Глоссарий AI-профессий: Кто работает с искусственным интеллектом и чем занимается

AI-тренер (тренер нейросетей). Самая массовая профессия в сфере ИИ на сегодняшний день. Оценивает ответы нейросети, сравнивает варианты, пишет эталонные примеры, на которых модель обучается дальше. Не требует программирования - нужны грамотная речь и критическое мышление. Оплата обычно до 130-190 тысяч рублей, во многие вакансии берут без опыта и резюме.

AI-редактор / редактор для обучения нейросетей. Соседняя с AI-тренером роль: проверяет и правит тексты, сгенерированные моделью, убирает стилистические и смысловые ошибки, следит за естественностью формулировок.

Предметный AI-эксперт (экономист, юрист, медик в AI-проекте). AI-тренер с профильным образованием, который оценивает ответы модели в узкой области - например, проверяет корректность финансовых или юридических рекомендаций. Оплата обычно выше базового AI-тренера за счёт экспертизы.

AI-асессор. Специалист, оценивающий качество работы других AI-тренеров или напрямую качество ответов модели по формализованным критериям - более контрольная, чем творческая роль.

RLHF-специалист (Reinforcement Learning from Human Feedback). Более техническая версия AI-тренера - формирует размеченные данные обратной связи, на которых модель дообучается методом обучения с подкреплением.

Куратор датасетов (Dataset Curator). Отбирает, структурирует и поддерживает в порядке большие массивы обучающих данных - следит, чтобы датасет оставался сбалансированным, актуальным и без критических пробелов.

Разработка и инженерия

AI-инженер. Встраивает языковые модели в реальные продукты: строит RAG-системы для поиска по документам, интегрирует LLM в сервисы, разрабатывает AI-агентов. Требует уверенного владения Python и пониманием принципов работы больших языковых моделей.

ML-инженер (инженер машинного обучения). Занимается непосредственно моделями машинного обучения - обучением, тестированием, внедрением в продакшен. Более классическая техническая роль, существовавшая и до бума генеративного ИИ, но сильно возросшая в спросе.

Data Engineer (инженер данных). Строит инфраструктуру для сбора, хранения и обработки данных, на которых обучаются модели - пайплайны, базы данных, системы контроля качества данных.

NLP-специалист. Занимается обработкой естественного языка - тем, как модель понимает и генерирует текст. Работает с задачами вроде классификации текста, извлечения сущностей, машинного перевода.

Computer Vision инженер. Аналог NLP-специалиста, только для изображений и видео - распознавание объектов, анализ визуального контента, работа с генеративными видеомоделями на техническом уровне.

Промпт-инженер (Prompt Engineer). Специализируется на составлении и оптимизации запросов к нейросетям для получения максимально точного результата. Собирает библиотеки рабочих промптов, тестирует новые модели, иногда настраивает поведение AI-агентов.

Инженер по автоматизации ИИ-агентов. Собирает автоматизации через no-code инструменты вроде n8n - связки сервисов, API, вебхуки, настройка AI-агентов под конкретные бизнес-задачи. Порог входа ниже классической разработки.

AI-архитектор (AI/ML Architect). Проектирует AI-системы целиком - от бизнес-задачи до продакшена: какие модели использовать, как выстроить инфраструктуру, как обеспечить масштабируемость.

Fine-tuning специалист. Дообучает готовые модели под узкую задачу или домен компании - подбирает данные, параметры обучения, оценивает качество результата дообучения.

Vector Database инженер. Настраивает и поддерживает векторные базы данных, на которых строятся системы семантического поиска и RAG - относительно новая, но уже отдельная техническая специализация.

AI-инфраструктурный инженер (MLOps / Cloud AI Engineer). Отвечает за вычислительную инфраструктуру для обучения и работы моделей - серверы, GPU-кластеры, облачные ресурсы, отказоустойчивость систем.

Head of AI. Руководит распределённой командой инженеров, дата-сайентистов и QA-специалистов, работающих над AI-продуктами компании.

AI Research Scientist (AI-исследователь). Занимается фундаментальными исследованиями в области ИИ - разработкой новых архитектур, методов обучения, публикацией научных результатов.

Данные и аналитика

Data Scientist (дата-сайентист). Ищет закономерности в данных, строит и обучает модели, формирует гипотезы и проверяет их статистическими методами.

