Мы привыкли думать, что эпохе AI понадобится ещё больше программистов. Возможно. Но самые дефицитные специалисты следующего десятилетия могут выглядеть совсем иначе: они будут понимать технологии достаточно хорошо, чтобы ими управлять, и реальный бизнес достаточно глубоко, чтобы знать, где технологии действительно нужны.
Представим 2030 год.
Крупный банк в Ереване ищет человека для AI-проекта.
Есть два кандидата.
Первый — отличный AI-инженер.
Он знает модели, архитектуры, API, agents, machine learning. Может объяснить практически всё о современных AI-технологиях.
Второй кандидат тоже понимает AI.
Возможно, технически немного хуже.
Но он десять лет работал в банковской сфере.
Он понимает кредитные процессы.
Знает, почему некоторые операции нельзя просто автоматизировать.
Понимает compliance.
Знает, где сотрудники теряют время.
Видел, почему хорошие технологические проекты иногда проваливаются после внедрения.
И способен посмотреть на банковский процесс и сказать:
«Вот здесь AI действительно нужен. А здесь он вообще не решает проблему».
Кого выберет банк?
Несколько лет назад ответ казался очевидным.
Сегодня — уже нет.
А через несколько лет этот вопрос может стать одним из ключевых для рынка труда.
Мы слишком долго делили мир на «технических» и «нетехнических»
Есть программисты.
И есть бизнес.
Есть инженеры.
И есть финансисты.
Есть IT.
И есть медицина.
Есть разработчики.
И есть юристы.
Организации даже физически строились вокруг этого разделения.
IT-отдел находится здесь.
Бизнес-подразделение — там.
Одни объясняют, что нужно сделать.
Другие решают, как это технически реализовать.
Эта модель работала десятилетиями.
Но AI начинает размывать границу.
Потому что технологии становятся проще в использовании — и одновременно сложнее в применении.
Звучит противоречиво.
Но именно это сейчас происходит.
Использовать AI становится легче. Понимать, где его использовать, — сложнее.
Сегодня человеку уже необязательно быть программистом, чтобы взаимодействовать с мощной технологией.
Можно описать задачу обычными словами.
Создать прототип.
Проанализировать данные.
Написать запрос.
Автоматизировать часть процесса.
Получить код.
Сделать исследование.
Технологический барьер снижается.
Но появляется другой барьер.
Что именно нужно автоматизировать?
Как понять, где AI создаёт реальную ценность, а где просто добавляет красивый интерфейс?
Какие решения можно доверить алгоритму?
Где ошибка допустима?
А где одна неправильная рекомендация может стоить компании миллионов?
Ответы на эти вопросы невозможно получить только из документации AI-платформы.
Для этого нужно понимать саму профессию.
Представьте врача, который понимает AI
Он не обязательно должен уметь самостоятельно обучать neural network.
Но он понимает:
какие медицинские данные имеют значение;
какие ошибки критичны;
где AI может помочь врачу;
где необходим human judgment;
как выглядит реальный workflow клиники;
какому результату можно доверять, а какой нужно проверить.
Теперь представьте великолепного AI-инженера, который никогда не работал в медицине.
У кого больше шансов увидеть действительно ценное применение технологии?
Правильный ответ, скорее всего:
у них обоих — если они смогут говорить на одном языке.
Но особенно ценным становится третий человек.
Тот, кто понимает обе стороны.
Возможно, именно он станет новым типом специалиста
Не просто программист.
Не просто банкир.
Не просто врач.
Не просто юрист.
А:
AI + Banking
AI + Cybersecurity
AI + Medicine
AI + Law
AI + Manufacturing
AI + Telecommunications
AI + Logistics
AI + Agriculture
AI + Finance
Это не означает, что завтра каждый бухгалтер должен стать data scientist.
И не означает, что каждому разработчику нужно получать медицинское образование.
Речь о другом.
Граница между технологической и отраслевой компетенцией начинает становиться самым интересным местом на рынке труда.
