Максим Солдаткин

Блог профессия

Промт-инженер — профессия

Промт-инженер (англ. prompt engineer) — специалист, который проектирует, тестирует и оптимизирует промты и контекст для больших языковых моделей (LLM), чтобы они стабильно решали задачи продукта. В 2026 году это закрепившаяся роль в командах, которые внедряют ИИ в продукт.

По данным Anthropic engineering blog, профессия эволюционировала: чистое промт-инжинирование расширилось до context engineering — управления полным контекстом модели (system prompt, инструменты, документы, история, примеры).

Если коротко: маркетолог пишет промт «на интуиции», промт-инженер выстраивает повторяемый процесс — реестр промтов, метрики, A/B-тесты, защита от атак, документация.

Промт-инженер vs ИИ-инженер vs ML-инженер vs NLP-инженер

В 2026 году границы профессий вокруг ИИ размылись, и одного и того же человека в разных компаниях зовут по-разному. Понимать различия важно не ради названия в трудовой, а чтобы попасть в правильную воронку найма.

РольЧто делаетСтекЗарплата в РФ
Промт-инженерПромты, контекст, evals, RAG-шаблоныPython (база), LangChain, LangSmith, векторные БД80–450 тыс. ₽
ИИ-инженер (AI Engineer)Сервисы вокруг LLM: API, пайплайны, RAG-системы, агентыPython middle+, FastAPI/Node, Docker, k8s, MLOps200–600 тыс. ₽
ML-инженерОбучение и дообучение моделей, классические ML-моделиPython advanced, PyTorch/TensorFlow, MLflow, GPU250–700 тыс. ₽
NLP-инженерОбработка текста, NER, классификация, эмбеддинги, до-fine-tuningPython, transformers, spaCy, BERT-семейство220–650 тыс. ₽
ИИ-продакт (AI PM)Продуктовые решения, гипотезы, метрики, road-map ИИ-фичАналитика, продуктовое мышление, базовый Python200–500 тыс. ₽

Где они пересекаются. В малых командах (до 20 человек) роли совмещаются: один человек пишет промты, поднимает API, делает RAG, считает evals. В крупных продуктах роли отделены: промт-инженер сидит между ИИ-инженером (инфраструктура) и ИИ-продактом (что делать), отвечая за качество ответов модели.

Куда движется рынок. Чистая роль «промт-инженер» в вакансиях 2026 встречается реже, чем в 2024. Чаще пишут «AI Engineer (Prompt Engineering)» — это та же работа, плюс ожидание, что кандидат сам соберёт сервис, а не отдаст спецификацию инженеру. Поэтому стартовая ставка в курс на профессию: за 6 месяцев освоить и промтинг, и Python-инфраструктуру вокруг LLM.

Что делает промт-инженер на практике

Проектирует промты под задачи продукта. Описания товаров, ответы поддержки, классификация заявок, извлечение данных из документов, ассистент в интерфейсе. Чёткие, повторяемые, тестируемые промты с фиксированной структурой ввода и вывода.

Поддерживает реестр промтов. Версионирует, документирует, сравнивает между моделями. Переход с Claude 4 на Claude 4.5 — переснимаем метрики и правим шаблоны.

Собирает золотые датасеты. Пары «входной запрос → желаемый ответ», на которых тестируется каждое изменение. Без датасета правки промта — гадание.

Подключает внешние знания через RAG. Пишет шаблоны, которые соединяют пользовательский запрос с релевантными чанками из векторной базы.

Настраивает тон и формат под продукт. Стилевые правила, запреты, формат вывода — в system prompt. Каждое изменение тона требует перепрогона тестов.

Защищает от prompt injection. Атаки, в которых пользователь «перепрошивает» инструкции модели. Промт-инженер проектирует устойчивые конструкции, фильтры, sandbox-режимы.

Документирует и обучает команду. Гайдлайны, шаблоны, обучение продактов и маркетологов писать промты самостоятельно — чтобы мелочи не превращались в тикеты.

