Разработка
Создаёт промпты для LLM
Разрабатывает промпты для взаимодействия с LLM через API, оптимизируя их для конкретных задач.
AI-инженер
↗ Рейтинг курсовКто такой AI-инженер: создание LLM-приложений, RAG и агентов, нужные навыки, путь входа в профессию и ai инженер зарплата в 2026 году
Чем занимается AI-инженер
Какие задачи закрывает специалист в команде день за днём
Навыки AI-инженера
70 ключевых навыков · 27 из них завязаны на AI
Над какими проектами работает AI-инженер
Типичные продуктовые задачи и проекты — простыми словами
Популярные AI-инструменты для работы AI-инженером
Ключевые продукты и сервисы, которые стоит попробовать и изучить
- CursorОсновная IDE для разработки AI-приложений.
- Claude CodeИнструмент для кодирования и тестирования AI-решений.
- MCP-серверыИнтеграция разных инструментов с LLM.
- LangGraphОркестрация многошаговых AI-агентов.
- LangSmithОценка и наблюдаемость промптов.
OpenAI Agents SDKСоздание и управление AI-агентами.
Pydantic AIФормирование структурированных выходов из LLM.
Роадмап в профессию AI-инженер: 6 шагов
Маршрут с нуля до уверенного junior — что освоить и что ты будешь уметь после
- 1
Освой Python и работу с LLM API
Изучи основы Python и научись работать с API LLM для взаимодействия с моделями.
Результат: Сможешь разрабатывать простые приложения, взаимодействующие с LLM через API.
- 2
Изучи создание промптов и их оптимизацию
Освой техники создания и оптимизации промптов для LLM.
Результат: Сможешь эффективно разрабатывать и тестировать промпты для различных задач.
- 3
Освой использование LangGraph
Научись использовать LangGraph для оркестрации сложных сценариев AI-агентов.
Результат: Сможешь создавать многошаговые процессы для AI-агентов.
- 4
Изучи интеграцию MCP-серверов
Освой методы интеграции MCP-серверов для взаимодействия инструментов с LLM.
Результат: Сможешь настраивать и интегрировать MCP-серверы в AI-приложения.
- 5
Собери pet-проект и портфолио на GitHub
Разработай и задеплой RAG-демо проект и размести его на GitHub.
Результат: Сможешь продемонстрировать свои навыки в разработке RAG-решений.
- 6
Подготовка к собеседованию и подача в вакансии
Подготовься к интервью и начни подавать резюме на hh.ru, Habr Career и другие платформы.
Результат: Будешь готов пройти собеседование и начать карьеру в AI-инженерии.
Лучшие курсы для AI-инженеров
Топ-9 курсов из 5 школ — ранжированы по покрытию карты навыков. Видно, какой процент карты закроет каждый курс и сколько стоит один навык.
Все курсы для AI-инженеров
Отранжированы по покрытию карты навыков · 5 школ
Откуда и куда переходят AI-инженеры: нативные карьерные траектории
Толщина линии — пересечение по hard- и stack-навыкам: полезно, если выбираешь смежную профессию или думаешь о возврате к старой.
AI-инженер
Твои навыки работы с AI-агентами и Embeddings уже на уровне, чтобы попробовать себя в системной аналитике или Python-разработке.
1 путей в профессию · 2 куда расти
Куда уходят
Системный аналитик
Из AI-инженера в Системный аналитик: REST API и анализ данных расширяются до проектирования решений и интеграций; спрос на роль растёт.
18%общих навыков
тренд ↑
Python-разработчик
Из AI-инженер в Python-разработчик: навыки интеграции по API и работы с REST API расширяешь до создания backend-сервисов; тренд growing.
17%общих навыков
тренд ↑
Вопросы и ответы о профессии AI-инженера
Кто такой AI-инженер и чем занимается эта профессия?
