Как собрать AI-команду в компании: роли, найм или аутсорс
Человек, который понимает бизнес и достаточно глубоко разбирается в AI чтобы ставить задачи инженерам. Не пишет код. Задачи: находить где ИИ даст ROI, формулировать требования, измерять результат, обу
Внедрить ИИ один раз — можно с подрядчиком. Но если ИИ становится частью операционной системы компании, вам нужен кто-то внутри, кто понимает технологию и может развивать её дальше. Разбираем, какие роли нужны, сколько это стоит и на каком этапе нанимать людей.
Роли в AI-команде
1. AI-продакт менеджер (главный)
Человек, который понимает бизнес и достаточно глубоко разбирается в AI чтобы ставить задачи инженерам. Не пишет код. Задачи: находить где ИИ даст ROI, формулировать требования, измерять результат, обучать пользователей. Зарплата: 120 000–200 000 ₽/мес.
2. ML-инженер
Разворачивает модели (DeepSeek, Llama, Qwen), настраивает RAG, делает файнтюнинг, пишет API-интеграции. Python, PyTorch, HuggingFace, Docker. Зарплата: 150 000–300 000 ₽/мес.
3. Дата-аналитик
Готовит данные для моделей, строит дашборды, проверяет гипотезы, считает ROI от внедрения. SQL, Python (pandas), DataLens/Power BI. Зарплата: 100 000–180 000 ₽/мес.
4. AI-тренер / prompt-инженер (опционально)
Обучает сотрудников работе с ИИ, пишет промпты и инструкции, собирает обратную связь для улучшения моделей. Зарплата: 80 000–120 000 ₽/мес.
In-house vs аутсорс
| Критерий | In-house | Аутсорс (0101 AI Tech) |
|---|---|---|
| Старт | 3-6 мес (поиск, найм, онбординг) | 2-4 недели |
| Стоимость/год | 3-6 млн ₽ (ФОТ 2-3 чел) | 500 000–1 500 000 ₽ |
| Глубина кастомизации | Максимальная (своя команда) | Высокая (под ключ) |
| Подходит | Оборот >500 млн, ИИ — часть стратегии | Оборот 50-500 млн, ИИ-проекты под задачу |
Рекомендация: начните с аутсорса (пилот за 85 000–250 000 ₽). Если эффект подтверждён и вы хотите развивать ИИ дальше — нанимайте AI-продакта, который будет управлять подрядчиками и внутренними проектами. ML-инженера in-house — когда у вас 3+ активных AI-проекта.
FAQ
Можно ли обучить текущих сотрудников?
Дата-аналитика — да (3-6 месяцев интенсивного обучения). ML-инженера — сложно (требуется фундаментальное образование, 1-2 года). AI-продакта — да, если у сотрудника сильный продуктовый/бизнес-бэкграунд и интерес к технологиям.
Читайте также
Готовы внедрить ИИ в свою компанию?
Бесплатный аудит за 1 день. Найдём 3-5 точек роста, где ИИ даст максимальный ROI.
Записаться на бесплатный аудит