Какая профессия будет востребована в 2027 году? Моя ставка — инженер ИИ-агентов
Почему я ставлю на инженерию ИИ-агентов, какие навыки нужны для внедрения ИИ в бизнес и как собрать первого Telegram-бота за четыре недели.
Если бы я сейчас выбирал один навык на 2027 год, я бы учился внедрять ИИ там, где он может улучшить конкретные показатели бизнеса: сократить время ответа клиентам, снять с сотрудников рутину, помочь команде обработать больше заявок и довести больше обращений до продажи.
Представьте компанию, которая устанавливает кондиционеры. Клиент вечером оставляет заявку на сайте: хочет узнать, сколько стоит стандартный монтаж и есть ли свободное время на этой неделе. Менеджер увидит заявку только утром. К этому моменту клиент может уже договориться с компанией, которая ответила первой.
ИИ-оператор может ответить сразу, даже ночью. Он берёт цену и условия из базы компании, уточняет, какой монтаж нужен, и проверяет свободное время в календаре. Если услуга стандартная, клиент согласен и подключена система выставления счетов, агент может выставить счёт по утверждённой цене. Если нужен индивидуальный расчёт, он сохранит детали заявки в CRM и передаст их менеджеру, чтобы утром тот мог продолжить разговор без повторных вопросов.
Такой процесс проектирует инженер ИИ-агентов. Он подключает агента к базе услуг, календарю и CRM, определяет, что можно сделать автоматически и когда нужен сотрудник. После запуска он проверяет, как изменилось время первого ответа, сколько заявок команда успевает обработать и какая их доля доходит до оплаты.
Почему я ставлю на этот навык
По опросу McKinsey за 2026 год, среди респондентов из компаний с годовой выручкой свыше $1 млрд доля тех, кто сообщил о масштабировании ИИ-агентов хотя бы в одной функции, выросла за год с 27% до 40%. Среди респондентов из компаний меньшего размера показатель остался около 22%.
Это не прогноз числа вакансий. Для меня это сигнал о том, что в части компаний работа уже выходит за пределы экспериментов. Как только агент начинает обрабатывать реальные обращения, у команды появляются вполне конкретные задачи: дать ему нужные данные, ограничить доступы, проверять качество и разбирать ошибки после запуска.
В обзоре LinkedIn работа с ИИ-агентами названа самым быстрорастущим навыком в категории AI engineering за 2025 год. Встречаются и отдельные должности: например, в описании роли Staff AI Agent Engineer в Liberate в обязанности входят проектирование сценариев, интеграции, тестирование и поддержка после запуска.
Я не думаю, что к 2027 году все компании заведут должность с таким названием. Где-то эту работу будет делать разработчик, где-то — специалист по автоматизации. Но само умение доводить ИИ от демонстрации до рабочего процесса полезно и внутри компании, и в собственном бизнесе.
Что делает инженер ИИ-агентов
Допустим, отдел продаж хочет быстрее обрабатывать входящие заявки. Первым делом я бы посмотрел, где именно теряется время. Если сообщения просто не попадают в CRM, возможно, хватит обычной интеграции. Если сообщения приходят, но менеджер каждый раз вручную разбирает длинную переписку и уточняет одни и те же детали, часть этой работы можно поручить агенту.
В Abistep мы развиваем Business OS, и заявки с сайтов и ботов уже поступают в нашу внутреннюю CRM. Сам приём заявки может работать без модели. ИИ уместен там, где нужно разобраться в свободном тексте: понять задачу клиента, выделить срок, заметить, что важных сведений не хватает. Проверку обязательных полей, защиту от дубликатов и запись в CRM можно оставить обычному коду.
В этом и состоит инженерная работа: решить, какой шаг поручить модели, какой описать строгим правилом и когда подключить человека. А потом проверить, стало ли работать лучше.
Почему скорость — только часть результата
В полевом эксперименте на Taobao после внедрения ИИ-агента средняя длительность чатов, подходивших для его применения, сократилась на 16,8%. По всем чатам снижение составило 3,2%. При этом в группе чатов, подходивших для ИИ, клиентские оценки снизились. Если смотреть только на время, легко пропустить, что часть клиентов получила худший опыт.