AI-аналитик. Анализирует работу AI-продукта с точки зрения бизнес-метрик - как модель влияет на конверсию, удержание пользователей, эффективность процессов.

Системный аналитик AI / MLOps-специалист. Связывает требования бизнеса с командами Data Science и разработки, проектирует интеграции AI-агентов с существующими системами компании.

Разметчик данных (Data Labeler). Готовит и структурирует данные, на которых обучаются модели - тексты, аудио, изображения, видео. Один из самых доступных входов в сферу ИИ.

Специалист по сбору и валидации данных. Проверяет качество уже собранных данных, отбирает подходящие примеры, занимается модерацией контента для обучающих датасетов.

Творческие профессии

AI-креатор. Создаёт визуальный контент - видео, изображения, рекламные креативы - с помощью генеративных нейросетей вроде Midjourney, Runway, Kling. Портфолио решает больше, чем формальное образование.

AI-художник (AI Artist / Generative Artist). Специализируется на генеративном изобразительном искусстве - концепт-арт, иллюстрации, визуальные образы для брендов и медиа.

AI-видеодизайнер. Работает конкретно с видеоконтентом - от генерации сцен и монтажа до финальной AI-озвучки и сборки ролика.

AI-дизайнер. Более широкая роль на стыке классического дизайна и AI-инструментов - визуальный контент для карточек товаров, лендингов, рекламных материалов.

AI-копирайтер. Пишет и редактирует тексты с использованием нейросетей как инструмента ускорения - рекламные тексты, статьи, описания товаров.

AI-музыкальный продюсер. Создаёт и аранжирует музыку с помощью генеративных audio-моделей - саундтреки, джинглы, музыкальное сопровождение для видео и рекламы.

Создатель цифровых аватаров (Digital Human Creator). Разрабатывает и анимирует реалистичные цифровые персонажи и AI-аватары - для виртуальных ведущих, консультантов, стриминга.

AI-геймдизайнер. Использует генеративные инструменты для создания игровых уровней, персонажей, диалогов и контента внутри видеоигр.

Голос, звук и Physical AI

Voice AI инженер. Разрабатывает голосовых ассистентов и системы распознавания и синтеза речи - от голосовых ботов поддержки до сложных диалоговых систем.

Специалист по синтезу речи (TTS / Voice Cloning). Настраивает и обучает модели синтеза и клонирования голоса - для озвучки, аудиокниг, персонализированных голосовых интерфейсов.

Инженер Physical AI / робототехники. Работает на стыке ИИ и физических устройств - алгоритмы для роботов, автономных систем, симуляции физического поведения.

Наставник по Physical AI и робототехнике. Обучающая роль - сопровождает специалистов и студентов, разбирающихся в архитектуре робототехнических систем и симуляций.

Контроль качества и безопасность моделей

Red teamer (специалист по стресс-тестированию моделей). Намеренно пытается «сломать» модель - спровоцировать на некорректные, небезопасные или предвзятые ответы, чтобы найти уязвимости до того, как это сделают реальные пользователи.

Специалист по оценке моделей (Model Evaluation). Разрабатывает и применяет метрики качества моделей, тестирует их на разных наборах задач, сравнивает версии между собой.

AI Trust & Safety аналитик. Следит за тем, чтобы AI-продукт не использовался во вред - модерация контента, выявление злоупотреблений, разработка политик безопасного использования.

Специалист по безопасности ИИ (AI Security). Анализирует архитектуру AI-решений с точки зрения информационной безопасности, выявляет специфические угрозы, связанные с LLM и AI-агентами.

Специалист по этике ИИ. Оценивает AI-решения на предмет предвзятости, безопасности и соответствия этическим нормам - встречается пока нечасто, но спрос растёт вместе с регулированием.

Маркетинг и продвижение

AI-маркетолог. Обычный маркетолог, который использует нейросети как основной рабочий инструмент - для генерации креативов, автоматизации отчётности, ускорения тестирования гипотез.

AI SEO-специалист. Оптимизирует сайты и контент с активным использованием AI-инструментов - для анализа данных, генерации контента, автоматизации рутинных SEO-задач.

GEO / AEO-специалист (Generative / Answer Engine Optimization). Занимается продвижением в ответах генеративных систем вроде ChatGPT, Perplexity и Google AI Overviews - следит за цитируемостью бренда в этих ответах.

