Я, Арина Михална, знаю: навыки, которые нужны, чтобы не остаться без работы из-за ИИ в 2026 году — это твёрдая специализация в своей нише плюс умение управлять нейросетью: ставить задачу, гонять по правкам и принимать результат. Без первого получается нейрослоп, который никто не покупает. Без второго ты просто медленнее конкурента, у которого то же самое делает агент.
Я, Арина Михална, разложила этот расклад в посте в канале: куда движется экономика вокруг ИИ, почему нынешняя революция не создаёт рабочие места как предыдущие, и у кого есть шанс забрать себе рынок. Здесь — практическая часть: что именно качать и с чего начать.
Почему эта волна ИИ не создаёт рабочие места
Электричество и первый станок убрали профессии, но породили новые — электриков, операторов, инженеров — в сопоставимом масштабе. С ИИ другая история, и это ключевой тезис из моего поста про смерть среднего класса.
Модель, которая пишет тексты, ведёт переговоры и собирает отчёты, не требует новой массовой профессии «оператор нейросети» в том же объёме, в каком убирает старые роли. Она встраивается в работу тех, кто уже умеет её направлять — и это проблема для всех остальных.
Разница ощутима на деньгах: подписка на Claude Pro стоит около 20 $ в месяц, на максимальный тариф — до 200 $ (по данным официальной страницы тарифов Claude на октябрь 2026). На верхнем тарифе модель может заменить работу нескольких человек, если специалист за штурвалом понимает, что делает. Для сравнения — месячная зарплата младшего сотрудника в разы выше. Экономика голосует долларом не в пользу количества людей.
При этом сама технология доступа никуда не девается: разобраться с моделями и настройкой — отдельный скилл, и я подробно писала, что такое скиллы Claude и как они меняют то, что раньше делал человек руками.
Твёрдые навыки против нейрослопа: сквозной пример
Все, кто реально работали с ИИ, знают: без человека на входе и выходе модель сама по себе выдаёт что-то среднее. Ей нужен человек для четырёх вещей:
- Понять и сформулировать задачу — отличить то, что реально нужно клиенту, от того, что он попросил словами.
- Правильно её поставить — с ограничениями, контекстом бизнеса, примерами того, что считается хорошим результатом.
- Пережить процесс правок — довести результат до уровня, когда его можно показать клиенту или запустить в продакшн.
- Оценить результат на адекватность — не сгенерировал ли ИИ красивую, но бесполезную ерунду.
Без хотя бы базовой предметной экспертизы все четыре пункта проходятся вслепую. Получается нейрослоп — контент или решение, которое выглядит правдоподобно, но не решает задачу бизнеса.
Сквозной пример из моей практики: клиент просит «сделать контент-план на месяц для Instagram». Специалист без опыта в SMM ставит промпт «напиши 30 постов про [тему]» и получает 30 одинаковых текстов с эмодзи. Я, зная механику охватов и продаж в соцсетях, ставлю задачу иначе: «Собери контент-план на 4 недели: неделя 1 — прогрев через боль аудитории, неделя 2 — кейсы с цифрами, неделя 3 — возражения, неделя 4 — мягкая продажа. Под каждый пост — тезисы, хук для первых двух строк, CTA. Аудитория: предприниматели 30–45 лет, средний чек услуги 50 тыс. ₽». Агент выдаёт готовую структуру, которую можно сразу вести в работу — потому что в промпт заложена логика воронки, а не просто «напиши про тему».
Честный минус из моего опыта: я пыталась делегировать агенту финансовую аналитику по проекту — собрать отчёт о рентабельности рекламных каналов. Агент посчитал всё красиво, разложил по таблицам, но не учёл, что часть лидов пришла через «сарафан» после платной рекламы — и приписал их органике. В результате вывод был «отключить платную рекламу, она не окупается». Без моей экспертизы в юнит-экономике я бы слила бюджет, поверив этому отчёту. Агент посчитал по данным, но не понял логику бизнеса — это и есть разница между нейрослопом и работой специалиста.
| Есть твёрдая специализация | Нет специализации | |
|---|---|---|
| Постановка задачи ИИ | Точная, с контекстом отрасли и примерами | Общая, «сделай что-то похожее» |
| Оценка результата | Видит ошибки, которые ИИ не заметит сам | Принимает первый приличный вариант |
| Итоговый продукт | Готовое решение под конкретную задачу | Средний по рынку нейрослоп |
| Ценность на рынке | Растёт — можно клонировать себя х10 | Падает — дешевле сделать самому |
Если в твоей работе всё держится на управлении процессом и оценке качества — ты пока в выигрышной позиции. Если твоя роль сводится к тому, что можно описать в одном промпте, — время что-то менять.
