Исследование рынка data-специалистов, 2026

DevCrowd вместе с компанией Авито провели исследование рынка специалистов по работе с данными. В опросе приняли участие 481 специалист: дата-сайентисты, ML-инженеры, дата-инженеры, дата-аналитики, AI/LLM-инженеры, MLOps-инженеры и другие. Даты исследования: 7 сентября — 6 октября 2026 года. Это третье исследование data-специалистов DevCrowd. Год назад AI-инструментами не пользовались 3.7% респондентов, теперь — один человек из всей выборки, поэтому в этот раз мы спрашивали, насколько глубоко AI встроился в работу и как он меняет задачи, нагрузку и отношение к профессии.

Главные выводы

• 41% респондентов — синьоры и выше; 8.5% выбрали роли, которых год назад в анкете не было (AI/LLM-инженер и MLOps-инженер).
• 76% переходов между ролями ведут к моделям: профессия движется от отчётов к ML и AI/LLM-инженерии.
• Только 49% дата-сайентистов сами выводят модели в прод; у 38% работающих с моделями нет должности ни дата-сайентиста, ни ML-инженера.
• 58% пользуются Claude или Claude Code; ChatGPT — у 75.2%.
• 67% тратят больше времени на проверку того, что сгенерировал AI; у 63% нет формального процесса такой проверки; 74% признают, что скорость обгоняет качество проверки.
• 63% считают, что джунам стало сложнее учиться, но за свою роль через три года боятся только 24.8%.
• Медианная зарплата синьора — 350 000 рублей; за год медианы джунов, мидлов и синьоров не изменились.
• Самые желанные работодатели — Яндекс и Авито.

Портрет респондента

Роль, а не стаж, объясняет больше всего различий: от инструментов до глубины работы с AI.

Грейды

41% респондентов — синьоры и выше, почти половина выборки — мидлы. Staff/Principal выбрали 2.1% респондентов, тимлидов и техлидов вместе в пять раз больше. Teamlead, Techlead, Staff/Principal, Head и C-level в отчёте объединены в группу Lead+.

Новые роли

8.5% выбрали роли, которых год назад в анкете не было: AI/LLM-инженеров 28 человек, MLOps-инженеров — 13. 16 из 28 AI/LLM-инженеров пришли в роль изнутри направления, 12 из них — из дата-сайенса.

Переходы между ролями

76% переходов ведут к моделям. Больше всего людей приходит из аналитики и других ролей — вместе почти 60% переходов. В аналитику приходят только 6.9% переходов. Треть респондентов (33.5%) ни разу не меняли роль, ещё 26.2% работают в первой роли в данных.

Путь в профессию

Каждый пятый (20%) пришёл в данные не сразу с начала карьеры в IT; чаще всего это бывшие бэкенд-разработчики.

Гендер

Дата-аналитика остаётся единственной ролью с гендерным паритетом; в AI/LLM-инженерии женщин почти нет. Среди женщин больше мидлов (56.2% против 45.9%) и меньше синьоров (18.5% против 28.8%).

Где проходят границы ролей

Дата-сайентистам и ML-инженерам дали одни и те же списки задач и шагов работы с моделью и сравнили ответы.

• 49% дата-сайентистов сами выводят модели в прод. Мониторингом моделей в проде занимаются 59.7% дата-сайентистов и 67.8% ML-инженеров.
• С LLM, агентами и генеративными моделями работают 47.5% тех, кто работает с моделями; хотя бы с одним классическим направлением — 91.7%, совмещают генеративное и классическое 39.3%.
• Только 3 из 13 задач у дата-сайентистов и ML-инженеров различаются: модели строят и внедряют 92.4% дата-сайентистов и 94.1% ML-инженеров. ML-инженеры чаще разрабатывают LLM-решения и проверяют сгенерированное AI, дата-сайентисты чаще готовят дашборды и отчётность.
• Больше заниматься управлением хотят 27.5% дата-сайентистов и 46.2% ML-инженеров.
• У 38% работающих с моделями нет должности ни дата-сайентиста, ни ML-инженера; роли разделены только у 32.5%.
• Роли Data Scientist и ML-инженера разделяют в крупных компаниях: 51.8% в компаниях на 5000–9999 человек против 7.3% в компаниях до 50 человек.

