Специалист по нейросетям: нужен ли он в штате

Вакансию «специалист по нейросетям» в компании открывают раньше, чем описывают, чем этот человек будет занят по понедельникам. Дальше начинается спор о зарплате, хотя спорить надо о загрузке и о том, кто отвечает за результат моделей. Ниже разбор с нашими собственными замерами: что ложится на такого сотрудника, что ломается через три месяца, по какой цифре понять, окупается ли он, и когда работу дешевле отдать наружу.

Почему одно название закрывает пять разных работ

Спрос на роль есть. Wordstat по России на 22.08.2026: «специалист по нейросетям» набирает 2573 показа в месяц, «специалист по работе с нейросетями» 691. Рядом стоят «специалист по нейросетям обучение» (407) и «специалист по нейросетям вакансии» (367), а вопрос «что делает» всего 59. Спрашивают в основном те, кто хочет войти в профессию.

Выдача под этот спрос и собрана. В топ-10 Яндекса по запросу «специалист по нейросетям что делает» на 22.08.2026 все десять страниц написаны для соискателя и ведут на обучение: checkroi, skillbox, synergy, practicum, skillfactory и вузовские программы ДПО. Для руководителя, который эту работу покупает, там нет ни часов, ни правил приемки, ни ответа на вопрос, можно ли обойтись без найма.

Отсюда и путаница в вакансиях. Под одним названием компании ищут то человека, который быстро делает тексты и таблицы через готовые модели, то того, кто пишет и держит промпты, то того, кто руками размечает данные и ведет эталон, то интегратора, который связывает модель с CRM и почтой, то ML-инженера. Это пять разных наборов навыков и пять разных объемов работы. Пока роль не разложена на эти части, любой найм превращается в лотерею.

Что этот человек делает на самом деле: разбор наших 90 дней

Мы посчитали собственную работу с моделями. 21 августа 2026 года разобрали, что накопилось в рабочем репозитории за 90 дней активной генерации кода.

Пять скриптов ходили во внешний сервис своими руками, хотя рядом лежал готовый инструмент под ту же задачу. Причина одна: под каждую задачу писался новый файл, а старый никто не искал.

Разбор занял один заход. Удалили 9 файлов и 784 строки, появился общий слой на 456 строк, чистое сокращение прикладного кода 807 строк. Файлов, о которых не сказано ни в одном документе, стало 0.

Вывод для найма простой. Узкое место не в генерации: текст и код модель выдает быстрее, чем человек успевает прочитать. Узкое место в приемке и владении. Роль нужна для того, чтобы у каждого результата был хозяин, срок жизни и место, где его найдут через месяц. Если этого нет, через три месяца компания получает свои 64 файла, которые никто не рискует трогать.

Разметка и эталон: работа, без которой качество обсуждают на ощущениях

Второй кусок роли выглядит скучно и потому обычно не попадает в вакансию. Кто-то должен руками собрать выборку, разметить ее и превратить в эталон, по которому меряют модель.

Наш замер от 20.08.2026 по движку поиска чувствительных данных: выборка 2867 сообщений, 4585 размеченных сущностей, покрытие 92,5 % при 344 пропусках и 301 ложном срабатывании. Данные с жестким форматом (документы, реквизиты, контакты, техника) ловятся на 96,7-98,8 %. Данные без формата хуже: ФИО 87,3 %, адрес 86,5 %, организации 92,8 %. На бесформатные типы приходится 287 пропусков из 344 и 231 ложное срабатывание из 301.

Оговорка обязательная. Это результат на нашей выборке, а не свойство инструмента вообще. Полноту автоматического обнаружения персональных данных мы не обещаем: рядом с 92,5 % всегда стоят 344 пропуска и 301 ложное срабатывание, и на другом наборе текстов числа будут другие.

Смысл в другом. Чтобы такая таблица вообще появилась, кто-то разметил 4585 сущностей руками. Без эталона разговор о качестве модели идет на ощущениях: «вроде отвечает нормально», «на прошлой неделе было хуже». Кто в компании владеет эталоном, тот и владеет качеством. Если такого человека нет, ответственность за ошибку модели растворяется, а она никуда не девается: как она распределяется на практике, разобрано в материале про ответственность за галлюцинации нейросетей.

