AI-native люди: новый класс работников, который будет рулить рынком

Рынок труда начал делить людей по новому критерию. Профессия и дипломы уже мало кому интересны. Ценится способность собирать рабочие системы вместе с ИИ-агентами.

В 2025 году ИИ-навыки впервые обогнали все остальные в глобальном рейтинге дефицитных компетенций, согласноопросу ManpowerGroupсреди 39.000 работодателей в 41 стране.

Параллельно ребята из PwCпроанализировалиоколо миллиарда вакансий и обнаружили, что работники с ИИ-навыками получают в среднем 56% надбавки к зарплате по сравнению с коллегами на тех же позициях без этих навыков. Год назад было 25%. Т.е. всего за один год разрыв более чем удвоился.

Рынок уже начал пересчитывать стоимость людей.

Обычный сотрудник часто застревает в операционке. Полдня уходит на поиск информации, черновики, сверку, перенос данных и бесконечные правки. Работа вроде бы движется, но человек занят в основном механическими действиями.

Вместе с ИИ-агентом человек больше не обязан проходить руками каждый технический шаг. Он просто задаёт направление, объясняет контекст, смотрит на результат и принимает решение. Всё остальное делает агент.

В отраслях, которые PwC отнёс к сильнее всего затронутыми ИИ (финансовые услуги, разработка ПО, профессиональные сервисы), рост выручки на сотрудника втрое опережает отрасли с низким влиянием ИИ. 27% против 9% за период 2018–2024. И это не следствие того, что туда пришли более умные люди. Просто там уже изменилось соотношение работы, которую делает человек, и того, что делают инструменты.

McKinsey вноябрьском отчёте 2025 годаотметил, что 88% организаций применяют ИИ хотя бы в одной функции. Бизнес ищет тех, кто умеет встраивать ИИ в систему до результата. Именно поэтому вакансии, требующие ИИ-навыков, выросли на 7,5% при том чтообщее количество вакансий упалона 11,3%.

Промпт — это разовая инструкция. Рабочая система — это то, что остаётся и работает, когда человека нет рядом.

AI-native работник понимает, где у агента память, какие у него доступы, какие навыки подключены, где нужна проверка, какие задачи можно позволить делать автономно. У него есть собственные скилы — это повторяемые инструкции и процессы, по которым агент может действовать без нового запроса.

Разница ощутима на конкретном примере. Вместо разового запроса «помоги проанализировать рынок» появляется навык, который самостоятельно собирает источники, вытаскивает конкурентов, сравнивает предложения, находит слабые места и готовит таблицу — с отдельной пометкой, где данные сомнительные. Один удачный запрос быстро забывается. Накопленная инфраструктура остаётся и работает дальше.

Таких людей называют «work architects» — тех, кто проектирует, как работа движется между человеком и ИИ. Умение разложить задачу на шаги, определить, что отдать агенту, и превратить удачный результат в повторяемый процесс куда важнее знания конкретной модели.

Если веритьотчёту WEF «Future of Jobs»к 2030 году у 59% работников потребуют переобучения, и примерно 120 миллионов из них рискуют не получить его вовремя. 77% работодателей уже сейчас называют приоритетом переобучение под задачи взаимодействия с ИИ.

Это не равномерный процесс. По данным PwC, навыки в профессиях, связанных с искусственным интеллектом, меняются на 66% быстрее, чем в других сферах.

Курс, актуальный в январе, к лету уже устаревает, потому что технологии меняются стремительно. Рынок теперь оценивает не только навыки, которые человек приобрел ранее, но и его способность быстро адаптироваться и создавать новые рабочие системы для решения задач.

Дизайнер с агентом быстрее собирает презентацию и готовит материалы для клиента. Аналитик с агентом строит процесс, где данные забираются, чистятся, проверяются и превращаются в выводы. Предприниматель с агентом быстрее тестирует гипотезы, не теряя контекст между задачами и переводит опыт в повторяемые инструкции.

Инструменты меняются быстрее, чем вы их успеваете осваивать. Поэтому умение собирать рабочую систему под любую задачу теперь стал самым необходимым навыком.

