Аналитики DevCrowd опросили 296 специалистов, работающих в сферах Data Science (DS), Machine Learning (ML) и других направлениях искусственного интеллекта.

64% респондентов оценивают свой уровень как Middle и Senior. По мнению экспертов, в среднем через 3–6 лет в профессии можно претендовать на позицию Senior.

По мнению участников опроса, Backend и «Аналитика данных» являются основными направлениями, из которых специалисты переходят в DS/ML/ИИ-разработку. При этом для 42,3% ИИ-профессия стала первой в их жизни.

Самостоятельное обучение профессии было у 33,5% респондентов, 36,2% окончили университет, 22,6% прошли курсы, а 7,8% приобретали необходимые знания на работе. Среди опрошенных 9,5% имеют кандидатскую степень, 74,2% — высшее образование, 13,9% — неоконченное высшее, 0,7% — среднее специальное и 1,7% — среднее.

Особенности профессии:

• направления FinTech (18,5%), «Нейросети» (17,8%), FoodTech (9,6%) и Автоматизация бизнеса (9,6%) являются основными, где работают респонденты. Более трети работают в крупных компаниях с численностью более 5 тыс. сотрудников. В самых маленьких, где штат ограничен 49 сотрудниками, трудятся 12,7% опрошенных;

• треть (32,5%) всех респондентов работают в небольших командах до 5 человек, 40,7% находятся в составе команд от 6 до 10 человек. В крупных составах (более 30 сотрудников) работают 5,3% участников опроса;

• почти в каждой пятой (22,9%) команде присутствует выделенная роль тестировщика, тогда как наличие разработчиков отметили 65,5% респондентов, менеджера — 57%, аналитика данных — 39,8%;

• собственные лаборатории есть у 45% компаний. Остальные обходятся без них. Среди ключевых задач ИИ-лабораторий — исследовательская работа (73,5%) и адаптация технологий под запросы бизнеса (61,5%). При этом ежедневно напрямую взаимодействуют со своими бизнес-заказчиками лишь 20% опрошенных, хотя 25% относят коммуникацию с бизнесом к частым задачам.

Навыки и инструменты:

• программирование и машинное обучение оказались наиболее важными навыками для участников опроса. За них проголосовали 49,8% и 49,1% соответственно. На третьем месте оказалось знание фундаментальной математики с 36,4%, но улучшить его хотят 47%;

• матрицу компетенций используют 39% специалистов, 23,4% затруднились с ответом;

• основными механизмами обмена знаниями в компаниях для участников опроса являются внутренние митапы (60,2%) и общая база знаний (50,2%). Курсы и тренинги от сотрудников отметили 30,9%;

• на рабочем месте чаще всего респонденты работают с NLP (56,2%), классическим машинным обучением (53,1%), большими языковыми моделями (50,4%), компьютерным зрением (40,7%), а также с генеративным искусственным интеллектом (21,3%);

• почти половина (44%) занимается разработкой пет-проектов в рабочее время, подготовкой докладов, участием в митапах и конференциях — 41,8%, научной работой — 37,5%.

Сообщество и развитие:

• для большинства респондентов Telegram-каналы (73%) и статьи (70,3%) являются основными источниками знаний. YouTube выбирают 56,2%. Кроме того, 69,8% не слушают подкасты;

• из русскоязычных экспертов респонденты больше всего (30,8%) следят за Валерием Бабушкиным из X5, Виктором Кантором (16,4%) из МТС и Сергеем Марковым (12,5%) из SberDevices;

• лучшей конференцией года 28% считают DataFest, а 19,2% — AI Journey.

Работа и компании:

• 11,4% специалистов находятся сейчас в активном поиске работы. Главная мотивация — желание повысить доход (65,9%) и решать более сложные задачи (49,7%). Также среди популярных ответов — желание быть в сильном профессиональном сообществе (39,9%);

• четверть участников опроса не меняют работу из-за нежелания заново проходить этапы найма и адаптации;

• среди наиболее привлекательных компаний выделяют «Яндекс» (57,9%), Т-Банк (45,2%) и «Сбер» (40%), а также Ozon (38,9%) и Avito (32,6%);

• больше всего респондентов проживают в Москве (50,7%), Санкт-Петербурге (16,4%) и Екатеринбурге (6,7%).