AI-агенты: что это за профессия, сколько платят и как туда попасть

AI-агенты: что это за профессия, сколько платят и как туда попасть Анализ от нашего преподавателя курса ИИ агенты ПРО (АIOps инженер WB). 1. Почему все вдруг захотели агентов Всё началось с чатботов, и довольно быстро компании упёрлись в их потолок: бот умеет отвечать на вопросы, и на этом всё. Спросить статус заказа можно, а попросить найти заказ в базе, проверить оплату и оформить возврат уже нет. Агент как раз про второе. Он сам решает, куда посмотреть, какой инструмент дёрнуть, что перепроверить и когда пора остановиться. Если чатбот это справочная, то агент скорее стажёр, которому можно отдать задачу целиком и уйти на обед. Как только это заработало не только в демках, за агентами пришли все, у кого много рутины. Поддержка хочет, чтобы агент сам лазил в базу заказов. Юристам нужно, чтобы он сверял договор с судебной практикой. В разработке он уже чинит issue и открывает pull request, а в аналитике превращает вопрос на человеческом языке в SQL и график. И нанимают под это давно не только Сбер с Яндексом. Из свежего: строительный стартап , медиахолдинг , исследовательский институт AIRI , Rambler . 2. Сколько платят Цифры ниже из живых вакансий, а не из опросов. На входе 100–120 тысяч: столько предлагает ELEMENT джуну AI/ML-инженеру , причём опыт с LLM там принимают «хотя бы на уровне пет-проектов». С опытом год-три уже 150–300, это вилка того самого строительного стартапа. Старший разработчик агентов для Алисы стоит 253–508. Чтобы было с чем сравнить: джун-аналитик данных, по данным hh, начинает с 81–109 тысяч в Москве и с 50–70 в регионах ( источник ). А зарплаты аналитиков в целом за полгода прибавили 5%, то есть не догнали даже инфляцию ( ист ). Агентные позиции стартуют примерно с тех же денег, что и московская аналитика, но дальше растут в разы быстрее. И толпы на входе пока нет. 3. Кто может этим заниматься Порог входа здесь ниже, чем в классический ML. Градиентный бустинг наизусть и полгода матстата не понадобятся. Понадобится уверенный Python, понимание того, как устроены API, и терпение много экспериментировать, потому что с первого раза агент не работает почти никогда. Поэтому в профессию приходят с разных сторон. Бэкендеры, для которых агент это просто ещё один сервис, только с необычной начинкой. Дата-сайентисты, уставшие двигать метрику в третьем знаке после запятой. Джуны после курсов: на классическом рынке им тесно, а тут пока свободно, дикий запад. Бывает, приходят аналитики, которые начали с промптов, потом втянулись и написали первый tool call. Из математики пригодится ровно одно: посчитать метрики качества так, чтобы не обмануть самого себя. 4. Что учить Тут важен порядок, и большинство его нарушает. Первые недели стоит провести на чистом Python с LLM API напрямую, без единого фреймворка: собрать цикл ReAct руками, разобраться с tool calling и structured output. Кто сразу начинает с LangChain, потом не может понять, что именно у него сломалось, потому что никогда не видел, как оно устроено без обёрток. Дальше память и RAG: эмбеддинги, векторные базы, chunking. Потом уже фреймворки вроде LangGraph и smolagents, мульти-агентные схемы, MCP. И обязательно evaluation: датасет, LLM-судья, метрики. Это самая недооценённая тема во всей области. Под неё уже открывают о тдельные позиции , а умеют её единицы. Чего учить точно не надо, так это зоопарк из сорока фреймворков. Внутри они устроены одинаково, и кто один раз написал агента руками, разберётся в любом из них за вечер. 5. Что спрашивают на собесах Вопросы уже устоялись, набор примерно такой. Как агент выбирает инструмент и что будет, если он зациклится на одном вызове. Чем ваш RAG лучше наивного и как вы это померили. Что такое prompt injection и что случится, если инструкцию спрятать в документ, который агент читает. Как сравнить две версии промпта не на глазок. И сколько стоит один прогон вашего агента в рублях. Обратите внимание: ни одного вопроса в духе «напишите промпт». Спрашивают про инженерию вокруг модели, и только про неё. Ответ «я собрал чатбота по