IT рекрутинговое агентство EvoTalents работает на пересечении двух сторон AI-рынка: каждый день мы общаемся с senior AI/ML-инженерами, которые выбирают следующую роль, и с CTOs и founders, которые пытаются этих инженеров нанять. Недавно мы задали нескольким кандидатам два прямых вопроса: что для вас важнее всего и что является самым большим red flag. Параллельно мы собрали рыночные данные со стороны найма. Это memo сводит обе перспективы вместе, без приукрашивания и без теории.
ЧАСТЬ 1: ЧТО ГОВОРЯТ КАНДИДАТЫ
Что важнее всего при выборе роли
Технический вызов и продукт на первом месте. Большинство респондентов поставили технический вызов и продуктовую архитектуру выше компенсации. Один из инженеров сформулировал это так: его мотивируют сложные задачи, где AI формирует ядро бизнес-логики, где есть свобода проектировать масштабируемые системы, а не латать что-то быстрыми фиксами. Другой подчеркнул, что если компания нанимает его на задачу, которая не является челленджинговой, он не примет предложение. AI движется быстро, и работа без вызова означает потерю конкурентоспособности на рынке.
Компенсация важна, но никогда не единственный фактор. Для кого-то ключевой баланс между компенсацией и стабильностью работы, потому что многие проекты требуют серьёзных усилий, а потом внезапно закрываются или в них заканчивается бюджет. Другой кандидат прямо назвал компенсацию самым важным фактором, но добавил, что хороший микс всего остального тоже имеет значение.
Scope роли, культура, гибкость. Отдельно звучит тема баланса между классическим software engineering и applied AI в рамках одной роли. Кандидаты хотят понимать, что именно они будут делать каждый день. Не менее важно, насколько стиль работы команды, процессы и общая культура совпадают с их ожиданиями.
Что отталкивает и заставляет отклонять оферы
Фейковый AI. Компании, которые ребрендятся как "AI-first", когда их продукт - это лишь тонкая обёртка над API третьей стороны, без собственной стратегии работы с данными или кастомной инфраструктуры. Команды, где "AI" существует исключительно как маркетинговый хайп без реального технического лидерства и инженерного roadmap.
Менеджмент, который не понимает технологию. Если никто в компании не понимает AI/IT или менеджмент не имеет глубокого технического понимания, это повод уходить. Один кандидат отметил, что именно по этой причине уволился с двух последних мест работы.
Непрофессиональный рекрутинг. Шаблонное первое сообщение, отсутствие интереса к бэкграунду кандидата, нерегулярная коммуникация, никаких апдейтов, отсутствие прозрачности по роли, salary range или следующим шагам. Один из респондентов подытожил так: процесс найма - это первый реальный пример культуры компании. Если с кандидатами не обращаются с уважением на этапе найма, сложно поверить, что ситуация улучшится после выхода на работу.
Ранний стейдж без runway. Опытные инженеры осознают, что очень мало стартапов выживают, и избегают ранних стадий, где проекты могут внезапно закончиться без бюджета.
ЧАСТЬ 2: ЧТО ВИДЯТ HIRING MANAGERS И CTOs
Пока кандидаты выбирают, куда им идти, компании, нанимающие AI-инженеров, сталкиваются со своей реальностью. И рыночные данные за 2025-2026 годы показывают, насколько эта реальность жёсткая.
Глобальный дефицит AI-талантов: цифры
По данным ManpowerGroup 2026 Talent Shortage Survey (39 000 работодателей в 41 стране), AI-навыки впервые в истории стали самыми сложными для закрытия, обогнав классические инженерные и IT-компетенции. 72% работодателей во всём мире сообщают о трудностях с наймом квалифицированных специалистов. В цифрах это выглядит так: примерно 1,6 миллиона открытых AI-позиций при 518 000 квалифицированных кандидатов, то есть на каждого доступного инженера приходится 3,2 открытых вакансии. По оценкам IDC, дефицит IT-талантов обойдётся организациям в $5,5 триллионов потерь к концу 2026 года из-за сорванных запусков продуктов, замедленной инновации и выгорания тех инженеров, которые остаются.
Скорость найма: кто медленный, тот проиграл
Средний time-to-fill для senior AI-ролей составляет 66 дней, что на 50% дольше, чем для нетехнических позиций. На некоторых рынках ситуация ещё хуже: в Bay Area медианный time-to-hire для senior-инженеров вырос с 38 дней в Q3 2025 до 67 дней в Q1 2026. При этом топовые AI-кандидаты принимают оферы за 2-3 недели. Компании, которые сокращают процесс до 25 дней от первого контакта до финального офера (максимум три раунда интервью), систематически выигрывают в конкуренции. Это не вопрос снижения планки, а вопрос операционной готовности: чёткий процесс, подготовленная панель интервьюеров, заранее согласованный бюджет на компенсацию.