Почему это особенно важно для Армении
Армения много лет строила сильный технологический человеческий капитал.
Это стало одним из наиболее узнаваемых преимуществ страны.
Но следующая задача может оказаться другой.
Не только создавать больше людей, которые умеют строить технологии.
А создавать больше людей, которые умеют соединять технологии с реальными отраслями экономики.
Потому что AI сам по себе не модернизирует банк.
Не модернизирует производство.
Не улучшает медицину.
Не делает логистику эффективнее.
Не меняет сельское хозяйство.
Это происходит только тогда, когда кто-то понимает одновременно:
что умеет технология
и
как на самом деле работает отрасль.
AI создаёт странный парадокс
Чем мощнее становится технология, тем важнее становится контекст.
AI может проанализировать тысячу страниц за несколько минут.
Но кто должен сказать ему, какие страницы важны?
AI может найти закономерность в данных.
Но кто определит, имеет ли эта закономерность бизнес-смысл?
AI может предложить решение.
Но кто поймёт, можно ли его реализовать в реальной организации?
AI может написать код.
Но кто решит, какую проблему вообще стоит решать этим кодом?
И здесь появляется очень важное изменение.
Знание проблемы начинает становиться не менее ценным, чем знание инструмента.
Возможно, самый ценный сотрудник будущего не будет лучшим программистом в комнате
Он может быть человеком, который сидит между двумя мирами.
На встрече с инженерами он понимает архитектуру.
На встрече с CEO — экономику проекта.
С финансовым директором может говорить о ROI.
Со специалистом по cybersecurity — о рисках.
С пользователем — о реальном процессе.
С AI-командой — о данных и модели.
И самое главное:
он умеет переводить с одного языка на другой.
Не с армянского на английский.
С языка бизнеса на язык технологий — и обратно.
Такие люди существовали и раньше.
Но AI может резко увеличить их ценность.
Потому что следующая проблема AI — не отсутствие технологий
Технологий становится всё больше.
Модели становятся мощнее.
Compute растёт.
Стоимость некоторых AI-операций снижается.
Инструменты становятся доступнее.
Появляются готовые platforms, APIs, copilots и agents.
Через несколько лет купить доступ к мощному AI может быть намного проще, чем найти человека, который понимает:
что именно с ним делать.
И это принципиальное изменение.
Если одна и та же технология доступна десяти конкурентам, сама технология перестаёт быть преимуществом.
Преимуществом становится способ её применения.
Два банка могут купить одинаковый AI
Один внедрит chatbot.
Второй посмотрит глубже.
Он найдёт десятки процессов, где сотрудники ежедневно выполняют повторяющиеся интеллектуальные операции.
Поймёт, какие данные необходимы.
Перестроит workflow.
Определит, где нужен человек.
Изменит KPI.
Обучит сотрудников.
Интегрирует AI в существующие системы.
Через год обе компании смогут сказать:
«Мы используем AI».
Но экономический эффект будет совершенно разным.
Почему?
Они купили похожую технологию.
Разница была не в AI.
Разница была в способности организации понять, куда его поставить.
И это меняет само понятие IT-образования
Возможно, нам стоит перестать задавать молодым людям только один вопрос:
«Хочешь научиться программировать?»
И начать задавать другой:
«Какую проблему ты хочешь научиться решать с помощью технологий?»
Иногда ответом будет cybersecurity.
Иногда медицина.
Финансы.
Энергетика.
Архитектура.
Производство.
Биология.
Логистика.
Государственное управление.
И именно соединение этих знаний может создать совершенно новое поколение специалистов.
Университет будущего тоже может выглядеть иначе
Представим студента медицинского университета.
Кроме медицины он изучает:
data literacy;
основы AI;
AI ethics;
работу с моделями;
data privacy.
Другой студент изучает финансы, но одновременно понимает:
automation;
APIs;
data analytics;
AI agents.
Инженер, в свою очередь, изучает не только технологии, но и реальные бизнес-процессы отрасли, для которой собирается их создавать.
