Какие они, типичные DS-специалисты, и как часто ИИ пишет за них код: результаты совместного опроса Хабра и Авито

Хабр и технологическая платформа Авито решили заглянуть в мир ИИ и понять, кто всё это создаёт. Мы провели опрос среди пользователей Хабра, чтобы лучше узнать, кто такие современные дата-сайентисты и какие у них привычки, есть ли у них ИИ-любимчики, какие ИИ-инструменты они используют в работе. Около 500 разработчиков в сфере ML/DS ответили на самые разные вопросы — не только про свою профессиональную деятельности и нейросети, но и про увлечения и общение с родственниками. И вот настала пора раскрыть результаты этого опроса — показать статистику, поделиться наблюдениями и инсайтами (93,9% опрошенных специалистов используют LLM в работе — как вам такое, Илон Маск?), поразмышлять о трендах и подтвердить (или опровергнуть) стереотипы об ML’щиках и дата-сайентистах. А ещё — собрать портреты DS-специалистов, которые, как оказалось, вовсе не однозначно относятся к ИИ.

Портреты разработчиков ML и DS

Пожалуй, самый интересный вопрос в нашем исследовании касался того, как те, кто своими руками создают ИИ, сами относятся к ИИ. Вот что мы узнали.

Почти половина опрошенных специалистов — 49,82% — относятся к ИИ положительно: для большинства ML’щиков это инструмент, который упрощает рутину. А вот пятая часть респондентов — 19% — уже смотрят на ИИ с осторожностью: да, он полезен, но настолько проник в повседневную жизнь и работу, что непонятно, к чему это может привести. Негативно воспринимают ИИ 7,17% респондентов — они видят в нём риски для общества, опасность вытеснения людей с работы, их беспокоят ошибки или галлюцинации моделей. Но есть немало и тех, кто вообще не забивает голову мыслями о влиянии ИИ на жизнь и работу: эти 19% относятся к нейросетям нейтрально и просто занимаются своими делами.

Мы решили рассмотреть в деталях, как отвечали представители этих групп на другие вопросы, чтобы получить их собирательные образы. Давайте же взглянем на получившиеся портреты.

Технологический энтузиаст. Положительно относится к ИИ

Видит в ИИ двигатель прогресса. Для него это не абстрактная «технология будущего», а реальный помощник, который экономит время, поэтому сам применяет ИИ во всех сферах жизни. На работе ИИ помогает автоматизировать рутину: пишет тексты, анализирует данные, проверяет код, монтирует видео, а еще помогает генерировать идеи. В повседневной жизни — подсказывает, куда поехать, что купить и как лучше организовать день, помогает изучать языки, а для некоторых уже выступает личным психологом. А еще он помогает развлекаться — пишет разные тексты на любую тему, сочиняет музыку, даже если ты никогда не держал в руках музыкальный инструмент, рисует любые картинки лучше опытного художника и даже составит тебе компанию, чтобы поиграть в простую игру в слова. По сути, ИИ стал таким незаметным помощником, который делает жизнь удобнее и чуть интереснее.

Энергичный продвинутый инженер, ему около двадцати лет. Ночь для него продуктивнее дня, а спорт — лучший способ разогнать мозг после работы. Образование айтишное, но DS и ML осваивал сам. Общителен, легко заводит новые знакомства. Его кредо — «расти и развиваться», а амбиция — стать экспертом мирового уровня.

Для такого человека ИИ — инструмент, который помогает ускорить его движение к цели: «ИИ — мой тренажёр для мозга!».

Осторожный исследователь. Настороженно относится к ИИ

Интересуется и использует ИИ, но с долей подозрительности — проверяет, а не доверяет слепо.

Молодой человек двадцати с небольшим, и это классический «ночной житель». Увлекается спортом и умеет поддерживать беседу с любым человеком. Интересуется ИИ, но держит дистанцию: слишком уж быстро технологии проникают во все сферы, а значит, есть и риски. Образование профильное, но DS и ML пришлось осваивать самому. Его цель — создать значимый продукт, который не растворится в потоке хайпа.

Он уважает ИИ, но не готов отдать ему контроль над своей жизнью. Лезет в будущее, но всегда с фонариком и планом Б: «Верю в прогресс, но перепроверю трижды».