AI-инженер строит работающие продукты поверх готовых языковых моделей: RAG-системы поиска по корпоративным документам, чат-боты с памятью, многошаговые агенты, которые вызывают инструменты и принимают решения. Для этого он работает с API OpenAI, Anthropic, Mistral, проектирует схемы данных для векторных баз (Qdrant, Weaviate, pgvector), пишет пайплайны на LangChain и LangGraph. Разница с ML-инженером принципиальная: AI-инженер не обучает нейросети с нуля, он берёт уже обученные foundation-модели как строительный материал. На рынке 2026 года это одна из самых быстро растущих IT-специализаций с устойчивым дефицитом кадров.
Специалист по работе с системами искусственного интеллекта — это та же профессия, что AI-инженер?
Да, это один и тот же специалист с разными названиями. В российских вакансиях на hh.ru и Хабр Карьера роль называют и «AI-инженер», и «специалист по работе с системами искусственного интеллекта», и «LLM-разработчик», и «инженер AI-продуктов». Общее во всех объявлениях: от кандидата ждут умения подключить языковую модель к реальным данным компании, настроить ретривер, написать eval-набор для проверки качества ответов и задеплоить сервис. Навыки везде одинаковые: Python, LLM API, RAG, LangChain или аналог.
Какие вакансии AI-инженера открыты в 2026 году и насколько велик спрос?
По данным hh.ru, количество вакансий с упоминанием «LLM», «RAG» и «AI-агент» выросло в 3,5 раза за 2025 год. AI-инженер вакансии есть в финтехе, корпоративной автоматизации, ретейле и продуктовых стартапах. Middle-позиции в Москве предлагают 150–200 тыс. ₽, Senior закрываются медленнее всего, и там компании охотно выходят за верхнюю границу вилки. Спрос устойчив: каждая крупная компания внедряет внутренние LLM-инструменты, и рынок пока не насыщен. Стартапы с зарубежными инвесторами нередко платят в долларах: Junior от $1 500, Middle от $2 500 в месяц.
Чем занимаются инженеры искусственного интеллекта AI в реальных проектах?
Инженеры искусственного интеллекта AI решают три класса задач. Первый: настройка RAG-пайплайна, загрузка корпуса документов, нарезка на чанки, генерация эмбеддингов, укладка в векторную базу, настройка гибридного поиска (семантика плюс BM25) и реранкера. Второй: оркестрация агентов через LangGraph или OpenAI Agents SDK, описание графа шагов, подключение инструментов (веб-поиск, SQL, внешние API), добавление памяти. Третий: evals и observability через Langfuse или Braintrust, написание тест-сьюта, замер качества ответов, поиск регрессий после смены промпта. Это инженерная работа с кодом, а не просто составление запросов в ChatGPT.
Как быстро растёт зарплата AI-инженера за первые 2–3 года?
Junior без коммерческого опыта стартует с 80–120 тыс. ₽ в Москве. Через 12–18 месяцев при активном росте портфолио и переходе на реальные продуктовые задачи типичная зарплата Middle составляет 150–200 тыс. ₽, рост в 1,5–2 раза. К третьему году при освоении архитектуры мультиагентных систем и навыков evals Senior уходит на 200–280 тыс. ₽. Это один из самых быстрых карьерных трамплинов в IT: Python-разработчик с аналогичным стажем обычно зарабатывает на 20–40 тыс. ₽ меньше, потому что AI-компетенции пока редкие.
Сколько времени нужно учиться, чтобы устроиться Junior AI-инженером?
Реалистичный срок с нуля: 9–14 месяцев при занятиях 2–3 часа в день. Первые 3 месяца: Python до уровня уверенной работы с API и классами. Следующие 2–3 месяца: работа с OpenAI и Anthropic API, промпты, structured outputs через Pydantic AI. Затем 3–4 месяца на RAG-пайплайн, векторные базы, LangChain, первый агент на LangGraph. Последние 2 месяца: два полноценных pet-проекта и подготовка резюме. Свитчеру из Python-разработки хватит 4–6 месяцев, потому что нет барьера в языке. Свитчеру из аналитики данных: 6–8 месяцев.
Берут ли AI-инженеров после 35 лет?