Инструменты

• Общий язык направления — Python: 76.9% всех ответивших, от 62.7% дата-инженеров до 89.3% дата-сайентистов и AI/LLM-инженеров.
• SQL делит стек пополам: 72.3% у дата-инженеров против 35.6% у дата-сайентистов. Power BI — 2.5% у ML-инженеров против 32.7% у аналитиков. Visiology и PIX BI не отметил никто.
• Из инфраструктурных инструментов за год заметно вырос только Greenplum: с 2.7% в 2025 до 18% в 2026. PostgreSQL, Apache Airflow и ClickHouse по-прежнему впереди; BigQuery — 6.4%, Snowflake — 3.2%. Ни одним инфраструктурным инструментом не пользуются 11.0% против 20.8% год назад.
• 29.9% тех, кто строит модели, используют зарубежные LLM-API. Claude API вырос с 3.7% до 12.3%, OpenAI API — 23.9%. GigaChat API и YandexGPT API назвали 1.6%.

Влияние AI

AI-инструменты

58% пользуются Claude или Claude Code. Claude за год вырос с 22.4% до 36.3%, Claude Code в анкете впервые и сразу у 39.5%, ChatGPT — у 75.2%. YandexGPT — 8.1%, GigaChat — 5.4%.

Куда уходит время

Время на написание кода сократилось у 74.4% тех, кто его пишет, а на проверку и доработку сгенерированного выросло у 67.3%. AI забрал производство и вернул приёмку.

Глубина работы с AI

46% джунов работают с AI только в чате. В группе Lead+ на чате останавливается каждый десятый, а AI-решения для коллег разрабатывают 17.8%. В среднем основной режим — ассистент в среде разработки (34.1%), с агентами работают 23.6%; ML- и AI/LLM-инженеры чаще всего отдают задачи агентам.

Контроль качества

74% признают, что скорость выпуска результатов обгоняет качество их проверки, 48% согласны полностью. У 63% нет формального процесса проверки того, что сгенерировал AI: в компаниях больше 10 000 человек — у 66%, в компаниях до 50 человек — у 60.3%.

Доверие

34% доверяют AI в коде, но не в статистике; обратное сочетание — 18.5%. Полностью доверяют AI в коде 14.2%, в статистике — 4.6%.

Порог входа и тревога

• 63% считают, что джунам стало сложнее учиться: так думают 62.5% самих джунов и 67.6% специалистов уровня Lead+.
• 27.4% мидлов работают с данными всего 1–2 года (в 2025 — 29.7%).
• Дверь входа не сузилась: среди тех, кто в профессии меньше двух лет, сразу с данных начинали 44.3%, среди тех, кто в ней семь лет и больше, — 49.3%.
• 24.8% боятся, что через три года их роль станет не нужна, 56.9% с этим не согласны.

Карьера и компании

Зарплаты

Медианная зарплата синьора — 350 000 рублей на руки. У синьоров половина ответов лежит между 250 и 450 тысячами, у Lead+ — между 350 и 650. 46.5% мидлов получают до 200 тысяч. За год медианы джунов, мидлов и синьоров не изменились.

Что мешает работать

Сильнее всего мешают размытые требования заказчика. ML- и AI/LLM-инженерам — ещё нехватка вычислительных ресурсов, дата-сайентистам — встречи и переключения, плохое качество данных и отсутствие документации.

Офис и поиск работы

Ужесточение требований к офису коснулось только 9%. 15.5% находятся в активном поиске работы, ещё 46.1% рассматривают предложения. 23% за год ходили на собеседования, не собираясь уходить. 67% ищут новую работу ради денег.

Если деньги и задачи в офферах равны, решают климат, рост и удалёнка; название должности выбрали 3.9%.

AI на собеседованиях

В 32% случаев AI на собеседованиях запрещали, с отдельной секцией по работе с AI сталкивались 10.6%. 66% считают такой запрет бессмысленным.

Самые желанные работодатели

Яндекс и Авито; дальше Х5 Tech, Ozon и Т-Банк — от 33.3% до 36.3%.

Обучение и сообщество

• 44% учатся у LLM: ответы LLM и разбор сгенерированного кода стали третьим источником знаний после телеграм-каналов и статей и вдвое обгоняют курсы.
• Каждый третий хочет прокачивать навыки работы с AI. SQL и аналитику хотят развивать 9.7%, BI и дашборды — 3.5%.
• Каждый четвёртый за последний год прошёл курс по AI/LLM. Курсы по управлению проходили меньше 5%, хотя развивать навыки управления хочет 25.3%.
• Пет-проекты ведут 47.9%; ничем сверх основной работы не занимаются 13.2%.
• На мероприятия ходят 58% (в 2025 — 59.5%): офлайн 38.1%, онлайн 37.1%. 90% ходят на конференции за докладами.

Респонденты

В опросе приняли участие 481 специалист по работе с данными. Исследование проведено DevCrowd совместно с компанией Авито.

Предыдущие исследования data-специалистов: 2025, 2024. Все исследования DevCrowd: devcrowd.ru.