Компенсационный разрыв: Европа vs US remote
Зарплаты AI-инженеров выросли на 25-40% с 2023 года. Средняя компенсация в США перешагнула отметку в $206 000 в год, а senior-уровень в топовых компаниях достигает $340 000-$550 000 total comp (база + equity). В Великобритании senior AI-инженеры получают £100 000-£150 000+, при этом средняя по рынку: £63 000-£81 000. В Западной Европе senior-уровень отстаёт от американского на 35-55%, даже без учёта equity. Для европейских стартапов это создаёт конкретную проблему: они конкурируют за один пул кандидатов с американскими компаниями, предлагающими remote-позиции с US-уровнем оплаты. Решение не всегда в том, чтобы платить больше. Часто работает комбинация чёткой equity-структуры, технически амбициозного проекта и прозрачной карьерной траектории. 42% senior AI-специалистов уже получают более половины общей компенсации через equity или token grants.
Оценка AI-навыков: старые методы сломаны
Классические технические интервью перестали работать для AI-ролей. 54% разработчиков называют несоответствие заданий реальной работе главной претензией к техническим интервью. Контекст изменился радикально: по данным Google, 75% нового кода уже генерируется AI и проверяется инженерами. Опрос 400 engineering leaders показал, что AI повышает продуктивность инженеров в среднем на 34%, но этот прирост неравномерен и увеличивает разрыв между сильными и слабыми специалистами. 73% лидеров считают, что сильный инженер стоит как минимум 3x от его общей компенсации. Компании, которые перестроили интервью под оценку системного мышления, архитектурных решений и способности работать с AI-инструментами (Google, Canva, Shopify, Meta уже разрешают использование AI на интервью), получают более точный сигнал и быстрее закрывают позиции.
Рынок перешёл от research к production
Ключевой сдвиг 2025-2026: компании больше не ищут исследователей, которые тренируют модели. Им нужны инженеры, которые строят production AI-системы: RAG-пайплайны, agentic-архитектуры, inference-сервисы под нагрузкой, мониторинг model drift. Только 23% вакансий в AI теперь требуют учёную степень (против 67% в 2020-м). Hiring managers регулярно сталкиваются с разрывом: из пайплайна кандидатов реальный production-опыт имеют единицы, остальные переупаковали data science или backend-бэкграунд под "AI/ML Engineer" на волне хайпа. Умение отличить реальную экспертизу от переупакованного резюме стало отдельным критическим навыком для тех, кто нанимает.
ГДЕ РАЗРЫВ И ЧТО С НИМ ДЕЛАТЬ
Когда ставишь эти две перспективы рядом, видны чёткие точки, где стороны не совпадают, и именно в этих точках срывается найм.
Кандидаты хотят технический вызов. Компании продают salary. Большинство job descriptions для AI-ролей начинаются с компенсационного пакета и списка бенефитов. Кандидаты же первым делом смотрят на технический стек, продукт и задачу. Если JD не отвечает на вопрос "что именно я буду строить и почему это сложно", сильнейшие кандидаты даже не отвечают на сообщение.
Кандидаты ценят скорость процесса. Компании перестраховываются количеством раундов. Инженеры прямо называют затянутый hiring process признаком незрелости компании. Рыночные данные подтверждают: при среднем time-to-fill в 66 дней для AI-ролей, лучшие кандидаты уходят за 2-3 недели. Каждый лишний раунд "на всякий случай" - это не дополнительная уверенность, а риск потерять финалиста.
Кандидаты ищут техническую зрелость менеджмента. Компании недооценивают этот фактор. Инженеры увольняются, когда руководство не понимает технологию. Компании редко включают техническую грамотность менеджмента в свою EVP (employer value proposition). А это именно то, что кандидаты проверяют на первых же интервью.
Кандидаты боятся фейкового AI. Рынок сдвинулся от research к production. Инженеры ищут реальные продуктовые задачи, а не маркетинговую обёртку. При этом 77% вакансий уже не требуют учёную степень, зато требуют production-опыта с RAG, agents, MLOps. Компании, которые честно коммуницируют текущее состояние продукта и реальный scope работы, имеют значительное преимущество в привлечении и удержании.
Нанимаете AI-инженеров? Давайте обсудим ваш процесс
EvoTalents специализируется на подборе senior и C-level технических специалистов в сферах AI/ML, cybersecurity, defence tech и fintech. Мы видим обе стороны рынка каждый день: знаем, что мотивирует лучших кандидатов, и знаем, где компании теряют их ещё до первого интервью. Если вы хотите сократить time-to-hire и привлечь инженеров, которые останутся, давайте поговорим.
