Эндрю Нг назвал 4 навыка инженерии ИИ на основе 10 000 вакансий

Эндрю Нг, сооснователь Google Brain и Coursera, объявил о перезапуске образовательной платформы DeepLearning.AI. Фокус сместился на инженерию ИИ (AI Engineering), то есть на практическое умение строить, запускать и поддерживать приложения на базе языковых моделей. Результаты основаны на анализе более 10 000 объявлений о работе, десятках структурированных интервью с нанимающими менеджерами и рекрутерами, а также на опросах и данных из открытых источников. Комментарий Нг опубликован на Latent Space.

Четыре навыка, которые выделил Нг

• Создание и запуск ИИ-приложений. Нг подчёркивает: инженер должен понимать строительные блоки (LLM, контекстная инженерия, RAG, агентные сценарии, машинное и глубокое обучение) и уметь измерять поведение системы статистическими методами. Ключевой подпункт: умение выстраивать дисциплинированные циклы оценки и анализа ошибок (evaluation & error analysis loops, то есть повторяющуюся проверку того, где модель ошибается и почему).

• Фундамент программной инженерии. Понимание архитектуры, проектирования хранилищ данных и тестирования позволяет видеть компромиссы, которые кодирующий ИИ-агент делает за вас. По словам Нг, разработчик без этого фундамента, который просто «вайбкодит» решение, получит худший результат, потому что не знает, какой контекст дать агенту. Авторы Latent Space добавляют: языковые модели больше поднимают потолок для опытных разработчиков, чем поднимают «пол» для начинающих.

• Работа с кодирующими ИИ-агентами. Нг формулирует это как отдельный навык: понимать ментальную модель агента, знать его ограничения, уметь быстро вмешиваться или отпускать, работать со спецификациями и оркестровать несколько агентов одновременно. Отдельная оговорка: агент может повредить рабочую базу данных, и умение предотвратить это входит в компетенцию. Latent Space отмечает: рынок кодирующих агентов взорвался с 2024 по 2026 год, от Cursor до Claude Code, Codex, Cognition и Cline.

• Формирование продукта. Нг считает, что инженер ИИ должен обладать продуктовым чутьём: понимать бизнес-контекст и цели клиента, знать, когда быстро собрать прототип (MVP), а когда замедлиться и строить аккуратно. Авторы Latent Space признают: это единственный пункт, который не был предсказан в их оригинальном эссе 2023 года, и границы между инженерией и продуктовой работой размываются.

Почему это важнее, чем кажется?

Нг прямо указывает: навыки инженерии ИИ применимы не только к людям с должностью «ИИ-инженер». Если вы автор, маркетолог или предприниматель, который использует языковую модель для генерации контента, анализа данных или автоматизации рутины, три из четырёх навыков касаются вас: понимание строительных блоков ИИ, умение работать с кодирующими агентами и продуктовое чутьё.

Для российских разработчиков список Нг работает как дорожная карта переквалификации. В условиях, когда кодирующие агенты берут на себя всё больше рутинного кода, именно инженерный фундамент и умение управлять агентами становятся конкурентным преимуществом, а не знание конкретного языка программирования.

Как попробовать

1. Зайдите на сайт DeepLearning.AI и найдите обновлённую программу. Нг анонсировал перезапуск платформы с фокусом на инженерию ИИ.
2. Прочитайте полный пост Нг по ссылке на Latent Space, там каждый навык разобран подробнее с примерами.
3. Оцените свои текущие навыки по четырём пунктам и определите, где самый большой разрыв: если вы не пишете код, начните с понимания строительных блоков (LLM, RAG, агентные сценарии); если пишете, проверьте, умеете ли вы оркестровать несколько агентов.

Российские аналоги: где практиковать инженерию ИИ в РФ

Список Нг описывает навыки, а не конкретные продукты, поэтому отрабатывать их можно и на российских моделях, главное понимать логику: как устроен промпт (prompt, текстовая инструкция для модели), что такое RAG (retrieval-augmented generation, когда модель ищет ответ в вашей базе данных, а не выдумывает), как работают агентные сценарии (agentic workflows, цепочки, где ИИ-агент сам решает, какой следующий шаг выполнить).

Что делать с этим прямо сейчас, по ролям

Автору на Дзене. Вы уже работаете с языковыми моделями, когда пишете промпты для генерации текстов. Первый навык из списка Нг, понимание строительных блоков ИИ, касается вас напрямую. Научитесь оценивать результат модели системно: не «нравится / не нравится», а «галлюцинация (когда модель уверенно выдумывает то, чего не было) в третьем абзаце, слабый контекст в промпте, добавлю уточняющий факт».

Маркетологу. Четвёртый навык, продуктовое чутьё, это ваша территория. Нг говорит: инженер ИИ должен понимать, когда быстро собрать прототип, а когда замедлиться. Для маркетолога это означает: не каждую задачу стоит автоматизировать ИИ-агентом, иногда быстрый тест с ручной сборкой обойдётся дешевле.

Предпринимателю в РФ. Дообучение (fine-tuning, обучение модели на ваших примерах под узкую задачу) и RAG доступны через API YandexGPT. Список Нг можно использовать при найме: если кандидат на позицию «ИИ-инженер» не может объяснить, чем evaluation loop отличается от ручной проверки, навыка нет.

Частые вопросы

Нужно ли уметь программировать, чтобы освоить инженерию ИИ?

По классификации Нг, три из четырёх навыков предполагают понимание кода: фундамент программной инженерии, работа с кодирующими агентами и создание ИИ-приложений. Четвёртый навык, продуктовое чутьё, не требует умения программировать, но требует понимания того, что технически возможно. Для авторов и маркетологов разумный минимум: уметь читать код и понимать, что делает агент.

Применим ли список Нг к работе с YandexGPT и GigaChat?

Да. Навыки из списка описывают подход, а не конкретные продукты. Умение выстраивать циклы оценки, формулировать спецификации для агента и понимать архитектурные компромиссы одинаково работает с любой языковой моделью.

Чем инженерия ИИ отличается от промпт-инжиниринга?

Промпт-инжиниринг, это умение писать точные текстовые инструкции для модели. По Нг, это часть первого навыка. Инженерия ИИ шире: она включает архитектуру приложения, статистическую оценку качества, управление несколькими агентами и продуктовое мышление. Если провести аналогию: промпт-инжиниринг, это умение хорошо ставить задачу исполнителю, а инженерия ИИ, это умение построить и запустить всё производство.

Список Нг стоит распечатать и повесить рядом с монитором: не как догму, а как чек-лист. Через полгода он устареет в деталях, но структура «строить, понимать фундамент, управлять агентами, думать как продуктовик» останется.