Типичный день промт-инженера в продакшене

Чтобы профессия не звучала как «писать запросы в ChatGPT», вот как распределяется рабочее время middle-специалиста в продуктовой команде:

  • 30% — eval и метрики. Запуск прогона промтов на золотом датасете, разбор регрессий после смены модели, разметка фейлов, обновление LLM-as-a-judge критериев.
  • 25% — итерация промтов. Чтение логов продакшена, поиск частых жалоб, новые версии system prompt, проверка на golden set, выкатка через feature flag.
  • 15% — RAG и контекст. Подбор и режим чанкования документов, релевантность поиска, борьба с галлюцинациями, сжатие истории.
  • 10% — встречи и спецификации. Продакт-сессии, груминги, описание новой ИИ-фичи в Notion/Confluence.
  • 10% — поддержка и обучение команды. Ответы продактам и маркетологам, обновление внутренних гайдов, ревью чужих промтов.
  • 10% — эксперименты. Новая модель в проде, новая техника (ReAct, Tree of Thoughts), сравнение GPT-5 vs Claude 4.5 на своём датасете.

Junior проводит больше времени в первых двух пунктах, senior — в спецификациях, ревью и стратегических экспериментах с новыми моделями.

Обязанности по грейдам

Чтобы понять, какой грейд ваш по уровню задач, а не по количеству лет:

Junior (0–1 год). Пишет промты по готовому шаблону под надзором middle/senior. Прогоняет evals, размечает датасеты, ведёт реестр версий. Самостоятельно собирает простой пет-проект (бот, классификатор). Не отвечает за продакшен.

Middle (1–2 года). Самостоятельно ведёт ИИ-фичу: от спецификации до выкатки. Проектирует RAG-пайплайны, A/B-тесты на трафике, метрики качества. Пишет eval-скрипты, выбирает модель под задачу с расчётом бюджета. Защищается от prompt injection, описывает решения для команды.

Senior (2+ года). Проектирует архитектуру ИИ-функций целиком: какие модели, где RAG, где агенты, как мерить, как масштабировать. Ведёт несколько направлений одновременно, делает технический выбор стека, отвечает за метрики ИИ-фич перед бизнесом. Менторит junior/middle.

Lead / Principal (3+ года). Стратегия ИИ-направления в компании, road-map ИИ-фич на квартал/год, найм и обучение команды, переговоры с поставщиками моделей. Принимает решения «строить vs покупать», «open-source vs API».

Ключевые навыки промт-инженера

Тестирование промтов

Базовый цикл: фиксируем датасет, меняем промт, прогоняем, сравниваем метрики (точность, полнота, формат, токены). Без цикла любая правка — субъективное «вроде стало лучше». Минимум — eval-скрипт на Python, который прогоняет 50-200 примеров и считает попадания.

A/B-промпты

Два варианта промта параллельно на реальном трафике, метрика — конверсия / время ответа / явная оценка пользователя. Применимо когда есть продакшен. Инструмент: feature flag + логирование версии промта в каждый ответ.

Fine-tuning

Когда промтинг упёрся в потолок — дообучение модели на собственных данных. Промт-инженер не обязан сам тренировать модели, но обязан понимать, когда fine-tuning дешевле итерации промта, и собирать данные в формате JSONL с парами prompt/completion.

RAG (Retrieval-Augmented Generation)

Документы режутся на чанки, индексируются в векторной БД (pgvector, Qdrant, Weaviate), запрос ищется по векторам, найденные куски вставляются в промт. Типовая архитектура продуктовых ассистентов в 2026.

Eval

Постоянная оценка качества — автоматическая (метрики, LLM-as-a-judge) и ручная (выборочный аудит). Промт-инженер настраивает eval-pipeline, который ловит регрессии при смене модели или промта.

Базовые навыки

  • Работа LLM: токены, контекстное окно, температура, top-p
  • Английский на уровне чтения документации
  • Основные модели: ChatGPT (GPT-5), Claude 4.5, Gemini 2.5, GigaChat, YandexGPT
  • Фреймворки промтов: RTF, RACE, CRISPE, CO-STAR — подробно в статье про промты
  • Few-shot, chain-of-thought, role prompting
  • Python на уровне «вызвать API, обработать ответ, посчитать метрики»

Продвинутые навыки

  • LangChain / LlamaIndex для RAG-систем и оркестрации
  • Векторные базы: pgvector, Qdrant, Weaviate
  • Защита от prompt injection и data leakage
  • ИИ-агенты: Claude Code, Cursor, обзор ИИ-агентов
  • Бюджет: токены × модель × объём, оптимизация без потери качества

Зарплаты в РФ в 2026

По данным мониторинга hh.ru, Habr Карьера и обзора рынка aibotmanager.ru на 2026:

УровеньОпытЗарплата (₽/мес gross)
Juniorдо 1 года, после курса + пет-проекты80 000 – 150 000
Middle1-2 года, продакшен-опыт150 000 – 280 000
Senior2+ года, собственные пайплайны и evals280 000 – 450 000
Тимлид / ИИ-продукт3+ лет, руководитель направления400 000 – 700 000+

Медиана по опубликованным вакансиям в Москве — 185 000 ₽. В регионах с удалёнкой — от 120 000 ₽ на джуниор-позициях.

