Рынок ИИ быстро взрослеет, работодатели переходят от общих формулировок к точным профилям. В этой реальности «СПЕЦСТАФФСЕРВИС» помогает компаниям находить специалистов и выстраивать процесс подбора так, чтобы результат был измерим. Внутренние инструменты на базе ИИ ускоряют обработку резюме и выделяют релевантный опыт, что дает больше сильных кандидатов в финале. Генеральный директор компании Любовь Григорук делится с IT-World наблюдениями о том, какие отрасли тянут спрос, какие навыки действительно ценятся и какие ожидания мешают найму. Первые в России совместные с предприятиями программы бакалавриата сокращенной формы (колледж — вуз — предприятие) дистанционного формата «ИТ-кадры» сделал ФГБОУ ВО «Финансовый университет при Правительстве РФ» 09.03.04 «Программная инженерия», профиль «Инженер-разработчик программного обеспечения», 2025 г. по н.в. 38.03.01 Экономика, профиль «Финансы и искусственный интеллект», 2025 г. по н.в. Мы сейчас готовим сетевую программу МФТИ с Фондом «Иннопрактика» и корпорацией 1Т, и думаю, она станет стратегическим проектом по формированию системы кадрового суверенитета высокотехнологичных предприятий России на основе технологий совместных образовательных, научно-проектных и акселерационных программ сетевой формы реализации для подготовки инженерных кадров нового формата, поддержки технологических стартапов цифровой экономики, совместных научных разработок и прототипирования глобально конкурентоспособных продуктов, услуг и технологий для обеспечения технологического превосходства российских компаний! Если говорить о взаимодействии государства, бизнеса и институтов развития, что сегодня в этой системе работает по-настоящему эффективно, а где назрела необходимость обновить подходы или правила? Сегодня наиболее эффективно работает система регуляторных «песочниц» и пилотных режимов. Это та область, где государство, бизнес и институты развития нашли продуктивный формат взаимодействия. Институты развития выступают операторами, бизнес приносит конкретные проекты и технологии, а государство — особое регулирование и финансирование. Это позволяет тестировать инновационные решения, будь то финтех, беспилотный транспорт и другие направления, без рисков для всей системы, и демонстрирует реальную гибкость в принятии решений. Эффективным также можно назвать механизм совместного финансирования высокотехнологичных проектов через институты развития и другие. Здесь созданы работающие инструменты партнерства, где риски распределяются, а фокус смещен на проекты с высокой добавленной стоимостью и экспортным потенциалом. Это позволяет объединять бюджетную стабильность государства с гибкостью и компетенциями частного бизнеса для реализации крупных национальных инициатив. Вы отмечали, что ИИ уже включен во многие программы поддержки. Какие направления применения ИИ, на ваш взгляд, наиболее перспективны с точки зрения общественной пользы и экономического эффекта? Наиболее социально значимым направлением я считаю применение ИИ в здравоохранении. Речь идет не просто о помощи в диагностике, а о фундаментальном переходе к предиктивной и персонализированной медицине. Алгоритмы, анализируя огромные массивы данных (снимки, геномы, истории болезней), могут выявлять заболевания, такие как онкология, на самых ранних стадиях, предсказывать индивидуальные риски для пациентов и подбирать наиболее эффективные схемы лечения с учетом их уникальных особенностей. Это не только спасет множество жизней, но и кардинально снизит нагрузку на систему здравоохранения, переводя ее из режима «лечения» в режим «предотвращения». Второе направление лежит в плоскости повышения эффективности экономики в целом через оптимизацию логистических цепочек и управления городской средой. ИИ-системы могут в режиме реального времени перераспределять транспортные потоки, уменьшая заторы и выбросы, прогнозировать нагрузку на энергосети для ее сбалансированного распределения и оптимизировать маршруты общественного и грузового транспорта. Экономический эффект здесь колоссален — это и экономия топлива, и сокращение износа инфраструктуры, и высвобождение времени людей, которое сегодня теряется в пробках. Третье направление — ускорение научных исследований и разработок (RD). ИИ становится мощнейшим инструментом для ученых и инженеров. В таких областях, как разработка новых материалов, лекарственных препаратов или сложных инженерных систем, алгоритмы машинного обучения могут за считаные дни проанализировать миллионы возможных комбинаций и соединений, на что у человека ушли бы годы. Это многократно ускоряет цикл научных открытий и внедрения инноваций, что критически важно для технологического суверенитета и конкурентоспособности страны на глобальном рынке. И конечно, персонализация образования и развитие человеческого капитала. Наконец, огромный потенциал ИИ кроется в сфере образования. Технологии позволяют создавать адаптивные образовательные траектории, где система подстраивает содержание, сложность и темп обучения под индивидуальные потребности и способности каждого ученика или студента. Это помогает раскрыть потенциал человека, ликвидировать пробелы в знаниях и в конечном итоге готовить более квалифицированные кадры для экономики будущего. Таким образом, ИИ становится не заменой учителя, а его мощным помощником в развитии человеческого капитала — главного потенциала любой страны. Что из мировых практик внедрения ИИ вам кажется наиболее вдохновляющим и применимым для России и стран Евразийского пространства? Наиболее вдохновляющей и применимой практикой мне кажется создание целостных цифровых экосистем в здравоохранении, как это сделано в Израиле. Речь не об отдельных диагностических алгоритмах, а о комплексной платформе, которая агрегирует данные о пациентах (с их согласия), позволяя строить предиктивные модели для всего населения. Для России и ЕАЭС с их масштабами и схожими вызовами (например, удаленность регионов) это позволило бы прогнозировать вспышки заболеваний, оптимизировать распределение ресурсов между клиниками и внедрять персонализированные программы диспансеризации, что в итоге снизит нагрузку на систему и повысит качество жизни. Очень перспективным направлением является применение ИИ в агропромышленном комплексе по моделям, успешно работающим в Китае. Это создание цифровых двойников хозяйств, где алгоритмы на основе данных со спутников, дронов и IoT-датчиков прогнозируют урожайность, оптимизируют полив и внесение удобрений с точностью до квадратного метра. Для евразийского пространства с его огромными площадями пахотных земель и разнообразием климатических зон это ключ к обеспечению продовольственного суверенитета, значительному повышению урожайности и рентабельности фермерских хозяйств. Source: https://www.it-world.ru/cionews/gx44hutr3tkcg4c0cgss8w8g0w0c08g.html