В AI-инжиниринге возрастной барьер ниже, чем в классической разработке: работодатели смотрят на портфолио и понимание бизнес-задачи, а не на год окончания вуза. Специалисты после 35 лет с опытом в финансах, логистике или медицине нередко получают офферы быстрее молодых джунов: они умеют говорить с бизнесом и формулировать требования к AI-системам. Главный барьер не возраст, а отсутствие реальных проектов в резюме. Два-три осмысленных pet-проекта с evals, задеплоенным сервисом и подробным README закрывают этот вопрос на 90% собеседований.
Можно ли стать AI-инженером без высшего образования?
Да. Вакансии AI-инженера не требуют диплома как обязательного условия: в 90% объявлений на hh.ru в графе «образование» стоит «не указано» или «любое». Работодатель проверяет умение написать RAG-пайплайн, настроить evals и разобрать чужой агент на LangGraph, а не запись в дипломе. Математическая база нужна минимальная: понять, что такое косинусное сходство и embedding — это 2–3 недели любого онлайн-курса. Диплом даёт преимущество только при выходе на зарубежный рынок через визовые программы типа EU Blue Card.
Чем AI-инженер отличается от ML-инженера?
ML-инженер обучает модели: пишет функции потерь, настраивает архитектуры трансформеров, строит рекомендательные системы на коллаборативной фильтрации, работает с PyTorch и TensorFlow. AI-инженер берёт уже обученную модель через API (GPT-4o, Claude, Gemini) и строит продукт поверх неё: RAG, агент, чат-бот. Стек пересекается частично (embeddings, векторные базы), но у ML основная работа в Jupyter с данными и обучением, у AI-инженера в IDE с архитектурой приложения. Практическое правило: если вакансия требует PyTorch и обучение на датасетах, это ML-инженер; если требует LangChain, LLM API и evals, это AI-инженер. Близкие, но разные роли: ещё стоит не путать с Prompt-инженером (нет кода), MLOps-инженером (инфраструктура, Kubeflow) и Python-разработчиком без AI-специализации.
Какие AI-инструменты использует инженер в ежедневной работе?
IDE в 2026 году: Cursor или Claude Code со встроенными AI-подсказками вместо классического VS Code. Для вызова LLM: OpenAI API, Anthropic API, Mistral через единый интерфейс LiteLLM. Для агентов: LangGraph (граф состояний), OpenAI Agents SDK, иногда n8n для интеграций без кода. Для vectorstore: Qdrant, Weaviate или pgvector. Для structured outputs: Pydantic AI или Instructor. Для observability и evals: Langfuse, Braintrust или LangSmith. Для защиты от инъекций и утечки персональных данных: Presidio. Для подключения внешних инструментов к агенту: MCP-серверы (Model Context Protocol) — стандарт 2025–2026, который заменяет самодельные function-calling адаптеры.
Какие pet-проекты взять в портфолио начинающему AI-инженеру?
Три проекта закрывают 80% вопросов на Junior-интервью. Первый: RAG-чат-бот по реальному корпусу документов (PDF или Wikipedia-дамп) с гибридным поиском и реранкером, трекингом в Langfuse и набором из 20–30 eval-вопросов с эталонными ответами. Второй: мультишаговый агент на LangGraph с двумя инструментами (например, веб-поиск плюс SQL), который решает задачу за несколько итераций и объясняет шаги. Третий: structured extraction-сервис через Pydantic AI или Instructor: на входе неструктурированный текст (новость, резюме, отзыв), на выходе типизированный JSON с валидацией. Требования к каждому проекту: задеплоен на Hugging Face Spaces, Railway или VPS, README с архитектурой и живыми примерами вывода.
Где искать первую вакансию AI-инженера в России?
hh.ru — основной поток: запросы «LLM-инженер», «AI-разработчик», «RAG», «LangChain». Хабр Карьера — технические компании охотно нанимают там и общаются предметно. Телеграм-каналы: «AI Jobs Russia», «LLM Jobs», «Вакансии ИИ», «ML Вакансии». Стартапы часто ищут через личные посты основателей в Telegram и LinkedIn (последний требует VPN, но работает). Дополнительный канал: хакатоны от Сбера, Яндекса, Т-Банка. Там можно познакомиться с рекрутерами напрямую и получить оффер за победу. На техническом интервью ожидают живое демо pet-проекта: покажи, как работает RAG, объясни, как ты мерял качество ответов.
