Умение написать хороший запрос нейросети быстро переходит из отдельной AI-компетенции в базовую цифровую грамотность. Работодателям всё важнее способность встроить AI в рабочий процесс, автоматизировать цепочку задач, проверить результат и изменить сам способ выполнения работы.
Рынок уже разделяет «пользоваться AI» и «создавать с помощью AI»
Один из наиболее заметных выводов нового Global Workforce Report Workday касается изменения спроса на навыки.
Workday проанализировал данные о вакансиях примерно 550 крупных работодателей, использующих Workday Recruiting. Спрос на базовые навыки работы с искусственным интеллектом, включая простой prompting, рос во второй половине 2025 года, достиг максимума в январе 2026-го, а затем снизился на 25%.
Одновременно спрос на навыки создания AI-инструментов, автоматизации рабочих процессов и AI engineering вырос на 51% с сентября 2025 по июль 2026 года.
Это важный сдвиг в цене навыка. Получить хороший ответ от нейросети по-прежнему полезно. Но работодателям всё больше нужны специалисты, которые способны превратить AI из отдельного инструмента в часть рабочего процесса.
Падение спроса на базовые навыки не означает, что prompting больше не нужен. Скорее, он проходит обычный путь массовой технологии: владение инструментом перестаёт само по себе создавать преимущество, а ценность перемещается к качеству применения и бизнес-результату.
AI-skills 2.0: как меняется лестница компетенций
Для корпоративного обучения полезно смотреть на AI-грамотность уже не как на один навык. Между человеком, который умеет задать нейросети вопрос, и сотрудником, способным перестроить с AI целый процесс, появляется несколько уровней зрелости.
Чем выше уровень, тем меньше речь идёт только о техническом навыке. Проектирование процесса требует знания функции, данных, бизнес-логики, рисков и критериев качества.
Поэтому сильный пользователь AI — не обязательно тот, кто знает больше конструкций для промптов. Гораздо важнее способность понять работу и увидеть, где технология действительно меняет её экономику.
Что это меняет для корпоративного обучения
Для L&D первый вывод достаточно практический: курс «как правильно писать промпты» быстро переходит из продвинутого обучения в базовый слой AI-грамотности.
Следующий уровень — обучение применению AI внутри конкретных рабочих процессов.
Учить на рабочих процессах
Общий курс по возможностям нейросетей стоит дополнять функциональными сценариями: подбор, продажи, аналитика, маркетинг, финансы, обучение, клиентский сервис.
Развести уровни AI-зрелости
«Использует AI» — слишком широкая формулировка. Модель компетенций должна различать базовое использование, проверку результата, проектирование процессов и автоматизацию.
Проверять результат, а не знание терминов
Сотруднику можно дать реальную рабочую задачу и посмотреть, как он декомпозирует её, где использует AI, как проверяет результат и какую часть процесса способен автоматизировать.
Считать изменение процесса
Количество обученных сотрудников и использование AI сами по себе мало говорят об эффекте. Полезнее измерять время выполнения задачи, стоимость операции, качество и объём переработки.
Меняется и единица обучения. Для знакомства с AI достаточно объяснить инструмент. Для следующего уровня сотруднику нужны реальный процесс, данные, ограничения и критерии результата.
Поэтому AI-обучение всё теснее соединяется с профессиональной экспертизой. Рекрутеру, бухгалтеру, юристу или маркетологу нужно одновременно понимать свою функцию и возможности технологии.
Главный сценарий компаний — больше результата той же численностью
Вторая часть исследования помогает понять, зачем работодателям понадобились более глубокие AI-компетенции.
Среди опрошенных Workday руководителей 40% ожидают, что AI позволит увеличить результативность существующих сотрудников. Сокращения общей численности вследствие AI ожидают 28%.
Если основной сценарий — получить больше результата от существующей команды, одной покупки корпоративного AI-сервиса недостаточно. Необходимо менять способы выполнения работы.
Например, рекрутер может использовать AI только для текста вакансии и экономить несколько минут. А может перестроить цепочку от заявки нанимающего руководителя до подготовки вакансии, поиска кандидатов, первичного анализа и коммуникации. Во втором случае эффект возникает уже на уровне процесса.
Поэтому рост спроса на автоматизацию закономерен: компании переходят от ускорения отдельных задач к изменению производительности функций.
Работа меняется быстрее карьеры
На этом фоне возникает другая проблема. Пока требования к сотрудникам быстро меняются, привычные механизмы карьерного развития внутри компаний работают слабее.
Внутренние переходы год к году сократились у 57% работодателей, а уровень повышений в целом остался практически без изменений. Почти половина сотрудников вообще не пыталась сменить роль за последний год; среди них 27% объяснили это тем, что не видят привлекательной возможности внутри своей компании.
Снаружи ситуация тоже становится сложнее. Медианное количество кандидатов на одну закрытую вакансию выросло с 58 до 69 за год. При этом 84% соискателей, участвовавших в отдельном исследовании Workday, использовали AI при поиске работы.
Компаниям нужны новые компетенции быстрее, чем раньше, но сотрудники получают меньше возможностей перейти внутри организации туда, где эти компетенции можно применить.
Для HR это вопрос не только обучения. Если сотрудника научили автоматизации, работе с AI-инструментами и проектированию процессов, но его должность, зона ответственности и карьерный маршрут остались прежними, новая компетенция может не получить пространства для применения.
Что стоит пересмотреть HR
Данные Workday дают основания проверить четыре элемента HR-системы.
Разделить уровни AI-навыков
От базового использования и проверки результата до автоматизации и перепроектирования процессов.
Перенести фокус на реальные задачи
Продвинутые программы строить вокруг процессов, данных, контроля результата и измеримого изменения производительности.
Проверять применение
Оценивать, как сотрудник декомпозирует задачу, использует AI, проверяет результат и автоматизирует работу.
Создавать пространство для новых навыков
Использовать проекты, временные роли, внутренние стажировки и кросс-функциональные задачи, если структура должностей меняется медленнее самих навыков.
Следующий дефицит — умение перестраивать работу
Данные Workday фиксируют ранний, но заметный сдвиг: после быстрого роста спрос на базовые AI-навыки начал снижаться, тогда как работодатели активнее ищут компетенции, связанные с созданием AI-инструментов и автоматизацией.
Для HR и L&D это меняет ориентир. Базовое использование AI постепенно становится частью цифровой грамотности. Более редкой компетенцией становится способность увидеть процесс целиком, определить место AI, перестроить последовательность работы, организовать контроль и получить измеримый эффект.
Практический критерий для L&D: если программа заканчивается умением написать хороший промпт, она формирует базовый навык. Следующий уровень начинается там, где сотрудник способен изменить с помощью AI реальную работу.
AI в HR: материалы, исследования и практика
Как искусственный интеллект меняет подбор, обучение, HR-аналитику, производительность и работу HR-функции.
Перейти в AI-хаб HR-КУХНИ →Workday Global Workforce Report →