Начну сразу с самого главного, без кликбейта: я пока не знаю ни одного живого человека в IT и аналитике данных, которого реально заменил искусственный интеллект.
Таких кейсов в моей практике и практике коллег-тимлидов других финтех-гигантов просто нет. Ноль.
Будут ли такие кейсы в будущем? Думаю, да. Но важный момент обыватели часто упускают: ИИ не заменяет существующие позиции в штате. Он влияет на будущие.
Сценарий не выглядит так: «Руководство уволило отдел из 5 аналитиков и посадило вместо них бота ChatGPT». Сценарий выглядит иначе: если производительность команды благодаря современным инструментам вырастет, в следующем финансовом квартале компания просто откроет на одну вакансию меньше. Причем даже этой тенденции массово сейчас не наблюдается — спрос на сильных специалистов с головой только растёт.
Как на самом деле бигтех использует ИИ в 2026 году
Вместо апокалиптических фантазий о восстании машин, в крупных IT-корпорациях и банках происходит совершенно прагматичная вещь: ИИ уже стал стандартным рабочим инструментом.
В первую очередь нейросети активно задействуют в Data Governance:
- Автоматическое описание таблиц и колонок в корпоративном каталоге данных;
- Генерация документации к витринам данных и сложным расчетным пайплайнам;
- Разметка бизнес-сущностей и связей между базами.
По сути, ИИ помогает структурировать данные так, чтобы людям потом было удобнее с ними работать. В бигтехе это уже не тест и не хакатон. Это корпоративная норма.
Использование LLM для генерации черновиков SQL-запросов, проверки краевых условий, генерации регулярных выражений и подсказок по логике воспринимается как обычная часть рабочего процесса аналитика. И никто это не запрещает — напротив, тимлиды это поощряют, потому что это экономит часы рутины.
Почему ИИ никогда не заменит аналитика полностью: фактор ответственности
Об этом практически никто не говорит в блогах маркетологов, а ведь это фундаментальный замковый камень всей индустрии.
«Искусственный интеллект принципиально не может нести ответственность за результат перед бизнесом. А живой человек — может.»
Технически современные модели уже догнали многих специалистов среднего уровня: по синтаксису кода, по знанию функций Python или скорости набора сложного SELECT с оконными функциями.
Но вот до софт-скиллов (Soft Skills) искусственному интеллекту как до луны:
- Умение договориться со стейкхолдером: когда заказчик сам не знает, чего хочет, и просит «отчет по всем метрикам», аналитик идет ногами в отдел продаж и выясняет реальную боль бизнеса;
- Умение задать правильный и неудобный вопрос: «Точно ли мы считаем этот показатель, а не смежный?», «Почему в расчетах за прошлый вторник просела конверсия?»;
- Понимание контекста: понимание регуляторных рисков ЦБ, внутренних политик безопасности и технических ограничений прод-базы;
- Личная ответственность: если отчет ушел генеральному директору или инвесторам, и на его основе приняли решение закрыть филиал или инвестировать 100 миллионов рублей — за эту цифру отвечает аналитик своей репутацией и карьерой. Нейросеть к ответу не привлечешь.
Когда-то бухгалтеры и счетоводы считали балансы на счетах и бумаге. Появление электронных таблиц Excel не уничтожило профессию финансиста — оно сделало финансистов быстрее в 100 раз и перевело их на уровень стратегического планирования. С ИИ происходит ровно то же самое: это еще одна мощная программа на вашем рабочем столе, наряду с DBeaver, ClickHouse и BI-системой.
Что делать будущему аналитику прямо сейчас?
Вывод максимально простой и прагматичный:
- Не бояться ИИ: страх перед технологиями парализует и заставляет сомневаться в выборе профессии.
- Использовать нейросети как ускоритель: ускоряйте написание заготовок кода, генерацию тестовых данных и документацию.
- Качать то, в чем человек всегда победит алгоритм: бизнес-логику, понимание потребностей стейкхолдеров, детективное мышление и личную ответственность за результат.
Именно эти компетенции мы развиваем на практическом менторстве по аналитике данных: учимся не просто стучать по клавишам, а понимать бизнес и отвечать за данные.