Как развивается карьера AI-инженера после уровня Middle?
После Middle открываются три трека. Технический: Senior AI-инженер (200–280 тыс. ₽ Москва) проектирует архитектуры мультиагентных систем, задаёт стандарты evals в команде, отвечает за безопасность промптов и защиту от инъекций. AI Tech Lead (300–400 тыс. ₽) ведёт команду из 3–8 инженеров, согласовывает технические решения с продуктом. Продуктовый трек: AI Product Manager с инженерным бэкграундом — дефицитная роль, переход доступен Middle с насмотренностью в продукте. Фриланс и консалтинг: Middle с портфолио реальных внедрений спокойно берёт пилотные проекты по 300–500 тыс. ₽, работая с несколькими клиентами параллельно.
AI-инженер: LLM, RAG-системы и агенты
AI-инженер строит продукты на базе больших языковых моделей: чат-боты, RAG-системы для поиска по документам, многошаговые AI-агенты. Он подключает готовые foundation-модели через API крупных провайдеров (OpenAI, Anthropic, Google) и не обучает нейросети с нуля. В 2026 году спрос на специалистов по работе с системами искусственного интеллекта растёт вместе с числом компаний, встраивающих LLM в рабочие процессы. На странице: стек инструментов, зарплатные вилки, пути входа и подборка курсов.
Что делает AI-инженер
AI-инженер берёт готовую языковую модель и встраивает её в продукт. Типичные задачи: подключить модель через API, построить RAG-пайплайн (индексация документов, поиск по чанкам, reranking), написать цепочку вызовов инструментов. Отдельное направление — многошаговые агенты: системы, которые сами выбирают следующий шаг, вызывают внешние сервисы через MCP-серверы и рефлексируют над результатом. Важная часть работы — evals: тестирование качества ответов модели и снижение стоимости инференса.
Стек инструментов AI-инженера в 2026
Профессия сформировалась вокруг нескольких слоёв инструментов. Ключевые из них: оркестрация агентов, векторный поиск, наблюдаемость промптов и структурированные выходы.
- IDE и агентский код: Cursor + Claude Code — стандарт разработки, где ИИ-ассистент работает в паре с разработчиком.
- Оркестрация агентов: LangGraph для многошаговых агентов с состоянием, OpenAI Agents SDK или Anthropic Computer Use для более простых сценариев.
- RAG и поиск: LangChain, Unstructured для парсинга документов, векторные БД (Chroma, Qdrant, Weaviate), гибридный поиск с rerankers.
- Evals и observability: LangSmith, Langfuse или Braintrust — без них невозможно системно улучшать качество промптов.
- Структурированные выходы: Pydantic AI, Instructor — превращают ответ LLM в типизированный объект.
- Интеграции: MCP-серверы для подключения внешних инструментов, n8n и webhooks для автоматизаций.
Python остаётся основным языком, но архитектурное мышление важнее синтаксиса: нужно понимать, где поставить кеш, как снизить latency и контролировать стоимость вызовов API.
Зарплата AI-инженера: вилки по грейдам
Рынок платит за инженеров искусственного интеллекта заметно выше среднего по IT: дефицит специалистов держит вилки на уровне Senior-разработчика уже с грейда Middle. В таблице — актуальные данные по России на 2026 год.
Откуда приходят в AI-инженеры
Удобно прийти из аналитики и разработки. Python-разработчики входят через навыки REST API и интеграций: код уже знакомый, нужно добавить слой работы с LLM и понять специфику векторного поиска. Системные аналитики приносят понимание процессов и опыт с BigData, что особенно ценно при проектировании RAG-систем для корпоративных документов. Дальнейший рост: до Lead AI-инженера, в сторону MLOps (если интересна инфраструктура моделей в проде) или в продуктовое направление.
Готов выбрать курс?
Курсы для AI-инженеров отранжированы по карте навыков. Выбирай и иди учиться.