БлогIT для неайтишников

Вам нужен AI-инженер! Что это такое в 2026 году?

Представьте: вы придумали классный AI-стартап. Для его реализации у вас есть бизнес-экспертиза, бюджет и система продаж. Дело за малым — заказать разработку ПО. Вы находите вайбкодера, который вам всё делает. А в момент запуска слышите: «Я написал код и инфраструктуру, а чтобы ваш AI-сервис заработал, вам нужен AI-инженер». Кто это вообще такой, где его взять и что делать — попробуем разобраться.

Вам нужен AI-инженер! Что это такое в 2026 году?

В 2025 году многие были очарованы ИИ и вайбкодингом, который обещал, что «программисты скоро будут не нужны». Под конец 2026 года наступает пора разочарования. Далеко не у всех и не всё получилось. А у кого-то получилось, причём неплохо. Почему?

Но сначала давайте включим критическое мышление и подумаем: а кто такие AI-инженеры в 2026 году? Искусственный интеллект стремительно ворвался в нашу жизнь года два назад, а инженер — это высококвалифицированный человек. И специальность AI-инженера только зарождается.

Пропуск AI-инженера: договаривается с ИИ, учит агента в диалоге, держит границы контекста, мыслит задачей; рядом — его диалог с ИИ

Их же ещё просто не может быть! Им же ещё неоткуда взяться, область слишком молодая. Так? Или не совсем?..

История вопроса

История учит, что многих история ничему не учит: они предпочитают делать собственные ошибки и приобретать собственный опыт. В ответ история любит повторяться. Поэтому иногда полезно оглядываться назад и смотреть, что, кто и как делал до нас.

Терминал 1990-х с программой на Prolog: база знаний о родственниках и запрос к ней; рядом — логическое программирование 1970-х, курс ФПМИ и дипломы по ИИ

С темой искусственного интеллекта я знаком уже лет 20. Я профессиональный специалист по информационным технологиям, и меня этому учили ещё в университете: нейросетям, компьютерному зрению, логическим схемам, математическим основам и многому другому.

Да о чём говорить? Язык Prolog создан в 70-х годах XX века, как и сама парадигма логического программирования. Когда мы изучали его в начале 2000-х, я не совсем понимал зачем. В 2026 году я понимаю, зачем мы это делали.

Я кандидат технических наук и вхожу в государственную экзаменационную комиссию факультета прикладной математики и информатики Новосибирского государственного технического университета. Мы принимаем защиты выпускных работ студентов и решаем, кто получит диплом, а кто нет. И всю эту гору букв я написал лишь для того, чтобы сказать: лет 5–7 назад нас уже утомили работы по искусственному интеллекту — тему настолько поизносили, что просто сил уже не было.

А мораль здесь очень простая. На самом деле AI-инженеры давным-давно живут среди нас, и программы их обучения отлаживались десятилетиями. Немного забавно об этом говорить, но это действительно так.

Более того, большая часть потока, на котором я учился, разговаривала с компьютером в процессе работы. Мы учились с ним договариваться, а не зажимать его в жёсткие декларативные рамки. Хотя иногда это выглядит как попытка заключить договор с демоном, который хочет наказать тебя за каждую неудачную формулировку.

Наверное, именно поэтому выпускники и выпускницы (у нас было где-то 50 на 50) предпочитали создавать семьи с такими же выпускниками того же факультета. Крепкие семьи: если вы договорились с компьютером, то уж с женой или мужем тоже договоритесь.

Теперь для разговора с компьютером не нужны особые технические навыки, но юмор у него тот же самый. Слабого он делает слабее, а сильного — сильнее. И если сложно выразить словами, чего хочешь, к нему лучше не приходить.

А теперь серьёзно

Ещё в процессе обучения у нас было достаточно жёсткое разделение на тех, кто пишет код программы, и тех, кто создаёт программу действий. Эти люди просто учились на разных факультетах, в разных зданиях — так, что даже встретиться в одном коридоре им было почти невозможно.

Картинка разделена на две части: слева пишут код программы, справа составляют программу действий — от задачи через гипотезы к плану

Как вы поняли, меня учили составлять программу действий и решать инженерные задачи. Писать код программ меня не учили — сказали, что должен научиться сам. В этом семестре пишем на таких-то языках, погнали, через неделю сдаёшь первые работы на них. Из нас готовили такую необычную вещь, как «инженер-исследователь». Как инженеры мы должны были решать задачи и быстро давать результат, как исследователи — уметь заниматься фундаментальной наукой.

И мы могли. Нельзя было не смочь.