Рациональный аналитик. Нейтрально относится к ИИ

Он не против ИИ, но и восторгов не разделяет: многое видел в жизни, очередным ноу-хау его не удивишь. Нейросети для него в одном ряду с каким-нибудь электричеством: это не магия, а просто часть быта современного человека. И он подходит к ИИ с холодной логикой, ценит как эффективный инструмент и работает с ним без предубеждений.

Зрелый рациональный аналитик средних лет, умеет спать и жить по любому графику. Общение — не его стихия, комфортно чувствует себя в одиночестве. Его внимание сосредоточено на семье, доме и личном развитии, а в свободное время предпочитает спорт или спокойный отдых. Главная цель — дорасти до топ-эксперта в своей области, при этом сохранить баланс между карьерой и личной жизнью.

Для него всегда есть вещи поважнее нейросетевого бума: «ИИ? Нормально, главное, что меня не трогает».

Цифровой противник. Негативно относится к ИИ

Считает, что ИИ вытесняет людей и обесценивает труд.

Тридцатилетний специалист, ведёт ночной образ жизни. В повседневности использует ИИ скорее для развлечений — генерит мемы, картинки, контент. Но сам к ИИ относится с недоверием: видит в том угрозу профессиям и деградацию общества.

Общается с окружающими только по делу, лишних связей не ищет. Его хобби — путешествия, спорт или моделизм. В основе его ценностей — свобода и независимость, а амбиции связаны с тем, чтобы накопить знания и делиться ими, обучая других.

Для него ИИ — конкурент, а не союзник: «ИИ — игрушка, но не спаситель».

Тревожный инноватор. Опасается ИИ

Черпает у ИИ идеи и вдохновение, но боится его силы и последствий развития технологий. Ему тревожно от мысли, что ИИ может стать слишком умным или неконтролируемым.

Ему около сорока, сова по режиму, в компании открыт только для друзей и знакомых. В свободное время его увлекают спорт и творчество, через которые он выражает себя. Внутренне стремится к славе и признанию, амбиции грандиозные — стать топ-экспертом. Живёт на границе страха и вдохновения: «ИИ пугает… но идеи-то гениальные!»

Есть такая профессия:  ML/DS-специалисты

Но вопрос об отношении к ИИ — лишь часть большого опроса. Так давайте посмотрим, что ещё мы узнали из ответов

Путь в профессию

Как видно из ответов, преобладает молодёжь. Это говорит о том, что индустрия сочетает в себе энергию молодых специалистов, осваивающих новые технологии, и опыт более зрелых профессионалов, которые помогают формировать стратегические направления.

Интересные данные принёс вопрос об образовании ML/DS-специалистов.

Оказалось, в сферу ИИ приходят много специалистов из других областей — таких суммарно почти 60% опрошенных, а профильное образование в IT, Data Science и смежных направлениях — только у 40,86% респондентов.

ML и DS — востребованные направления, и многие желающие «войти в айти» присматриваются к ним. Мы спросили, где специалисты получают необходимые знания для работы в этой сфере.

Похоже, фундаментальное образование сохраняет значимость: 23,66% опрошенных окончили вуз по соответствующей специальности, а 15,41% — прошли специализированные курсы. Но барьеры для входа в индустрию снижаются благодаря растущим базам знаний в открытом доступе, потому что 35,84% специалистов смогли самостоятельно научиться всему необходимому. Это показывает, что ML и DS становятся более открытыми областями.

Распределение по стажу у респондентов оказалось почти равномерным, всё же мы выделили несколько любопытных нюансов.

Самая многочисленная группа — разработчики с опытом 1–2 года (27,24% опрошенных), практически столько же (25,81%) специалистов с 3–5 годами опыта. Совсем «новичков», с опытом меньше года, — 19,35%. Если добавить к ним ещё 12,54% тех, кто пока только учится, можно в сумме получить треть всех респондентов, — и это хорошо показывает, насколько быстро в сферу заходят новые люди. Общая же картина такова: ядро специалистов сосредоточено в диапазоне от одного до пяти лет опыта, что говорит о молодой и динамичной индустрии.

Спектр ролей в ML/DS-сфере широк.

Но самая крупная группа специалистов, как видно из результатов опроса, — Data Scientist и Machine Learning Engineers, их оказалось 46,24%. Это основное ядро индустрии: именно они строят и обучают модели, доводят алгоритмы до состояния, когда их можно запускать в прод.

Ещё один вопрос помог нам немного раскрыть детали, чем заняты ML- и DS-специалисты на работе.

