Модель ИИ-компетенций, которую Кристина Ковалёва показала на AI Борще, состоит из трёх уровней: ментальный фундамент, управленческий слой и технический слой. Неожиданное в ней одно: технический слой при найме решает меньше всего. Основу модели Кристина Ковалёва услышала у одного из основателей «Яков и Партнёры» на ЦИПРе и дотюнила под практику найма.
Фундамент: мышление, а не промпты
В основании лежит ментальный фундамент. Лин-мышление, то есть привычка бережливого производства: делать больше с меньшими затратами и видеть, какие процессы стоит оптимизировать. Критическое мышление, без которого невозможно работать с галлюцинациями моделей. И исследовательская привычка: обновления выходят чуть ли не каждую неделю, гнаться за каждым бессмысленно, но понимать, что происходит, обязательно.
Про критическое мышление Кристина Ковалёва привела деталь, которая запомнилась залу: топовые зарубежные компании, работающие с нейросетями, стали брать сотрудников с философским образованием. У них самое привычное к сомнению мышление, они проверяют каждый ответ.
Без фундамента остальное не работает. Формулировка со сцены: промпт-инжиниринг без лин-мышления это пальцы, мы знаем, где нажать, но не знаем, зачем и какой бизнес-результат это принесёт.
Управленческий и технический слои
Выше фундамента лежит управленческий слой, и именно тут, по словам Кристины Ковалёвой, начинается настоящий рост стоимости специалиста. Продакт-мышление: понимать, какой бизнес-эффект принесёт автоматизация, что автоматизировать и какую ценность это даст. И менеджерский навык: перестроить работу свою и команды, потому что внедрение ИИ требует заметной перестройки процессов. Технический слой в этой модели стоит на самом верху: промптинг, создание агентов, работа с данными.
Расшифровку каждого слоя со слайдами Ковалёва разбирала по пунктам, эта часть осталась в презентации.
Харды, за которые платят в 2026 году
Из твёрдых навыков на слайдах три. Мультимодальность: собрать систему из нескольких нейросетей и закрыть процесс под ключ, например провести три десятка интервью, проанализировать их и выйти к топ-команде с готовыми выводами. Вайб-кодинг и зеро-кодинг: с оговоркой, что это нужно далеко не всем, ценность в другом, быстро собрать MVP и проверить идею на фокус-группе, не вставая в очередь к разработке. И data-driven работа с ИИ: скармливать модели массивы данных, доставать инсайты и перепроверять каждый.
Антикейс: когда все баннеры на одно лицо
Самая живая часть сессии, это история про рекламный баннер для вахтового найма. Ковалёва подробно описала промптом девушку-газосварщицу, получила отличную картинку, а через некоторое время увидела практически то же лицо в рекламе другой компании на другую вакансию. Модели учатся на одних данных, и без экспертной насмотренности визуалы и тексты разных брендов становятся неотличимыми. Дальше срабатывает обычная баннерная слепота, и реклама перестаёт работать.
Вывод из антикейса шире дизайна. ИИ-креатор учится на том, что уже есть, а чувство прекрасного и насмотренность остаются на стороне эксперта. Поэтому формула сессии звучала так: самый дорогой специалист не тот, кто хорошо пользуется инструментом, а тот, кто понимает, где этот инструмент применить, а где нет.
Что осталось в записи
Три шага для тех, кто начинает, Ковалёва сжала из-за тайминга и сама сказала со сцены, что не будет озвучивать всё. Полные шаги остались на слайдах. Там же состав управленческого слоя по пунктам и примеры систем из нескольких нейросетей.
Запись сессии и презентация - в материалах AI Борща на aiborsch.com
Получить запись и материалы конференции →
Читайте по теме: ИИ-грамотность и цена специалиста · Заменит ли ИИ человека: вопросы и ответы · Два кейса AI-агентов: цифры с AI Борща (серия Аликина)
Мнение экспертов AI Борща