда специалист рассказывает коллегам о новом инструменте или разбирает свой кейс, он сам понимает его в два раза глубже.
— Как быстро новичок становится самостоятельным специалистом?
— По-разному, но это точно не недели. Освоить технологии можно относительно быстро. А вот научиться видеть бизнес клиента, предугадывать, где решение может не прижиться, и спокойно разговаривать с собственником — это приходит только с опытом нескольких проектов.
Поэтому я не тороплю людей. Специалист, которого выпустили к клиенту слишком рано, может испортить и проект, и собственную уверенность в себе.
На чём зарабатывает интеграция ИИ
— Давайте поговорим о деньгах. Как на самом деле монетизируется интеграция ИИ в CRM?
— Есть несколько моделей, и в зрелой практике они обычно сочетаются.
Первая — аудит. Компания платит за то, чтобы разобраться в своих процессах и получить карту: где теряется время, где ИИ даст эффект, сколько это будет стоить и как быстро окупится. Это небольшой и понятный первый шаг, который снимает риск для клиента.
Вторая — проект внедрения. Разработка и настройка решения под конкретные процессы: интеграция с CRM, телефонией, почтой, учётными системами, подключение моделей, обучение сотрудников. Это основной объём работы.
Третья — сопровождение. ИИ-решение нельзя один раз внедрить и забыть. Модели обновляются, процессы в компании меняются, появляются новые задачи. Поэтому после запуска многие клиенты остаются на абонентской поддержке и развитии.
И четвёртая — обучение команд клиента. Компаниям всё важнее, чтобы их собственные сотрудники умели работать с ИИ, а не зависели во всём от подрядчика.
— Какая из этих моделей самая выгодная?
— Долгосрочно — сопровождение. Проект внедрения даёт разовую выручку, а клиент, который остаётся с тобой на годы, даёт предсказуемый доход и, что не менее важно, возможность делать для него всё более сложные и интересные решения.
Но к сопровождению нельзя прийти, минуя качественное внедрение. Клиент остаётся, только если первое решение действительно сработало и он увидел результат в цифрах. Поэтому я считаю, что лучшая стратегия монетизации — это честная работа на результат клиента. Всё остальное следует из неё.
— Многие обсуждают модель «оплата за результат» — когда подрядчик получает процент от экономии. Как вы к ней относитесь?
— С интересом, но осторожно. В теории это идеальная модель: интересы подрядчика и клиента полностью совпадают. На практике всё упирается в то, как измерить результат. Экономия зависит не только от ИИ, но и от того, как компания организует работу, насколько сотрудники пользуются решением, что происходит на рынке.
— Что больше всего влияет на прибыльность бизнеса по интеграции ИИ?
— Повторяемость. Каждый новый проект можно делать с нуля, а можно опираться на наработанные решения: типовые сценарии для отдела продаж, проверенные интеграции с популярными CRM, готовые подходы к безопасности данных.
Чем больше у команды таких наработок, тем быстрее и надёжнее она внедряет и тем больше может предложить клиенту за те же деньги. Но тут важно не скатиться в продажу «коробки». Каждая компания уникальна, и решение всё равно нужно адаптировать под неё.
Второе — люди. Прибыльность напрямую зависит от того, насколько сильная и стабильная у тебя команда. Именно поэтому всё, о чём мы говорили в начале, — найм, удержание, рост специалистов — на самом деле и есть главная бизнес-стратегия.
«Найм, удержание и рост специалистов — это и есть главная бизнес-стратегия в интеграции ИИ»
— Что бы вы посоветовали тому, кто сегодня хочет построить свою команду в ИИ?
— Начинать с людей, а не с технологий. Технологии будут меняться постоянно: то, что сегодня кажется передовым, через год станет стандартом. А команда, которая умеет учиться, разбираться в бизнесе клиента и честно работать на результат, останется вашим главным преимуществом при любых изменениях.
И не бояться растить своих. Самые сильные специалисты, которых я знаю, когда-то пришли в профессию из соседних областей, и кто-то дал им шанс.
Мне кажется, через несколько лет вопрос «есть ли у вас ИИ» будет звучать так же странно, как сегодня «есть ли у вас интернет». А вот вопрос «есть ли у вас люди, которые умеют с ним работать» станет одним из главных для любого бизнеса.
Комментарии (0)