Специалист по продажам AI-продукта. Продаёт AI-решения бизнесу - от чат-ботов до комплексных систем автоматизации.

Менеджмент, продукт и консалтинг

AI Product Manager. Формирует продуктовую стратегию AI-решения, работает с бизнес-заказчиками, приоритизирует функциональность, отвечает за метрики продукта.

AI-менеджер проекта. Ведёт AI-проекты полного цикла - от постановки задачи до сдачи результата, координирует команду разработки и заказчика.

AI-бизнес-аналитик. Проводит встречи с клиентами, формирует требования к AI-решениям, структурирует бизнес-задачи в техническое задание.

AI Solutions Consultant (пресейл-инженер). Проводит технические демонстрации AI-продукта потенциальным клиентам, помогает подобрать решение под конкретную задачу бизнеса до заключения сделки.

Консультант по внедрению ИИ. Сопровождает компанию на этапе интеграции AI-решений в существующие процессы - от аудита текущих задач до обучения сотрудников работе с новым инструментом.

AI Customer Success менеджер. Сопровождает клиентов после покупки AI-продукта - следит за тем, чтобы решение действительно использовалось и приносило результат, предотвращает отток клиентов.

Chief AI Officer (директор по ИИ). Топ-менеджерская роль, отвечающая за AI-стратегию всей компании - какие процессы автоматизировать, какие технологии внедрять, как выстроить AI-трансформацию бизнеса.

HR-специалист по AI / AI-рекрутер. Использует AI-инструменты для подбора персонала - автоматический скоринг резюме, AI-интервью, аналитика воронки найма.

Тестирование

QA-инженер AI-продуктов (тестировщик). Проверяет работу AI-интерфейсов и промптов - тестирует сценарии использования, ищет баги в работе AI-агентов и чат-ботов.

Локализация и языки

Специалист по локализации AI-продуктов. Адаптирует AI-продукты и их языковые модели под разные языки и культурные контексты - от перевода интерфейса до настройки корректной работы модели на новом языке.

AI-лингвист / переводчик для обучения моделей. Проверяет и переводит диалоги и тексты для обучения многоязычных моделей, следит за стилем, орфографией и естественностью речи на целевом языке.

Отраслевые AI-специалисты

Специалист по ИИ в медицине. Работает на стыке медицины и технологий - валидирует результаты работы диагностических AI-систем (например, в радиологии), участвует в разработке медицинских AI-продуктов.

Специалист по ИИ в праве (Legal AI / AI Legal Tech). Внедряет и адаптирует AI-инструменты для юридической работы - анализ документов, поиск судебной практики, автоматизация типовых юридических задач.

Специалист по ИИ в финансах. Использует AI для финансового анализа, оценки рисков, автоматизации аудита и отчётности - от банковского скоринга до алгоритмической аналитики рынков.

AI-аналитик маркетплейсов. Использует ИИ для анализа продаж, рекламы и конкурентов на маркетплейсах вроде Wildberries и Ozon, проверяет корректность автоматических выводов и рекомендаций систем аналитики.

Специалист по ИИ в производстве. Внедряет AI-решения в промышленные процессы - предиктивное обслуживание оборудования, оптимизация производственных линий, контроль качества через компьютерное зрение.

Образование и поддержка

AI-преподаватель / AI-тьютор. Обучает других людей работать с нейросетями - корпоративных сотрудников, школьников, студентов. Ценится умение объяснять простыми словами.

AI-ассистент / оператор ИИ. Ставит задачи нейросети, проверяет результат, ведёт несложную коммуникацию с AI-инструментами по инструкции - один из самых доступных входных билетов в сферу.

Что объединяет весь этот список

Если посмотреть на глоссарий целиком, видна закономерность: часть профессий - это классические роли (маркетолог, разработчик, дизайнер, аналитик, рекрутер, юрист, врач), которые просто прокачались с помощью ИИ, а другая часть - совершенно новые специальности, которых не существовало ещё несколько лет назад. Граница между «профессией в сфере ИИ» и «обычной профессией с AI-инструментами» год от года становится всё более условной - и это, пожалуй, главный вывод: учиться работать с нейросетями сегодня полезно почти в любой роли, а не только в тех, где это прямо написано в названии должности.