Разбираю подобные расклады и живые примеры в канале — заходи в «А.М. решает вопросы», там без причёсанной теории, только то, что реально работает на моих проектах.
Какие конкретно навыки качать прямо сейчас
Сама наблюдаю за знакомыми фрилансерами: половина до сих пор считает Claude чатиком для рефератов и не подозревает, что на нём собирают агентов, которые делают за них рутину целыми блоками. Вот что реально имеет смысл прокачать:
1. Управление ИИ-агентом, а не разовые запросы. Разница между «спросил один раз» и «настроил повторяемый процесс» — это разница между хобби и рабочим инструментом. Про то, как это выглядит на практике, я писала в статье как собрать своего первого агента.
2. Постановка задачи с учётом контекста. Модель не читает мысли — она читает то, что ты написал. Умение объяснить задачу так, чтобы результат не пришлось переделывать пять раз, — навык, который прокачивается только практикой. В примере выше про контент-план разница была именно в постановке: не «напиши посты», а «собери структуру воронки с конкретными форматами под каждую неделю».
3. Работа с памятью и контекстом инструмента. Чтобы агент помнил, как работает именно твой бизнес, ему нужны инструкции и файлы памяти — про это подробно в материале как написать файл памяти CLAUDE.md.
4. Сборка скиллов под свою нишу. Готовые универсальные решения работают на массовый рынок, но твоя специализация — это твои собственные скиллы, заточенные под задачи, которые знаешь только ты. Как это собрать — в статье как собрать свой скилл под Claude.
5. Подключение источников данных через MCP. Чем сильнее агент завязан на твои реальные данные — CRM, таблицы, документы — тем сложнее его заменить массовым решением. Разбор — в статье что такое MCP и зачем он агентам.
Что делать, если специализации пока нет
Сорян, но универсального лайфхака тут нет. Если у тебя пока нет твёрдой экспертизы ни в чём — начинать нужно с выбора узкой ниши, а не с изучения нейросетей в вакууме. ИИ усиливает то, что уже есть, а не создаёт компетенцию из воздуха.
Практический порядок такой:
-
Выбери одну область, где у тебя реальный опыт — хоть небольшой, но настоящий. Не «я интересуюсь маркетингом», а «я три месяца вёл таргет для локального бизнеса и знаю, где обычно сливают бюджет».
-
Возьми в этой области один повторяющийся процесс и попробуй передать его агенту целиком, а не кусками. Например, не «напиши текст объявления», а «собери полный комплект для запуска кампании: аудитория, креативы под три гипотезы, тексты, настройки таргетинга».
-
Научись сам оценивать результат — без этого шага любой инструмент бесполезен. В примере с таргетом: ты должен видеть, что агент предложил широкую аудиторию там, где нужна узкая, или наоборот.
-
Повторяй цикл, пока процесс не станет управляемым и предсказуемым. Первые три раза будешь переделывать — это норма. На пятый раз процесс встанет.
Именно так специалисты клонируют себя и делают х10 к своей эффективности — не потому что нашли волшебный промпт, а потому что довели процесс до автоматизма и научили агента работать в их логике.
Что дальше с этим делать
Рынок труда в 2026 году не будет ждать, пока все раскачаются. Пока 99% людей продолжают воспринимать ИИ как приблуду для написания писем, у оставшегося процента есть окно возможностей — забрать себе клиентов, задачи и деньги тех, кто не успел перестроиться.
По данным World Economic Forum (отчёт Future of Jobs Report 2025), к 2027 году до 85 миллионов рабочих мест могут исчезнуть из-за автоматизации, но при этом появится только 97 миллионов новых — и большинство из них потребует навыков работы с ИИ и управления данными. Разрыв в 12 миллионов мест звучит неплохо, но это глобальная цифра, и распределение будет крайне неравномерным: выиграют те, кто уже сейчас умеет управлять агентами, а не те, кто ждёт, когда их научат.
Окно закроется тогда, когда об этом узнают все. А пока оно открыто — используй.
По материалам: Anthropic Economic Index, тарифы Claude, World Economic Forum — Future of Jobs Report 2025; цены в рублях по курсу ЦБ РФ на 9 октября 2026 (91,2 ₽/$).
Если хочешь смотреть, как я на практике собираю агентов и скиллы под конкретные задачи бизнеса, — подпишись на «А.М. решает вопросы»: там разборы без причёсанной теории, ровно то, что я применяю в своих проектах на этой неделе.