Что двигает к верхней границе: продакшен-кейсы с метриками, собственный pipeline evals (редкий навык в 2026), опыт с self-hosted моделями (Llama, Mistral), английский на уровне свободного общения для remote-вакансий.

Что даёт +10–30% к вилке:

  • RAG-системы с собственным пайплайном и векторными БД — +10–20%
  • Python middle (не только API-вызовы, но и сервис) + LangChain в проде — +15–25%
  • Опубликованные кейсы с реальными метриками «до/после» — +20–30%
  • Английский B2+ для remote — даёт доступ к зарубежным вилкам с +50–100% к российской ставке

Зарплаты за рубежом

Для контекста и понимания потолка профессии — диапазоны по данным мониторинга вакансий за 2026:

РегионJuniorMiddleSenior
США / Канада$80–120K/год$120–180K/год$180–250K+/год
Европа (DE, NL)€55–80K/год€80–110K/год€110–160K/год
Великобритания£55–85K/год£85–120K/год£120–180K/год
ОАЭ / Сингапур$70–110K/год$110–160K/год$160–230K/год

Самые высокие вилки — в крупных Bay Area-компаниях (Anthropic, OpenAI, Google DeepMind, Meta), где senior с опытом в agent systems и evaluation получает $200–300K+ base, плюс акции. Для россиянина без релокации это закрытая дверь — почти все вилки требуют разрешения на работу. Доступнее remote-контракты с европейскими scale-up на €40–80K/год, где паспорт не критичен, но обязательны английский C1 и публичное портфолио.

Где работать промт-инженером

ИИ-стартапы. Частый вход в профессию. Маленькие команды, прямой контакт с продуктом, быстрый рост. Минус — нестабильность, часть закрывается за год. Искать в каналах «AI Vacancy», на Хабре.

BigTech в РФ. Сбер, Яндекс, Тинькофф, Авито, Озон, Wildberries — все встраивают ИИ в продукты. Большие зарплаты, длинный найм (3-5 интервью), серьёзные требования к Python и системам. Стабильность и масштабные задачи.

Продуктовые компании среднего размера. SaaS, CRM, EdTech, FinTech, e-com — внутренние ассистенты, автоматизация поддержки, генерация контента. Часто роль называется «AI Engineer» под общую вилку.

ИИ-агентства и интеграторы. Делают решения на ИИ под заказ. Плюс — много разных кейсов, быстрый рост насмотренности. Минус — конвейер, часть проектов одноразовые.

Внутренние команды нон-ИИ компаний. Банк, ритейл, телеком — внедряют ИИ для внутренних задач. Роль часто называется «координатор по ИИ». Зарплата ниже рынка ИИ-стартапов, зато проще найм.

Консалтинг и фриланс. Поздняя стадия, когда уже есть имя и кейсы. Часовая ставка от 3-5 тыс. ₽, проекты на внедрение от 200 тыс. ₽. Не место для старта.

Куда расти из промт-инженера

Промт-инженерия в чистом виде — узкая роль с потолком на уровне senior. Чтобы расти дальше, имеет смысл расширять зону ответственности в одну из четырёх сторон.

ИИ-инженер (AI Engineer). Самый прямой путь: добавить к промтам инфраструктуру вокруг LLM — сервисы, очереди, мониторинг, MLOps. Требует среднего уровня Python и опыта в backend. Зарплатный потолок в РФ — 500–600 тыс. ₽, в США — $200K+. Реалистично за 12–18 месяцев активной практики из промт-инженера.

ИИ-архитектор. Проектирование систем целиком: где RAG, где fine-tuning, где агенты, как масштабировать на миллионы запросов. Требует системного мышления, опыта в распределённых системах. Чаще приходят из ИИ-инженеров с 4–5 годами опыта, реже — из промт-инженеров с сильной системной базой.

ИИ-продакт (AI Product Manager). Гипотезы, метрики, road-map ИИ-фич. Требует продуктового мышления, не требует глубокого кода. Хороший путь для тех, кто пришёл в промт-инжиниринг из маркетинга или PM-роли. Зарплата 200–500 тыс. ₽, лидов — выше.