62% организаций экспериментируют с ИИ-агентами, но только 23% масштабируют их. Между теми, кто только попробовал ChatGPT один раз теми, у кого ИИ работает в продакшне уже огромная пропасть. Страшно представить, что будет дальше... Поданным Deloitte, только 11% компаний запустили агентные системы в полноценное производственное использование.

Это окно возможностей для нас.

Тот, кто уже умеет запускать, настраивать и контролировать агентов, стоит дороже именно сейчас, пока большинство ещё экспериментирует.

LinkedInпоставил роль AI Engineer на первое место в рейтинге самых быстрорастущих профессий. Но это только верхушка айсберга. За пределами IT тот же сдвиг происходит во всех профессиях, которые работают с информацией, текстами, данными и решениями.

Оркестратору не обязательно быть лучшим программистом, дизайнером или аналитиком в старом понимании. Он должен понимать, как разложить работу на шаги, что отдать агенту, где подключить инструмент, где сохранить память, где поставить проверку. Это ближе к управлению небольшой цифровой командой, чем к работе в одном приложении.

У него есть отряд агентов. Один для анализа, другой для текстов, третий для поиска. У них общая память, набор скиллов и логи решений. Человек в центре этой системы постепенно выходит из роли исполнителя каждой операции и становится дирижёром процесса,Человеком 2.0.

Этому нельзя быстро научиться по списку «50 лучших промптов». Система строится через практику, когда человек сразу учится собирать собственные процессы, а не накапливать чужие подсказки.

Раньше портфолио показывало результат: дизайн, текст, отчёт, проект, кейс. Теперь сильный специалист может показывать итог и систему, которая его производит.

Какие навыки у его агента есть. Как устроена проверка. Какие сценарии автоматизированы. Как быстро он переносит процесс на новый инструмент. Что он делает стабильно, а не случайно.

Скилл в этой логике — рабочий актив, а не контент для изучения. Если человек оформил свой способ работы так, что агент может его повторять, улучшать и применять в новых задачах — он начинает накапливать преимущество. Каждый новый навык усиливает предыдущий. Каждый улучшенный процесс остаётся с ним, даже если завтра изменится модель или интерфейс.

Среди работников, которые используют AI регулярно, производительность в каждый рабочий час выше на 33% по сравнению с теми, кто не использует [8]. В отдельных контекстах разрыв больше: исследование развёртывания AI в customer support Fortune 500 показало +15% в среднем и +36% у наименее квалифицированных сотрудников — именно потому что система выровняла доступ к экспертизе [8].

Это ключевая механика. Скилл передаёт экспертизу — не только автору, но и тем, кто его использует.

Крупные компании будут долго согласовывать доступы, безопасность, регламенты и интеграции. Это не критика, просто реальность их размера.

По данным всё того жеDeloitte, только одна из пяти корпораций располагает зрелой моделью управления автономными ИИ-агентами .

У небольших команд всё совершенно иначе.

Независимый специалист, руководитель отдела, команда из трёх человек — они могут действовать быстрее. Например, поставить персонального ИИ-агента с памятью, подключить ему навыки и автоматизировать процессы, которые ещё вчера держались на ручной работе.

Изисследования SMB 2025от Salesforce видно, что 86% компаний малого бизнеса, внедривших искусственный интеллект, показали рост прибыли или улучшение возможностей для масштабирования.

Разрыв в применении ИИ между малым и крупным бизнесомуменьшается. Если в начале 2024 года крупные организации использовали ИИ в 1,8 раза чаще, то к середине 2025 года это различие почти исчезло.

Маленькая команда, которая научилась работать с агентами, начинает конкурировать выше своего веса. Быстрее отвечает клиентам. Быстрее тестирует гипотезы. Быстрее переводит опыт в процесс.

Этому не учат традиционные курсы по ИИ по одной простой причине. Инструменты меняются быстрее, чем успевают обновиться программы. К тому времени, когда выходит курс, часть его материала уже устарела.

Нужна среда, в которой знание не передаётся сверху вниз, а проверяется в работе. Где скиллы не изучают, а собирают и улучшают вместе. Один участник принёс рабочий процесс, другой нашёл слабое место, третий адаптировал под свою отрасль. Агент сравнил версии и предложил правку, или сразу исправил. В итоге растёт рабочая инфраструктура каждого, кто в этом участвует.

Именно под эту логику строится клуб «Среда» проекта Human20.