В другом исследовании на данных 5 172 сотрудников поддержки подсказки ИИ помогли увеличить количество решённых обращений за час в среднем на 15%. Клиентам при этом отвечали люди. Это другой формат работы, и его тоже стоит рассматривать: иногда лучший первый шаг — дать сотруднику черновик ответа, а не автоматизировать весь разговор.
Для агента по заявкам я бы измерял время до передачи менеджеру, долю заполненных карточек и количество случаев, когда менеджеру пришлось заново спрашивать клиента. Если карточки появились быстрее, но половину приходится исправлять, процесс ещё не стал лучше.
Какие навыки стоит освоить
- Разбирать рабочие процессы. Уметь выяснить, откуда приходит задача, кто принимает результат, какие ошибки возникают и сколько стоит ручная работа. Здесь опыт в продажах, маркетинге или операционной работе уже даёт вам преимущество: вы знаете, как задача выглядит в реальности.
- Задавать агенту правила и контекст. Объяснить, что считать готовым результатом, на какие данные опираться, что уточнять и когда передавать задачу человеку. Важные правила лучше проверять на примерах, а не полагаться на то, что модель всегда поймёт инструкцию одинаково.
- Подключать инструменты. Разобраться, как Telegram, модель, таблица и CRM передают друг другу данные. Для начала полезны основы API, вебхуков и JSON. Если хотите идти именно в инженерную роль, постепенно добавляйте Python или JavaScript, работу с данными и отладку.
- Тестировать поведение. Проверять не только удачный сценарий. Что произойдёт, если клиент напишет дважды, изменит условия или пришлёт сообщение без нужных деталей? Что ответит бот, если таблица недоступна?
- Поддерживать процесс после запуска. Следить за ошибками и расходами, ограничивать доступы и уметь временно вернуть обработку человеку. Работа продолжается и после того, как бот впервые ответил правильно.
Эти навыки можно применять ещё до смены профессии. Менеджер может собрать помощника для разбора заявок, маркетолог — инструмент для обработки интервью, предприниматель — снять с себя часть ручной работы. Если хочется на этом зарабатывать, я бы начал с одного платного пилота для конкретного типа клиентов. Например, помог бы сервисной компании собирать заявки из Telegram и проверил бы, сколько времени это действительно экономит менеджеру.
С чего начать: один Telegram-бот за четыре недели
Я бы выбрал бота, который превращает сообщение в структурированную заявку. На нём можно пройти весь путь: от постановки задачи до проверки результата.
Первая неделя — опишите задачу. Подготовьте 15–20 учебных сообщений. Одни будут полными, другие — без срока, с расплывчатым запросом или с вопросом не по теме. Для каждого запишите, что бот должен сохранить, уточнить или передать человеку.
Вторая неделя — соберите диалог. Пусть бот принимает сообщение, выделяет задачу и срок и задаёт уточняющий вопрос, если важных сведений не хватает. Прогоните примеры первой недели и посмотрите, где он ошибается.
Третья неделя — подключите действие. После подтверждения бот сохраняет заявку в тестовую таблицу. Проверьте повторную отправку и сбой записи. Бот должен подтверждать приём только после того, как заявка действительно сохранилась.
Четвёртая неделя — дайте бота другим людям. Попросите нескольких знакомых написать ему без подсказок. Разберите ошибки, повторите проверку и запишите короткую демонстрацию для портфолио: какая была задача, что бот умеет, где подключается человек и какие ручные действия удалось убрать.
На собеседовании или встрече с первым клиентом такой проект даст вам материал для предметного разговора. Вы сможете показать не только экран с ответом ИИ, но и объяснить, почему выбрали именно этот процесс, как проверили его и что сделали на случай ошибки.
Если хотите собрать своего Telegram-бота, в моём закрытом платном канале есть курс по его созданию. Каждую неделю я отвечаю на вопросы. Участники делятся опытом, а я выкладываю лайфхаки и другие полезные материалы по работе с ИИ.