Продолжаем цикл статей о новых профессиональных возможностях, которые появились в IT благодаря искусственному интеллекту. В нём мы делимся подборкой специальностей, на которые стоит обратить внимание, если ты хочешь претендовать на крутые вакансии и карьерный рост: в чём суть роли, где она востребована, кому легче перейти, и какие ключевые скиллы добавить в арсенал перед откликом.
Четвёртая часть посвящена сфере оптимизации.
Важный дисклеймер: профессии, связанные с AI, развиваются с космической скоростью, а общие стандарты только формируются. Этот материал — срез рынка в ноябре 2025 года (мы уже не можем ограничиться даже годом — ситуация может измениться буквально за несколько месяцев).
ML Optimization Engineer
Работает на стыке ML-разработки и системной инженерии: оптимизирует ML-модели для развертывания в продакшн, особенно на ресурсоограниченных устройствах (смартфоны, интернет вещей и т. д.), балансируя между точностью, скоростью и размером модели. Применяет техники сжатия моделей, снижает latency и memory footprint без критической потери точности, работает с inference engines (TensorRT, ONNX Runtime, TensorFlow Lite).
Кому легче перейти?
- Разработчикам с опытом в performance optimization (C++/CUDA) и знанием Python/ML frameworks (PyTorch, TensorFlow) — техническая экспертиза в низкоуровневой оптимизации переносится на ML-модели.
- Разработчикам мобильных/embedded систем с базовыми знаниями ML/Python — они понимают ограничения устройств, нужно углубить знания в ML-архитектурах и техниках оптимизации.
Где искать вакансии?
Роль востребована в компаниях, разворачивающих ML на edge-устройствах и в продуктах с жесткими требованиями к latency. Ищите вакансии в сфере компьютерного зрения (распознавание лиц, автопилоты) и робототехники, в компаниях, создающих мобильные приложения с AI, интернет вещей и embedded systems, а также в облачных провайдерах, разрабатывающих inference-решения.
Что подчеркнуть в резюме?
- Глубокое понимание архитектур нейронных сетей.
- Знание техник оптимизации: quantization, pruning, knowledge distillation, model compression.
- Опыт работы с inference engines и фреймворками: TensorRT, ONNX Runtime, TensorFlow Lite, OpenVINO.
- Сильные навыки программирования на Python и C++, опыт с CUDA или другими технологиями низкоуровневой оптимизации.
- Успешные кейсы с измеримыми результатами: сокращение размера модели на X%, улучшение inference speed в Y раз, снижение memory footprint на Z% и т.д.
SEO-специалист с AEO-экспертизой
Адаптирует SEO-стратегию для AI-поисковиков и систем генерации ответов (Google AI Overviews, ChatGPT, Perplexity, Gemini и т. д.). Внедряет schema markup (FAQ, HowTo, QAPage), разрабатывает question-based контент, отвечает за entity management (то, как AI-системы идентифицируют бренд) и отслеживает его упоминания в генеративных ответах. Фокусируется на получении нулевой позиции (featured snippets) и оптимизации для голосового поиска.
Балансирует между традиционными SEO-метриками (позиции в поиске, клики) и новыми показателями (цитирование в AI-ответах, доля присутствия в генеративных поисковиках, точность упоминаний бренда). Использует критерии E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness — опыт, экспертиза, авторитетность, достоверность) для создания контента, который AI-системы чаще цитируют в ответах.
Кому легче перейти?
- SEO-специалистам — это даже не переход, а расширение навыков. Потребуется только изучить специфику AI-оптимизации и отслеживание цитирования в генеративных ответах.
Где искать вакансии?
Новая ниша для SEO-специалистов с потенциалом по мере развития поисковых технологий на базе AI. Ищите вакансии в digital-агентствах, предлагающих услуги AEO, медиа, e-commerce, SaaS-компаниях и enterprise организациях, адаптирующих контент-стратегии под AI.
Что подчеркнуть в резюме?
- SEO-экспертизу с упором на техническую часть.
- Понимание структурированной разметки данных и schema markup.
- Понимание того, как поисковые системы оценивают авторитетность источников, data-driven подход к оптимизации контента.
- Опыт работы с CMS и базовое знание HTML/CSS и JavaScript.
- Знание инструментов для отслеживания AI-ответов.
- Понимание принципов обработки естественного языка и E-E-A-T-фреймворка.
Всё ещё переживаешь, что твоя экспертиза может оказаться невостребованной в эпоху AI? На курсе Hello New Job! Кира Кузьменко объясняет логику работодателей, учит анализировать повторяющиеся требования и адаптировать свой опыт под конкретные вакансии. По ссылке ты можешь почитать программу и записаться на ближайший поток.
