AI Engineer — две разные профессии под одним названием. Разбираю реальные офферы из LinkedIn
Мой LinkedIn последние месяцы — это какой-то сюрреализм. Словосочетание «AI Engineer» пихают буквально в каждую вторую вакансию. Но если копнуть глубже, под этим модным названием скрываются две абсолютно разные профессии с разным стеком, разными задачами и, что самое важное, — разной оплатой.
Я фулстек-разработчик, живу и работаю в Европе. За последний месяц мне прилетели два оффера на LinkedIn — оба с пометкой «AI Engineer». Один из Оксфорда, другой — удалёнка от техасской компании. И когда я начал разбирать требования, стало очевидно: эти вакансии вообще про разное. Ниже расскажу, в чём разница, за что реально платят и что стоит освоить, чтобы не пролететь мимо найма.
Два типа «AI Engineer»: пользователь vs создатель
Сейчас под AI-инженером понимают два принципиально разных профиля.
Первый — AI-Powered Developer. Это обычный фулстек или бэкенд-разработчик, который научился эффективно работать с AI-инструментами: Cursor, Claude Code, Codex. Он пишет тот же код на том же стеке, но делает это в разы быстрее за счёт грамотного промптинга, MCP-интеграций и понимания контекста модели. Компании всё чаще добавляют в вакансии требование «опыт работы с AI-инструментами для разработки» — и это уже становится базой, а не конкурентным преимуществом.
Второй — AI Systems Architect. Тут совсем другая история. Это специалист, который проектирует и строит системы на основе LLM: RAG-пайплайны, агентские цепочки на LangGraph, валидационные конвейеры, интеграции с векторными базами. Нейронка здесь — лишь одна из шестерёнок в сложном механизме. Вы не промптите — вы архитектурите.
В первом случае вы — пользователь инструментов. Во втором — их создатель. И разница в оплате соответствующая.
Оффер №1: Оксфорд. Уровень «Архитектор»
Первый оффер — от Oxford Global Resources. В требованиях: LangGraph, LangChain, RAG, production-grade AI systems.
Что это означает на практике? Вы будете строить графы состояний, где один агент передаёт задачу другому, проверяет результат и при необходимости обращается в векторную базу за дополнительным контекстом. Это работа про архитектуру: как сделать так, чтобы агент не зациклился? Как настроить RAG, чтобы модель не тащила мусор? Как валидировать выходные данные цепочки?
По деньгам — от €500 в день на европейском рынке. В месяц это от €10 000. Senior-уровень с опытом в AI-архитектуре сейчас в дефиците, и компании готовы за это платить.
Оффер №2: Ascendix (Техас). Уровень «Эффективность»
Второй оффер — от Ascendix, удалёнка из Техаса. Здесь ищут Full-stack разработчика (Vue + Node), который через AI-инструменты автоматизирует свою работу. Зарплата начинается от $7 000 в месяц.
Тут от вас ждут, что вы будете быстрее писать код с помощью Cursor и Claude, разгрузите команду, возьмёте на себя больше задач. Вы всё ещё пишете на Vue и Node, но делаете это со скоростью пулемёта, потому что умеете правильно промптить и использовать контекст проекта.
Это вакансия для тех, кто научился хорошо пользоваться AI-инструментами для повседневной разработки. Хорошие деньги, но принципиально другой уровень сложности.
Что должно быть в вашем арсенале уже сейчас
Если вы до сих пор сидите на дефолтном GitHub Copilot и думаете, что это и есть AI-разработка — плохие новости. Это уровень «помоги дописать функцию», и его уже недостаточно.
Claude Code и Codex. Это сейчас база. Claude через терминал или расширение для VS Code видит контекст всего проекта целиком, а не кусок файла. Разница в качестве подсказок — колоссальная.
MCP (Model Context Protocol). Киллер-фича, которая даёт вашей LLM «руки». Модель теперь может сама лезть в Jira, читать таски, парсить логи. Вы не копипастите ошибку в чат — вы говорите «разберись, почему упал запрос», и она идёт смотреть логи сама.
Cursor. Отличный AI-редактор, если ваша компания готова за него платить. Если нет — Codex от OpenAI входит в подписку ChatGPT и является хорошей бюджетной альтернативой.
И нет, промпты — это не «напиши мне змейку на Python». Это умение составить System Prompt так, чтобы модель выдавала точные ответы, соблюдала ваш код-стайл и не лезла менять то, что работает.
Что всё это значит для вас
Мой совет: учитесь быть и теми, и другими.
Умение кодить с AI — это уже входной билет, без которого вас просто не позовут на собеседование. Через год-два это будет настолько же базовым требованием, как знание Git. Компании всё активнее добавляют «experience with AI-assisted development» в обычные вакансии — не AI Engineer, а обычный фронтендер или бэкендер.
Но настоящие деньги и по-настоящему интересные задачи лежат там, где вы строите системы — RAG-пайплайны, агентские цепочки, AI-инфраструктуру. Это то, что просит Оксфорд и десятки подобных компаний. И специалистов, которые это умеют, пока критически мало.
Я живу в Европе и вижу, как эта тенденция набирает обороты на западном рынке. Скоро она дойдёт и до РФ-рынка — вопрос времени. Так что лучше подготовиться заранее.
Подробный разбор обоих офферов с экранами вакансий, сравнением стеков и разбором инструментов — в видео на моём YouTube-канале «Айти Кухня»: https://youtu.be/svYgGt_G0do
Больше разборов офферов, советы по прохождению собеседований и жизнь разработчика в Европе — в моём ТГ-канале (ссылка в описании видео).