А теперь самое главное:

  • Тех, кто составляет программу действий, называют «программист», «разработчик».
  • Тех, кто пишет код программы, называют «программист», «разработчик».
  • Тех, кто учился на программиста в университете, называют «программист», «разработчик».
  • Тех, кто получил техническое высшее образование и окончил годовые курсы повышения квалификации по программированию, тоже называют «программист», «разработчик».
  • И выпускников онлайн-школ с курсом обучения в 1–3 месяца тоже называют «программист», «разработчик».

Для человека извне сферы информационных технологий мы все «программисты». И эта внутренняя градация — не про «джунов», «мидлов» и «сеньоров». В каждой категории свои «джуны», «мидлы» и «сеньоры».

И сеньор после онлайн-школы всё равно уступит джуну из тех, кого учили писать код программы в хорошем университете. И будет уступать ему вне зависимости от количества лет стажа.

Это секрет Полишинеля, но для людей не из сферы информационных технологий может оказаться новой информацией. Как минимум, мы это очень редко чётко проговариваем.

Что это означает на практике?

Знаете, есть такая шутка в программировании: «Если что-то ходит как утка и крякает как утка, значит, это утка!» Называется утиной типизацией. Если переменная похожа на утку, значит, её будут использовать как утку — невзирая ни на что. Вот с программистами то же самое. И то программист, и это программист. Как их вообще отличать-то?

Утиная типизация: если ходит как утка и крякает как утка — используем как утку; снаружи и выпускник вуза, и выпускник курсов, и выпускник онлайн-школы — «программисты»

А отличать надо: от этого, оказывается, очень сильно зависит совместимость специалиста с искусственным интеллектом. Оказывается, выпускникам онлайн-школ не хватает системного мышления, чтобы грамотно управлять искусственным интеллектом. Наоборот, искусственный интеллект начинает управлять такими людьми.

Вайбкодинг, когда человек управляет искусственным интеллектом, который пишет код, даёт совершенно иной результат, чем вайбкодинг, когда искусственный интеллект, который пишет код, ещё и говорит человеку, что ему сделать, что спросить и что сказать.

В конце концов, зачем вам forward manager между вами и ИИ? Общайтесь напрямую: быстрее расскажите ИИ, чего вы хотите, и сэкономите на оплате услуг человека.

Только, пожалуйста, не спрашивайте меня: «А где можно пройти курсы на AI-инженера?» Там же, где онлайн-курсы стоматологов и нейрохирургов, — ровно у тех же самых людей. И мне не хотелось бы попасть на «приём» к таким «специалистам».

Вопрос, как отличить AI-инженера от простого вайбкодера, интересный и имеет смысл. Честно говоря, я не знаю. Можно подсказать неспециалисту, что спросить и каким может быть ответ, но через какое-то время ИИ научится отвечать на такой вопрос, и любой начинающий вайбкодер сможет воспроизвести вам ответ. Причём сути ответа он будет понимать не больше, чем вы сами.

Что на самом деле делает AI-инженер?

Скорее всего, AI-инженер не будет писать код программы, промпты, скиллы, MCP и всё остальное. Он может всё это сделать своими руками, он понимает, что и как работает, но вместо этого попросит ИИ написать за него необходимый код и инструменты.

Как AI-инженер создаёт продукт: ведёт диалог с AI-агентом, диалог сохраняется как история решений, агент пишет код, промпты, скиллы и MCP

И здесь есть ряд важных моментов, которые могут ускользать от внимания. Во-первых, если AI-инженер в процессе диалога обучит AI-агента правильно реализовывать функционал продукта и инструменты, то останется полная история создания продукта в виде диалога с AI-агентом и принятых решений — как человеком, так и AI-агентом.

А значит, если «на проект» придёт другой AI-инженер, ему будет доступна информация о цепочке принятия решений: он будет понимать, как принимались решения и почему именно такие. Причём эту информацию очень быстро извлечёт и структурирует сам AI-агент.

Но только если структура диалога изначально была правильной и вся промежуточная информация сохранялась. И нет, никакой особой методики и правил здесь нет: всё делается на инстинктах и понимании того, что и как работает. Важна не форма, важна суть.

Во-вторых, если AI-инженер в процессе диалога обучил AI-агента работать правильно, то ему самому потом будет легче вносить изменения. Причём на уровне тех же инстинктов AI-инженер сегментирует функционал и поделит контекст проекта или продукта так, чтобы он влезал в контекст AI-агента. Именно человек управляет границами контекста, а не AI. У AI слишком узкое контекстное окно.

Большая языковая модель (LLM) на архитектуре трансформера работает с токенами. Она не принимает на вход текст и не выдаёт на выход текст: она принимает на вход набор токенов и выдаёт на выходе набор токенов. И есть отдельный механизм, который режет текст на токены либо восстанавливает текст из токенов.

Токен — это адрес в семантическом пространстве. Для простоты — в пространстве категорий смыслов. У LLM — семантический контекст.