В результате появляются не люди, знающие понемногу обо всём.
Появляются специалисты с двумя глубинами.
Именно это важно.
Потому что поверхностное знание двух профессий тоже не решает проблему
Есть риск неправильно понять идею.
Будущее не обязательно за универсальными людьми, которые «немного знают AI, немного финансы, немного маркетинг».
Наоборот.
Особенно ценным может стать сочетание:
глубокой отраслевой экспертизы + достаточной технологической компетенции
или
глубокой технологической экспертизы + серьёзного понимания конкретной индустрии.
Это уже намного сложнее.
И поэтому намного ценнее.
Для бизнеса это означает изменение найма
Возможно, через несколько лет в вакансии будет недостаточно написать:
«5 лет опыта в banking».
Или:
«3 года опыта с AI».
Компании начнут искать сочетания.
Человека, который понимает банковский риск и data models.
Специалиста по cybersecurity, понимающего AI agents.
Юриста, который способен работать с автоматизированным анализом документов.
Sales Manager, умеющего строить AI-driven workflow.
Производственного инженера, который понимает computer vision.
Именно на пересечениях будут появляться новые профессии.
Но самое большое изменение ждёт не сотрудников. Оно ждёт компании.
Организация может купить технологии.
Но она не может просто купить способность ими пользоваться.
Эта способность должна появиться внутри.
И здесь CEO стоит задать себе необычный вопрос.
Не:
«Сколько AI-специалистов у нас работает?»
А:
«Сколько людей внутри нашей компании одновременно понимают наш бизнес и возможности AI?»
Если ответ — два человека из пятисот, возможно, именно здесь находится будущий bottleneck цифровой трансформации.
Не в отсутствии software.
Не в отсутствии GPU.
Не в отсутствии бюджета.
В отсутствии людей, способных соединить всё это с реальной задачей.
Для Армении здесь может скрываться огромная возможность
У страны уже есть сильная технологическая база.
Есть инженеры.
Есть предприниматели.
Есть международный опыт.
Развивается AI-инфраструктура.
Но представьте следующий этап.
Не просто Armenian software engineers.
А:
Armenian AI-finance specialists.
AI-security experts.
AI-biotech researchers.
AI-manufacturing engineers.
AI-education specialists.
AI-agriculture experts.
AI-legal professionals.
Тогда технологическая компетенция начинает проникать во всю экономику.
И IT перестаёт существовать как отдельный остров.
Оно становится частью каждой профессии.
И, возможно, именно так выглядит настоящая цифровая трансформация страны
Не когда каждая компания купила новое software.
Не когда на каждом сайте появился AI-chatbot.
Не когда количество IT-компаний выросло ещё на 20%.
А когда врач, банкир, инженер, юрист, предприниматель и государственный служащий начинают понимать:
что технология способна сделать внутри именно их профессии.
Тогда AI перестаёт быть продуктом IT-индустрии.
Он становится инфраструктурой экономики.
Заключение
Последние двадцать лет технологическая гонка во многом была гонкой за инженерами.
Кто сможет привлечь лучших разработчиков?
Кто подготовит больше программистов?
Кто создаст сильнейшую технологическую экосистему?
Эта гонка никуда не исчезнет.
Но рядом с ней начинается другая.
Гонка за людьми, способными соединять знания.
Людьми, которые понимают не только как работает AI, но и зачем он нужен конкретной отрасли.
Потому что технологии постепенно становятся доступными всем.
А глубокое понимание того, как превратить технологию в реальную ценность, — нет.
И поэтому самым ценным специалистом эпохи AI может оказаться вовсе не тот, кто лучше всех знает искусственный интеллект.
А тот, кто способен посмотреть на реальную проблему своей отрасли и сказать:
«Я знаю, где AI здесь действительно нужен. И знаю, где он не нужен вообще».
Возможно, именно за такими людьми и начнётся следующая технологическая гонка Армении.