Цифры показывают, что их деятельность не всегда сводится к чему-то одному: больше всего участников опроса — 27,96% — отметили, что занимаются «всем понемногу». Это универсальные бойцы, которые и модель соберут, и данные почистят, и отчёт соберут, а иногда ещё и пайплайн в прод протолкнут.

Также удалось выяснить, какие конкретно задачи приходится решать в ML/DS-сфере.

Если окинуть взором ответы, становится видно, что ядро работы в ML связано с экспериментами и обучением моделей, но вокруг него формируется широкий спектр других задач: от чистки данных до общения с клиентами.

Мы  расспросили разработчиков ML/DS и об их долгосрочных профессиональных амбициях.

Больше всего респондентов — почти четверть — мечтают дорасти до топ-эксперта, а 19,71% — создать значимый продукт, который реально меняет что-то в индустрии или жизни людей. Стартапы манят 11,83% специалистов. А 8,6% довольны и тем, чем занимаются сейчас.

Помогают ли разработчикам ИИ сами ИИ в работе

Мы предполагали, что нейросети уже в ходу в индустрии, но не ожидали, что настолько глубоко. Вот только пара внушительных цифр: 93,9% опрошенных нами разработчиков технологий машинного обучения уже используют большие языковые модели в работе, а треть (31,5%) доверяют им писать код. Но давайте рассмотрим всё по порядку.

Наибольшую долю среди всех используемых ML/DS-специалистами ИИ-инструментов занимают большие языковые модели – LLM (64,87%). Они экономят время, помогают проектировать идеи и позволяют сосредоточиться на действительно сложных аспектах работы. В целом же ответы показывают, что готовые ИИ-тулы становятся стандартной частью арсенала разработчиков.

Но вот задачи LLM в индустрии решают разные.

Цифры свидетельствуют, что уже сейчас почти треть (31,54%) опрошенных использует LLM для помощи в программировании: нейросети пишут код, проверяют его и иногда спасают от грубых ошибок. Также разработчики доверяют LLM целый спектр других задач, и только 6,09% опрошенных специалистов вообще обходятся без LLM в работе.

В Авито, кстати, тоже активно используют ИИ и даже активно делятся опытом в этой сфере.

ML- и DS-специалисты в социуме: о чём рассказывают родным и как общаются

Мы узнали многое об ML’щиках на работе, однако какие они за её пределами? Несколько вопросов в нашем исследовании пролили свет и на эту сторону их жизни.

Так, мы поинтересовались у респондентов, делятся ли они с близкими деталями своей работы и как именно пытаются объяснить её суть.

Лишь у 14,34% респондентов близкие — в теме, у большинства же опрошенных (61,29%) окружающие только в общих чертах понимают суть их занятий. Остальных же либо считают заводчанами («инженер» же), либо думают о них, что те за компьютером в игры играют.

Сами же разработчики о работе предпочитают рассказывать с помощью простых метафор и бытовых примеров — так поступает более половины опрошенных, 56,27%. С лекциями, книгами и ссылками на статьи на Хабре ликбез проводят лишь 5,38%. Прочие вообще в детали не вдаются. Стоит ли удивляться, что ИИ остаётся достаточно абстрактной темой для непосвящённых?

На слуху стереотип о том, что DS-специалисты предпочитают общество ИИ живым людям. Подтверждают ли это результаты опроса?

А вот и нет: 39,07% респондентов легко заводят разговор даже с незнакомцами. Ещё треть — 32,97% — общения не сторонятся, но с теми, кого знают. Что же насчёт «необщительных» ML’щиков и дата-сайентистов? Их всего 14,34%. Так что ML-инженеры вовсе не такие замкнутые, как принято думать.

ИИ на работе… а дома?

Если с нейросетями в рабочих делах всё ясно из предыдущих вопросов и ответов, то как у DS- и ML-разработчиков обстоят дела с использованием ИИ в быту?

Чаще всего (25,45% опрошенных) ИИ используют для поиска информации и ответов на серьёзные вопросы. ИИ-ассистенты меняют привычный способ поиска информации: вместо того чтобы перебирать ссылки в Google и собирать ответ по кускам из разных статей, можно сразу получить готовое объяснение и тут же задать уточняющие вопросы. Ещё 16,85% признали, что ИИ уже проник во все сферы их жизни. И только 11,47% респондентов всё ещё не используют ИИ вне работы.