У человека контекст ассоциативный, и через ассоциации мы можем применить в AI-инженерии методики разговора с маленькими детьми. Применить эффективно, так как контекстное окно маленького ребёнка сильно уступает контекстному окну взрослого человека: система ассоциаций ещё не так развита.

Более того, у LLM есть такая вещь, как слои внимания. LLM начинает ломаться уже на оперировании 20–30 независимыми сущностями. Что такое «сущность», я здесь объяснять не буду — это как буква ять, которая нужна, чтобы отличать грамотного человека от неграмотного. Хватит списка из 50 независимых характеристик, чтобы при выборе из них LLM просто забыла половину.

А мозг человека просто разделит их на группы и подгруппы, объединит в иерархию и ассоциативную сеть и будет оперировать ими как единым объектом. Мощность контекста у человека с поставленным мышлением просто огромна. Именно поэтому, когда AI управляет человеком, результат получается не очень.

Про процессы кристаллизации знаний в мозгу человека лучше не рассказывать — это как переключиться с первой передачи на вторую, когда у тебя их ещё четыре-пять впереди.

В-третьих, и это важно: на самом деле AI-инженер может написать самый ответственный код своими руками, даже если никогда не писал на нужном языке программирования. Здесь суть всегда важнее формы, и иначе никогда не будет. Иногда в сложных проектах такие вставки нужно делать, но это происходит нечасто.

И давайте наконец скажем честно: автоматической генерации кода уже много лет. Есть процесс компиляции программного кода в двоичный. В этом процессе команды от человека преобразуются в набор единиц и нулей, понятных процессору. И да, я умею писать на этом языке, но современные компиляторы работают настолько хорошо, что я этим никогда (почти) не буду заниматься.

Компиляторы пишут профессиональные программисты. Очень профессиональные. Почти те же самые, что сейчас пишут передовые AI-агенты для вайбкодинга. Концептуально не поменялось вообще ничего — просто появился новый полезный инструмент.

В-четвёртых, AI-инженер работает с проблемой или задачей. Он ищет решение задачи и прокладывает к нему путь. Делается это через анализ и проверку гипотез, то есть через построение цепочки промежуточных решений. Чтобы сделать это быстрее и эффективнее, AI-инженер изучает предметную область — так он быстрее доберёт недостающие ассоциативные связи.

На самом деле мы всегда формируем в голове образ задачи и искомого решения, после чего сверяем его с образом в голове заказчика. Для этого надо уметь говорить с людьми. После того как «часы сверены», образы детализируются, а потом между ними прокладывается мостик из состояния «as is» в состояние «to be». И всё это — в голове живого человека, а AI-агент просто закрепляет это в реальном мире.

Поэтому, когда AI-инженер создаёт нового AI-агента через диалог с другим AI-агентом для кодогенерации, он учит второго агента правилам обучения первого. Это как если бы вы объясняли практикантке из педагогического вуза, как учить детей в младшей школе.

Если этого не делать, то либо результат будет плохой, либо путь до результата окажется долгим.

Подводя итоги

Мы посмотрели, что и почему произошло, но так и не ответили на вопрос: «А делать-то что?» Неужели надо где-то найти настоящего AI-инженера и попросить его оценить соискателя или потенциального подрядчика? Это рабочий способ, но перед этим можно сделать несколько простых упражнений.

Как опознать AI-инженера без технических знаний: критерий сдачи — бизнес-цель, берёт ответственность за результат, соглашается на пилот, мыслит целями и задачами

Прежде всего, задавайте критерии сдачи в виде той потребительской пользы продукта, которую собираетесь продавать. Не «написать код» — сейчас код ничего не стоит, — и не «реализовать сервис», а достичь понятной бизнес-цели. Но вот продажи и маркетинг обеспечиваете вы сами, иначе зачем нужен такой заказчик, если всё можно сделать и без него?

Если перед вами настоящий инженер, он согласится. Он и так мыслит целями и задачами, для него брать на себя ответственность за результат — обычное дело. А вот для человека, который перекладывает цепочку принятия решений на ИИ, — нет: если бы он не боялся ответственности, то принимал бы решения сам.

Договоритесь о пилотном проекте. На самом деле заключительная фаза обучения AI-агента происходит на данных пилотных проектов, на данных от реальных пользователей. Именно в этот момент происходит тонкая настройка, которая и даёт основную потребительскую ценность. AI-инженеру самому будет удобнее так работать.

Скорее всего, тонкие технические моменты вам недоступны, но вы понимаете психологию и мотивацию людей. Смотрите, как человек думает и что на самом деле его мотивирует. Прежде всего вам надо найти человека с инженерным мышлением, а не ремесленника или «учёного». А «AI» — это больше про опыт и инструменты.

Если вы дочитали до конца и написанное было для вас полезным, то спасибо вам.

Читайте также