IT-аутстаффинг в России переживает крупнейшую трансформацию

Что такое аутстаффинг и почему он «взлетел»

После 2020 года российский IT-рынок оказался в уникальном состоянии: спрос на разработчиков кратно превышал предложение. Ковид ускорил цифровизацию корпораций, импортозамещение потребовало перестраивать технологические ландшафты, а рынок кадров структурно не был готов к такому объёму спроса.

Заказчику нужны были специалисты максимально быстро. Аутстаффинг закрыл эту потребность: заказчик получал людей в короткий срок, подрядчик брал на себя кадровые, бухгалтерские и юридические обязательства.

По данным совместного исследования SkillStaff и BCGroup, по итогам 2024 года объём рынка IT-аутстаффинга в России составил около 265 млрд рублей — на 18% больше, чем годом ранее. На этой волне выросли десятки агентств, рынок был перегрет. Мы это чувствовали изнутри: спрос на наших специалистов рос быстрее, чем мы успевали нанимать.

Почему классическая модель перестаёт работать

Перегрев закончился. Мы фиксируем это по собственной воронке: характер запросов изменился принципиально.

Заказчик перестал арендовать «людей». Формулировки «нам нужен модуль, который сократит время обработки заявок на 30%», «нам нужна интеграция, которая запустится за три месяца», «нам нужно снизить операционные расходы по этому контуру» встречаются всё чаще. Это принципиальный сдвиг — от аренды ресурсов к покупке результата. В классическом аутстаффинге за результат не отвечает ни одна сторона сделки: подрядчик гарантирует, что специалист вышел на работу, заказчик — что задача поставлена.

ИИ меняет экономику производства. И это тот фактор, который определит рынок в ближайшие годы. Раньше нужную скорость можно было купить численностью: собрать большую команду из менее опытных специалистов. Сегодня на ряде задач сильный инженер, усиленный ИИ-инструментами, закрывает объём, который недавно требовал нескольких человек. На наших проектах мы измеряем прирост в 40–70% — но на определённых типах задач. 

Здесь важно быть честным, прирост не возникает автоматически. В 2025 году исследовательская лаборатория METR провела рандомизированный контролируемый эксперимент: опытные разработчики решали реальные задачи в своих же зрелых репозиториях — часть с ИИ, часть без. С ИИ они работали в среднем на 19% медленнее. При этом сами были уверены, что ускорились примерно на 20%, — разрыв между ощущением и фактом оказался полным.

Вывод в том, что выигрыш даёт не сам инструмент, а процесс и роли, выстроенные вокруг него. Без отлаженного пайплайна и контроля качества ИИ производит брак с той же скоростью, что и рабочий код, — и замедляет даже сильную команду. Поэтому ценность смещается с доступа к инструментам (он стал общедоступным) на способность встроить их в производство.

Что приходит на смену

Аутстаффинг как сегмент не исчезает — трансформируется его содержание. На смену лизингу персонала приходит модель, в которой ценностью являются не количество сотрудников или часов, а два конкретных актива.

Первый — нишевая экспертиза. Выигрывают компании с компетенциями, которые практически невозможно быстро воспроизвести внутри организации клиента: глубокий ML, редкие индустриальные домены, опыт сложных промышленных внедрений. Такие компетенции нельзя «нанять с рынка» за несколько недель, а держать в штате бессмысленно, если специалист нужен временно под конкретную задачу. Именно поэтому мы сознательно развиваем узкие экспертные направления — и отказываемся от проектов, где не можем дать экспертизу выше рыночной.

Второй — гибридные команды.  IT-компания нового типа — это организация, где ИИ-агенты стали постоянной частью производственных процессов, а специалисты перешли от рутинных операций к управлению, проектированию и контролю качества. Роль внешнего партнёра в этой модели меняется качественно: его привлекают не ради масштабирования штата, а ради доступа к отработанным ИИ-практикам и быстрого усиления в сложных технологических направлениях.

