ИТМО заменил ML Engineer на AI Engineer в магистратуре: 500+ студентов учат строить продукты, а не модели

ИТМО перестроил магистратуру по ИИ: вместо ML-инженеров готовят AI Engineer, создателей продуктов, которые умеют собирать решения из готовых моделей, а не обучать их с нуля.

AI Talent Hub, магистерская программа «Искусственный интеллект» в ИТМО, объявила о перезапуске учебной модели. Дмитрий Ботов, сооснователь и руководитель программы, описал логику изменений: прежний набор из четырёх ролей (ML Engineer, Data Analyst, Data Engineer, AI Product Engineer) больше не отражает то, за что компании готовы платить. Программа сдвигается от подготовки исполнителей к подготовке людей, которые сами формулируют проблему, собирают решение и выводят его в продукт.

Почему старая модель перестала работать?

Полтора года назад программа строилась вокруг ML-инженера (ML Engineer, специалиста по машинному обучению, который обучает модели с нуля под конкретную задачу). Это была основная ставка и выбор большинства студентов. Три сдвига произошли почти одновременно, и каждый ударил по этой ставке.

Модели стали доступны через API. Раньше ML-инженер обучал модель с нуля под задачу заказчика. Теперь компании берут готовые модели у вендоров (OpenAI, Anthropic, Яндекс) или используют решения с открытыми весами (open weights, когда разработчик публикует параметры модели и любой может её запустить у себя) и строят продукт вокруг готовой основы. Выбор модели стал лишь частью задачи. Параллельно появились агентные сценарии (agentic workflows): модели получают инструменты, обращаются к внутренним системам компании и выполняют цепочки действий. Команде приходится проектировать контекст, права доступа, наблюдаемость и экономику каждого сценария.

ИИ стохастичен, и это меняет инженерию. Классический код при одинаковом входе даёт одинаковый выход. ИИ-система может ответить по-разному на один и тот же запрос. Когда такой прогноз участвует в принятии бизнес-решений, нужны оценки качества (evals, автоматические тесты, которые проверяют, насколько адекватно модель отвечает), мониторинг и постоянная проверка. Это отдельная инженерная дисциплина, которой год назад в учебных планах не было.

Вход на рынок усложнился. По данным SignalFire, к 2025 году найм новых выпускников в крупных технологических компаниях снизился более чем на 50% по сравнению с 2019-м. Начальные роли страдают первыми: простой SQL, базовый анализ и шаблонный код всё чаще выполняют ИИ-инструменты. От начинающего специалиста теперь ждут умения поставить задачу, проверить результат и отвечать за качество.

AI Engineer вместо ML Engineer: что меняется в профессии?

Новая роль, которую ИТМО ставит в центр программы, называется AI Engineer. Разница принципиальная: ML-инженер обучает модель, AI Engineer встраивает готовую модель в продукт, обеспечивает надёжную работу и отвечает за результат в конкретном бизнес-контексте.

При этом Data Analyst и Data Engineer никуда не исчезают. По словам Ботова, низкое качество данных и незрелая инфраструктура остаются главными препятствиями для внедрения ИИ в компаниях. Данные должны быть доступны, описаны, актуальны и пригодны для автоматической оценки. Без этого агентные системы будут масштабировать существующие ошибки вместе с автоматизацией.

Дата-готовность (data readiness) становится обязательным условием запуска любой ИИ-системы. Так что классические роли не умирают, но обрастают новой зоной ответственности.

Фокус подготовки смещается от исполнителей готовых процессов к создателям продуктов и компаний будущего: людям, которые сами формулируют проблему, собирают решение и создают новую ценность. : Дмитрий Ботов, сооснователь и руководитель AI Talent Hub, ИТМО

По данным Anthropic: ИИ уже в половине профессий

По Anthropic Economic Index за март 2026 года, в 49% профессий ИИ уже используется как минимум в четверти задач. Крупные компании сокращают отдельные команды и пересматривают структуру найма, но продолжают расширять направления, связанные с ИИ. Особенно заметно меняются начальные позиции: часть задач, которые раньше отдавали стажёрам, теперь выполняют ИИ-инструменты.

Для российского рынка это означает ровно то же самое: магистранты ИТМО решают задачи X5 Tech, МТС, Альфа-Банка, Ozon, работают в Сбере, Яндексе, Т-Банке. Все эти компании уже перестраивают процессы вокруг готовых моделей, а не вокруг обучения с нуля.

Что это значит для вас?

Автору Дзена и копирайтеру. Роль AI Engineer показывает направление: ценность не в умении написать промпт (prompt, текстовую инструкцию для модели), а в умении собрать из ИИ-инструментов рабочий процесс и отвечать за результат. Если вы уже используете нейросети для контента, следующий шаг не «лучше писать промпты», а «собрать систему, где модель делает черновик, вы проверяете факты и редактируете, а публикация уходит по расписанию». Это и есть продуктовое мышление.

Маркетологу. При найме ИИ-специалиста в команду ищите не человека, который обучит модель, а человека, который встроит готовую модель в ваш конкретный процесс: лидогенерацию, аналитику обращений, персонализацию рассылок. AI Engineer, а не ML Engineer.

Предпринимателю в РФ и СНГ. Программа ИТМО работает онлайн, студенты из 60 городов. Конкурс 7 человек на место при 215 бюджетных местах. Если вы думали об ИИ-образовании для себя или сотрудников, это действующий ориентир. Из доступных в РФ альтернатив для самостоятельного изучения: курсы Яндекса по ML, программы Школы анализа данных, магистратуры ВШЭ и МФТИ. Но именно продуктовый фокус, «собери и запусти», а не «изучи алгоритм», пока редкость.

Профессия AI Engineer, это не модный ярлык, а конкретный набор задач: выбрать модель, встроить её в продукт, настроить оценку качества и отвечать за результат перед бизнесом. ИТМО перестроил программу под эту логику. Тем, кто выбирает, чему учиться прямо сейчас, стоит смотреть не на название курса, а на то, учат ли там собирать работающий продукт или только писать код.