ИИ-тимлид / Head of AI. Управление командой 3–10 человек, найм, стратегия, переговоры с руководством. Требует менеджерских навыков, не только технических. Через 3–4 года в продакшене.

Вертикально из senior промт-инженера обычно идут в AI engineer или AI architect. Горизонтально — в AI PM или в собственный консалтинг/курсы по ИИ. Тупиковая ветка — «промт-копирайтер на фрилансе»: рынок насыщен, ставки падают, к 2026 это уже не профессия, а подработка.

Реальность рынка 2026

Чтобы не заходить в профессию с иллюзиями — три неудобные правды.

Чистого «промт-инженера» в найме всё меньше. В вакансиях 2026 типичная формулировка — «AI Engineer with Prompt Engineering experience». От кандидата ждут не только промтов, но и кода: сервис, RAG-пайплайн, мониторинг. Кто заходит с одним промтингом и без Python — упирается в потолок на джуниор-вилке.

Рынок junior насыщен. За 2024–2025 курсы выпустили десятки тысяч «промт-инженеров»-джуниоров, многие — без проектов и evals. Через типовой курс пройти можно, через найм — сложнее. Решает не диплом, а 3–5 публичных пет-проектов с метриками.

Зарплата растёт нелинейно. Junior 80–150 тыс. ₽ → middle 150–280 тыс. ₽ — это удвоение, реально за 12–18 месяцев. Middle → senior — ещё удвоение, но требует уже 2–3 лет продакшен-опыта с метриками, и без Python и архитектурного мышления туда не выйти. Поэтому план «остаюсь чистым промт-инженером навсегда» приводит к потолку на middle.

Реалистичный план 2026: 4–6 месяцев на базу (промтинг + Python + RAG + evals + пет-проекты), 6–12 месяцев на junior-позиции, параллельно — добор инженерных навыков для перехода в AI Engineer.

Как переходить из другой профессии

Промт-инженер — одна из редких ИТ-ролей, куда заходят не только из разработки. Вот типовые входные точки.

Из маркетинга / контента. Сильная сторона — формулировки, понимание целевой аудитории, A/B-эксперименты. Недостающее — Python, API, evals. План: 2–3 месяца Python, параллельно — пет-проекты в своей нише (генератор описаний для e-com, классификатор обращений).

Из аналитики / data science. Сильная сторона — статистика, A/B-тесты, метрики, Python. Недостающее — продуктовое мышление и понимание UX. План: 1–2 месяца на промтинг-фреймворки и RAG, потом сразу пет-проекты с метриками и продуктовой задачей.

Из продакт-менеджмента. Сильная сторона — гипотезы, метрики, понимание пользователя. Недостающее — техническая база. Часто PM остаётся в роли AI PM, а не уходит в чистый промт-инжиниринг — это выгоднее на рынке.

Из разработки. Сильная сторона — Python, API, инфраструктура. Недостающее — понимание особенностей LLM, evals, продуктовое мышление. Для разработчика переход — 2–3 месяца на освоение специфики LLM-стека, дальше сразу junior-middle AI Engineer.

Из UX/дизайна. Сложнее всех: нужно с нуля поднимать Python и понимание систем. Альтернатива — AI UX Designer, специалист по проектированию интерфейсов с ИИ, спрос на которого растёт быстрее.

Возраст — не критичный фактор. На джуниор-позиции в 2026 году берут и в 22, и в 38, и в 45, если есть портфолио с метриками. Релевантного опыта — больше, чем формальной молодости.

Где учиться

Бесплатные источники (английский):

Платные курсы РФ: OTUS «Prompt Engineering» (4 мес, 70-90 тыс. ₽), Skillbox «Промпт-инженер» (5-6 мес, 90-120 тыс. ₽).

Пошаговый план по неделям, разбор пет-проектов и частых ошибок самообучения — в как стать промт-инженером с нуля. Общий обзор — обучение нейросетям и бесплатное обучение.

Инструменты промт-инженера

Базовый стек 2026 года, который ожидают увидеть в резюме middle/senior:

  • LangSmith — реестр промтов, версионирование, трейсинг, evals. Стандарт для команд на LangChain.
  • Helicone — observability для LLM-приложений: логи, стоимость, latency, A/B-эксперименты.
  • PromptHub — git-подобное хранилище промтов с версиями и совместной работой.
  • Promptfoo — open-source тестирование промтов на датасетах и прогон evals в CI.
  • Langfuse — open-source трейсинг и evals, self-hosted альтернатива LangSmith.
  • OpenAI Evals — фреймворк для собственных бенчмарков.