Основной профиль, востребованный рынком, — сочетание глубокой предметной экспертизы и владения ИИ-инструментами на уровне ИИ-нативного мышления. Речь не о способности «пользоваться нейросетями», а о специалисте, который выстраивает рабочие процессы вокруг ИИ, декомпозирует задачи для интеллектуальных систем и использует ИИ как постоянное усиление собственной производительности. Мы целенаправленно выращиваем именно таких людей: ИИ-инструменты встроены у нас в каждый этап производства — от аналитики до тестирования и документации. Это не эксперимент и не пилот, а текущий режим работы, в котором мы уже выполнили десятки проектов.

Как будет выглядеть команда будущего

Полезна аналогия из другой эпохи: переход от ручного черчения к системам автоматизированного проектирования не уничтожил профессию архитектора — он поднял планку. То, на что раньше уходили недели, стало занимать часы, но одновременно выросли требования к квалификации: специалист, не освоивший новые инструменты, выпал из профессии. В разработке ПО идёт структурно тот же сдвиг — ИИ забирает повторяемые операции, а человек переходит от исполнения к проектированию, управлению и контролю качества.

Конкретно это меняет ролевую структуру команды. На наших проектах мы уже формируем команды по новым принципам и видим, какие профили будут определять рынок в ближайшие три–пять лет.

Системный архитектор с ИИ-мышлением проектирует не только техническую архитектуру решения, но и архитектуру самого процесса производства: какие задачи отдать ИИ-агентам, где необходим человеческий контроль, как декомпозировать систему, чтобы максимально использовать возможности интеллектуальных инструментов. Именно эта роль определяет, получит команда кратный прирост или утонет в переделках за ИИ. 

Инженер-верификатор — роль, значение которой резко возрастает. Когда значительная часть кода генерируется ИИ, критическим становится не написание, а проверка: соответствие бизнес-логике, безопасность, производительность под нагрузкой, корректность интеграций. ИИ-конвейер без качественной верификации производит брак с той же скоростью, что и качественный продукт. 

Доменный эксперт-аналитик глубоко понимает предметную область заказчика. ИИ способен сгенерировать код, но не способен понять, что в логистике страховой запас считается иначе, чем в ритейле, или что конкретный регуляторный акт запрещает определённую схему обработки данных. Чем мощнее инструменты генерации, тем выше ценность человека, который точно знает, что именно нужно генерировать.

ИИ-оператор производственного процесса управляет цепочкой ИИ-агентов на каждом этапе — от генерации кода и автотестов до документации и анализа технического долга. Это не «пользователь нейросетей», а инженер, который выстраивает и поддерживает автоматизированный пайплайн как связанную производственную систему. 

Общий паттерн: в каждой из этих ролей ценность создаётся не скоростью написания кода, а способностью думать, проектировать и принимать решения. Команда будущего — это не десять разработчиков, пишущих код вручную. Это три–четыре специалиста с глубокой экспертизой и выстроенным ИИ-процессом, которые на подходящих задачах закрывают объём, ранее требовавший команды кратно большего размера.

Вывод

Рынок IT-услуг переживает не конъюнктурный спад, а структурную перестройку. Модель, где ценность подрядчика измерялась количеством предоставленных специалистов, уступает место модели, где ценность определяется способностью создавать результат — быстрее, точнее и с предсказуемым качеством.

Выиграют компании, которые первыми перестроят производственный процесс вокруг двух принципов: глубокая нишевая экспертиза и системное встраивание ИИ в производство — не как эксперимент, а как базовая операционная модель.

Для заказчиков это означает необходимость пересмотреть критерии выбора партнёров. Вопрос «сколько у вас разработчиков на скамейке» теряет смысл. Качество партнёра сегодня определяют другие вопросы: какой результат вы гарантируете, как устроен ваш производственный процесс и насколько глубоко ИИ встроен в вашу работу — не на уровне презентаций, а на уровне ежедневных операций.

‍