Самая денежная ниша в IT 2025: Здесь платят в 2 раза больше, чем в разработке
Пока одни всё ещё учат JavaScript и мечтают о первом оффере, другие уже штампуют AI-приложения с помощью нейросетей и зарабатывают как топ-менеджеры. В 2025-м базовое понимание машинного обучения и умение обращаться с нейросетями — это билет в нишу, где платят в 2–3 раза больше, чем в обычной разработке. И ты тоже можешь быть одним из них.
Привет! На связи Рома Филонов - MLщик из Яндекса, Сбера и ВК. Подписывайся!
Представь: твой коллега-фронтендер получает 200 тысяч рублей, а его сосед по опенспейсу — ML-инженер с окладом 400 тысяч. Почему так? Может, у второго в 2 раза больше опыта? Нет, просто ML — это не профессия, а золотая жила, где зарплаты растут быстрее, чем ты успеваешь набрать опыт.
Но если зайдешь на HH или Хабр, то увидишь совсем другие цифры. Типа: «ML-инженер — от 120 тысяч». Ага, как будто в 2025 году можно купить на это еду и оплатить аренду квартиры.
Реальность же такова: официальные площадки врут.
Не намеренно, конечно: компании боятся, что если указать реальные цифры (типа $5K или 300К Р), то их завалит заявками людей, которые впервые услышали слово «нейросеть» вчера и вообще не вдупляют, что тут происходит.
Примерно так работают HH и Хабр, когда речь заходит о зарплатах ML-инженеров. Там пишут «от 100 до 150 тысяч», а на деле компании готовы платить в два раза больше, просто не говорят об этом открыто — слишком много зевак заспамят своими резюме.
Реальные цифры прячутся в прямых переписках с HR на LinkedIn вроде: «Привет, мы ищем ML-специалиста. Вилка 4-8к $, готовы ли пообщаться?». Или в Telegram-чатах, где работяги шлют скриншоты офферов с подписью «Хз как так, но вот. Морально был готов в х2 меньше». Это как спец условия «для своих»: есть общие цены для всех, а есть секретные - для тех, кто знает, где искать.
Если нейросети уже пишут код лучше тебя, может, пора учиться делать ИХ, пока они не заменили тебя?
Вот тебе 3 причины, почему ML — самая прибыльная сфера в IT.
- Рост инвестиций в AI/ML: Генеративный AI, автоматизация, медицина, финансы — всё это глотает миллиарды, потому что компаниям очевидно: алгоритмы работают дешевле, чем люди. Пример: Midjourney, Stable Diffusion, автоматические системы в
банках — всё это крутится на ML, и спрос на специалистов растёт как на дрожжах.
- Дефицит кадров: По данным LinkedIn Trends, спрос на ML-инженеров вырос на 40% в 2024–2025, а предложение не успевает за этим. Компании готовы платить больше, чтобы заполучить того, кто может обучить нейросеть отличать кота от огурца))
Удалёнка как норма жизни: ML-инженеры — одни из первых, кто перешёл на удалёнку. Компании из США, Европы и даже Японии ищут специалистов в СНГ, потому что тут дешевле, а иногда и лучше. Твои коллеги могут быть в Токио, а ты — в Тюмени.
Как устроиться без опыта?
Тут вариантов несколько
- Ты уже работаешь разрабом/аналитиком - тогда свичнутся в ML не составляет большого труда, проштудировать теорию к собесу, поделать практических задач и уверенно затирать о них на звонке- твой ключ к успеху
- Если опыта в IT вообще никакого нет, то тебя спасет накрутка, но это не панацея: без твердых знаний и навыков ты собес не пройдешь
Без шуток, запомни: без базовых знаний (математика, Python, ML-библиотеки) ты не пройдёшь собеседование. Не экономь на обучении!
Кульминация
Я сам через это прошел:
батрачил в лабе МФТИ за 20к рублей и был уверен, что мои страдания окупятся и компании на серьезке мечтают о таком спеце, как я. Как же эффектно мои розовые очки разбились стеклами внутрь: 2 месяца летели ТОЛЬКО отказы.
А я сижу с дипломом МФТИ, проектами в GitHub, десятками пройденных курсов по ML и думаю: «Что не так?» (писал о своем пути подробнее в тг, вот тут - ссылка)
Ответ - хз. Наверное просто не фартовый.
Поворот: Как я научился продавать себя
Терять было нечего, поэтому я стал пробовать все подряд - хуже уже не будет. Советы из инета, видосы, сотая правка в резюме.
Что именно я сделал:
- Переписал резюме. Вместо «Исследование алгоритмов» стало «Разработал модель, которая сократила время обработки данных на 40%».
- Подготовил кейсы. На собеседованиях я не просто говорил о теории, а показывал, как мои модели решали реальные проблемы.
- Научился отвечать на вопросы: Даже если задача сложная, я объяснял свой ход мыслей. Рассуждать в слух всяко лучше, чем просто молчать.
Забегая в будущее: через 2 месяца после этого я прошёл собеседование в Cбер, потом в Яндекс, потом и в ВК.
Сейчас учу этому ребят на менторстве и консультациях: необязательно терять столько времени и эмоционального настроя (а отказы - не кайф), как это было у меня.
Щедро делюсь и бесплатной пользой по резюме, собесам и тех частью в своем телеграмм канале
Ну и раз уж ты дочитал АЖ ДО СЮДА, рассказываю о приколе: если напишешь мне в лс тэг УРОК, тебе придет бесплатный урок из моей премиальной программы по трудоустройству в IT (ага, без шуток).
Всем больших офферов и миску риса 🙂