Дополнительно — векторные базы (pgvector, Qdrant, Weaviate), оркестрация (LangChain, LlamaIndex), инференс локальных моделей (vLLM, Ollama).

Для повседневной работы — подборка ИИ-инструментов и библиотека промтов.

Как себя продать

Резюме промт-инженера в 2026 — не список курсов, а пет-проекты с метриками и публичная демонстрация процесса.

Минимальный пакет для джуниор-офера:

  • GitHub с 3-5 проектами. Не туториалы — собственные задачи. Каждый репозиторий с README, описанием задачи, метриками «до/после», ссылкой на демо.
  • Один сквозной кейс. Например: «классификатор обращений в поддержку, точность 87% на датасете 500 примеров, экономия 12 часов оператора в неделю». Метрика — главное.
  • Технический блог. 5-10 заметок в Telegram-канале или на Хабре про эксперименты, сравнения моделей, разбор фейлов. Социальное доказательство, что вы реально в теме.

Что писать в резюме:

  • Технологии: OpenAI API, Anthropic API, GigaChat API, LangChain, Python, pgvector, LangSmith
  • Опыт: пет-проекты с метриками и ссылками на GitHub
  • Знания: RTF, RACE, CoT, few-shot, RAG, prompt injection, evals

Чего не писать:

  • «Знаю ChatGPT» — это уровень обычного пользователя
  • Курсы без проектов — рекрутер откроет проекты, не дипломы
  • «Делал промты для постов» без метрик — это копирайтинг

Где искать вакансии: hh.ru, Habr Карьера, getmatch.ru, Telegram-каналы «AI Vacancy», «ods.ai jobs», LinkedIn для remote.

Про формальное подтверждение навыков — сертификат по ИИ.

Что НЕ работает

Курс без портфолио. Частая ошибка джуниор-кандидата: окончил курс, на руках сертификат, в репозитории — пусто. Рекрутер открывает GitHub и закрывает резюме. Курс — основа, но решает шиппинг проектов.

Промты без понимания продукта. Кандидат «знает 50 техник», но не задаёт вопрос «какая задача у бизнеса». Промт-инженер без продуктового мышления превращается в исполнителя тикетов — низкий потолок.

Бесконечное обучение без практики. Месяц 1 — основы, месяц 2 — продвинутые техники, месяц 3 — ещё один курс. Через полгода знаний много, опыта ноль. Лучше через 2 недели начать первый пет-проект и доделать до публикации.

Игнорирование evals. «Подобрал отличный промт, работает» — без датасета и метрик это совпадение. Senior отличается от middle тем, что у него промт доказуемо работает, а не «по ощущению».

Один инструмент. Кандидат знает только OpenAI API. На продакшене бизнес упирается в стоимость / латентность / приватность и хочет Claude, GigaChat, локальную Llama. Senior сравнивает модели на своём датасете.

Резюме без цифр. «Делал промты» vs «Снизил долю некорректных ответов с 14% до 3% на датасете 500 диалогов». Вторая формулировка стоит на 50-100 тыс. ₽ дороже на оффере.

FAQ

Можно ли стать промт-инженером без опыта в IT? Да, но сложнее. Преимущество у людей с опытом в продукте (PM, UX) или контенте (редактор, аналитик). Без IT-фона потребуется 6-12 месяцев на базовый Python и понимание API.

Профессия не схлопнется через год? Нет. ИИ-функции в продуктах требуют постоянной настройки, evals и итераций. Чем больше ИИ-фич — тем больше промт-инженеров нужно. Меняется состав навыков (от чистого промта к context engineering и агентам), но не сама роль.

Какой первый pet-проект сделать? Что-то полезное лично вам с измеримой метрикой. Бот-помощник для конкретной ниши, классификатор писем, конспектер видео-лекций, RAG по личной базе заметок. Главное — задача, датасет на 50-100 примеров, метрика «до/после».

Можно ли стать промт-инженером без английского? Технически — да. Практически — потолок на уровне middle в РФ-компаниях. Документация Anthropic, OpenAI, ключевые курсы и репозитории — на английском. Минимум B1.

Сколько стоит вход в профессию? Бесплатные курсы + API на $20-50/мес для экспериментов. За 6 месяцев — до 30 тыс. ₽. На платный курс — плюс 70-120 тыс. ₽.