Чем живут ML’щики и дата-сайентисты: чем увлекаются и о чём мечтают

Мы, конечно, не могли не спросить о режиме дня и не выяснить, кто кого в вечном противостоянии сов и жаворонков.

Что ж, победили совы — их 45,16% среди опрошенных. Жаворонков не набралось и на треть, и ещё меньше просто готовы поспать в любое время.

Хобби у специалистов ML и DS весьма разнообразные.

При этом больше всего оказалось любителей спорта (24,37% опрошенных), а в меньшинстве — коллекционеры (1,43%). Кстати, столь любимыми на Хабре радиоэлектронными проектами занимаются 4,66%. А 11,47% ответивших используют свободное время для своих pet-проектов.

Но что же главное для ML/DS-специалистов в жизни? Наш опрос коснулся и этой темы, и вот что мы узнали.

Большинство ответивших программистов в сфере ML/DS (29,75%) ориентированы на личностный рост. Также для многих (21,15%) основные ценности в жизни — семья и дом, именно близкие люди дают им опору и мотивацию.

Любимчики среди ИИ: что реально выбирают айтишники

Нейросети теперь как кофе: все используют их каждый день и почти у каждого программиста есть свои любимчики. Мы спросили профессионалов, какие ИИ-инструменты у них в топе и почему.

Если суммировать все ответы, видны чёткие тренды. Текстовые GPT-модели (ChatGPT, Claude, Grok) стабильно лидируют. Их любят за универсальность: генерация кода, анализ данных, поддержка диалогов, работа с документацией. Другие ИИ-платформы (Perplexity, Gemini) набирают популярность благодаря своим особенностям: Perplexity удобна для research-задач с автоматическим поиском и цитированием источников, Gemini интегрирован с экосистемой Google, а разнообразие моделей позволяет выбрать инструмент под конкретную задачу — от технической документации до анализа данных. Китайские DeepSeek и Qwen ценят за бесплатность и надёжность.

Ещё один тренд: многие используют модели вроде Gemma, Mistral или Qwen, потому что их можно запускать локально, — это особенно важно для работы с конфиденциальными данными. Также в некоторых сферах, особенно в корпоративном и государственном секторах, популярны отечественные решения — YandexGPT, GigaChat.

О чём говорят разработчики: за что они ценят свои ИИ-инструменты

В ходе опроса мы собрали немало мнений разработчиков об их любимых ИИ. Вот напоследок несколько цитат про популярные нейросети:

О Claude:

«Он единственный, кто реально понимает темы, с которыми я работаю».

О Qwen:

«Он умеет делать глубокие исследования, не требует VPN и первым попался под руку».

О ChatGPT:

«Универсальность и глубина понимания языка. Умеет поддерживать сложные диалоги, генерировать тексты разного стиля и уровня детализации, выполнять кодогенерацию и анализ данных. Уникален в плане UX. Множество возможностей, которые упрощают решение любых задач, преимущественно в анализе данных».

О DeepSeek:

«Бесплатный, хорошо показал себя в задачах, где нужна аналитика. Относительно других сетей более верно распознаёт, что я имею в виду. Удобно увидеть рассуждения и понять, что я забыл уточнить».

О Stable Diffusion:

«Открытость и креативные возможности. Модель для генерации изображений подарила свободу художникам: работает локально, позволяет тонко настраивать стиль и детали».

Об AlphaFold:

«Прорыв в науке. Предсказывает трёхмерную структуру белков, — раньше на это уходили месяцы, теперь сотни тысяч белков уже предсказаны за дни».

О ComfyUI:

«Можно делать всё, что только в голову придёт: изображения, музыка, видео, — фантазия ничем не ограничена».

О UNet:

«Это красиво. Решает массу вопросов при сегментации без затей».

Заключение

ИИ уже не экспериментальная фича, а рабочий инструмент в production-пайплайне. Вопрос теперь не в том, «использовать или нет», а «какой стек собрать под свои задачи». И судя по разнообразию ответов, единого «правильного» набора инструментов нет — каждый собирает свой набор под конкретные проблемы и ограничения. В Авито эти тренды тоже заметны, и опыт собрали немалый.

А как у вас? Какие инструменты реально прижились в работе, а от каких отказались после пары недель? Делитесь опытом в комментариях — особенно интересны кейсы про интеграцию в существующие пайплайны и решение реальных продуктовых проблем.

Источник: habr.com