Почему один прогон ничего не доказывает

Типовая сцена приемки: сотрудник показывает один прогон, все смотрят на цифру, цифра нравится, решение принято. Проблема в том, что оценка сама по себе плавает.

Мы шесть раз снимали внешнюю оценку качества по одному и тому же набору страниц, вход не менялся.

Между 2 и 161 нет никакого изменения в работе. Изменился только момент замера. Человек в этой роли обязан гонять один вход несколько раз и показывать разброс, а не самый удачный результат. Отсюда простое правило приемки: любая цифра без числа прогонов и даты не считается.

Здесь легко перепутать две задачи. Приемка ИИ-сервиса у подрядчика описана отдельно, там речь про чужой продукт и договор: тестирование нейросетей и QA. В этой статье речь про роль внутри компании и про то, кто отвечает за такие прогоны каждую неделю.

По какой метрике оценивать такого сотрудника

Самая дорогая ошибка в этой роли выглядит как успех. Наш пример: 143 страницы отдали в поиск, формальная приемка пройдена, план выполнен. За 30 дней эти страницы принесли 7 визитов и 3 клика. Работа сделана, результата нет.

Метрика формулируется до найма. Если в момент выхода человека вы не можете назвать цифру, которую он должен сдвинуть, вы нанимаете под ощущение занятости.

Пять ролей за одним названием

Разложите вакансию на части и посмотрите, какая из них у вас реально каждую неделю.

Зарплатные вилки в таблице не приводим: мы их не проверяли, а чужие цифры из статей про курсы никем не подтверждены. Про вторую строку таблицы есть отдельный разбор техник: продвинутый промпт-инжиниринг.

В штат или подрядчиком: где проходит порог

Порог считается в часах, а не в деньгах. Выпишите задачи, которые повторяются каждую неделю: сколько промптов надо поправить, сколько ответов проверить, сколько выгрузок разобрать. Если набирается меньше нескольких часов в неделю, штатная единица не окупится, а человек начнет придумывать себе работу и наращивать те самые 64 файла.

Внутри штата имеет смысл держать то, что завязано на ваш контекст и ваши данные: эталон, правила приемки, знание процессов. Наружу удобно отдавать разовую сборку и разбор: аудит процессов и данных, сборку агентов под конкретный процесс и автоматизацию ручной рутины.

Наша модель работы для такого случая: ставка 2 500 ₽/ч, оплата по факту сделанного, без аванса. Часы видно сразу, и через месяц понятно, сколько роль стоит на самом деле, до открытия постоянного оклада.

Что спросить на собеседовании и что попросить показать

Списки качеств («системное мышление», «насмотренность») не проверяются. Проверяются действия.

1. Покажите эталонную выборку

   Попросите файл, на котором кандидат мерил качество: сколько примеров, кто размечал, сколько там пропусков и ложных срабатываний. Ответ «мерил на глаз» закрывает вопрос.

2. Прогоните один вход три раза

   Дайте одну и ту же задачу и попросите показать три результата подряд и разброс между ними. Человек, который делал это раньше, не удивится просьбе.

3. Назовите метрику бизнеса

   Спросите, по какой цифре компании кандидат предлагает себя оценивать через три месяца. Ответы про количество сделанных штук отправляют обратно к таблице выше.

Чего в этой роли мы не проверяли

Пишем прямо, чтобы вы не приняли наш опыт за рыночную статистику.

Число вакансий мы не подтвердили: API hh.ru отдал ошибку доступа при обращении 22.08.2026, поэтому цифры по рынку труда в тексте нет. Зарплатные вилки мы не замеряли и чужие не переносим. Разговоров с покупателем, который сказал бы «мне нужен человек по нейросетям и я готов за это платить», у нас ноль, поэтому утверждать «рынку нужна такая роль» мы не будем. Все числа выше это замеры нашей работы, и переносить их на вашу компанию надо с поправкой на ваши процессы.

Что из этого следует практически: начните не с вакансии, а с описания недели. Выпишите, какие задачи с моделями у вас повторяются, кто сегодня их делает и по какой цифре вы поймете, что стало лучше. После этого решение о найме принимается за один разговор.