Чем промт-инженер отличается от ИИ-инженера и ML-инженера? ИИ-инженер шире: пишет код вокруг моделей, интегрирует в продукт. ML-инженер строит и обучает модели с нуля. Промт-инженер фокусируется на интерфейсе между задачей и готовой LLM — промт, контекст, evals. В малых командах роли часто совмещаются.

Нужно ли знать Python? Джуниор — минимально (вызвать API, прочитать JSON). Middle/senior — обязательно: eval-скрипты, оркестрация пайплайнов, разбор чужого кода. Без Python потолок — копирайтер с промтами.

Сколько по времени занимает переход в профессию? 4-8 месяцев при ежедневной практике 2-3 часа и фокусе на пет-проектах с публикацией. Меньше 4 — только если уже есть Python и продуктовый опыт. Дольше 8 — обычно много теории и мало шиппинга.

Где смотреть актуальные новости? Anthropic engineering blog, OpenAI blog, Latent Space podcast, Twitter/X: @karpathy, @AnthropicAI.

Стоит ли идти в 2026? Стоит, если интересно разбираться в системах ИИ, готовы 4-8 месяцев учиться и шиппить проекты, английский на чтении. Не стоит, если ищете быстрые деньги без знаний и не готовы читать английскую документацию.

Нужен ли диплом для входа в профессию? Нет. На джуниор-вакансиях смотрят на портфолио и пет-проекты, а не на корочку. Профильное ИТ-образование помогает в крупном найме (BigTech, банки), где HR фильтрует по формальным критериям, но и там портфолио важнее. Гуманитарный диплом не мешает — наоборот, в промт-инжиниринге ценится грамотность и продуктовое мышление.

Какой математики достаточно? Для промт-инженерии — школьной с пониманием процентов и базовой статистики (среднее, медиана, доверительный интервал). Глубокая линейная алгебра и матанализ нужны ML-инженерам, не промт-инженерам. Если планируете расти в AI Engineer / ML — добавите по мере необходимости.

Что важнее — курс или пет-проекты? Пет-проекты. Курс даёт структуру и проверенный путь, но без публичных проектов с метриками работодатель не отличит выпускника курса от человека, который посмотрел ролики на YouTube. Минимум — 3 публичных репозитория с README, цифрами и демо. Курс ускоряет, но не заменяет шиппинг.

Можно ли совмещать с основной работой? Можно, если готовы выделять 2–3 часа в день стабильно 5–6 дней в неделю. За 6 месяцев такого режима реально собрать портфолио на джуниор-офер. Меньше 1,5 часов в день — растягивается на год и больше, мотивация теряется. Лучше взять интенсивный режим на 4 месяца, чем размазать на 12.

Что делать, если боюсь, что профессия исчезнет? Сама роль не исчезнет — ИИ-функций в продуктах становится больше, кто-то должен их настраивать и поддерживать. Но название и набор задач будут меняться: «промт-инженер» → «AI Engineer» → «AI Systems Engineer». Поэтому учитесь не «промтингу», а работе с LLM-системами в целом: промты, evals, RAG, агенты, базы. Этот набор останется востребованным минимум на 5–7 лет.

Промт-инженер — это для гуманитариев или технарей? Для обоих, но порог входа разный. Гуманитарию нужно добрать техническую базу (Python, API, evals) — это 2–4 месяца дополнительной учёбы. Технарь добирает продуктовое мышление и понимание пользователя — это сложнее, потому что требует не курса, а опыта. На senior-позициях успешными становятся оба профиля.

Можно ли работать промт-инженером удалённо? Да, это одна из самых remote-friendly ИТ-ролей в 2026. По данным мониторинга hh.ru, около половины вакансий — гибрид или полная удалёнка. Зарубежные remote-контракты доступны при английском B2+ и публичном портфолио, ставки выше российских в 1.5–2 раза. В офис чаще зовут BigTech и банки в Москве/Питере.

Дальше

Если вы определяетесь с входом в ИИ-профессию, посмотрите как выбрать курс по ИИ — там разбор критериев и сравнение программ по реальным задачам, а не маркетингу. Для тех, кто не хочет глубоко в код, полезен обзор ИИ-профессий без программирования с реалистичной оценкой вилок и потолков.

Если вас тянет в сторону команд и продукта — посмотрите управление ИИ-проектами: чем занимается ИИ-продакт и где его место рядом с промт-инженером. Для практики и расширения насмотренности — справочник по промтам с разбором фреймворков и кейсов.

Сопутствующие материалы:

Читайте также