Долгое время технологии и лингвистика казались двумя совершенно разными мирами.

С одной стороны — программисты, инженеры и специалисты по данным.

С другой — лингвисты, переводчики, писатели, филологи и специалисты по коммуникации.

Искусственный интеллект делает эту границу намного менее чёткой.

Сегодня машина может кратко изложить юридический документ, перевести разговор, проанализировать тысячи отзывов клиентов, сгенерировать код по письменной инструкции или поддерживать почти естественный диалог.

И чем лучше технологии понимают человеческий язык, тем важнее становится понимать, как этот язык работает на самом деле.

Новая реальность заключается не только в появлении новых профессий.

Она ещё и в новых пересечениях между дисциплинами, которые раньше работали отдельно.

Компьютерная лингвистика появилась задолго до ChatGPT.

Это направление существует уже несколько десятилетий и объединяет лингвистику, информатику, статистику, искусственный интеллект и обработку естественного языка.

Сегодня её применение включает анализ и генерацию языка, машинный перевод, голосовые системы, информационный поиск, классификацию текстов, извлечение информации и оценку моделей.

Association for Computational Linguistics поддерживает международное научное и профессиональное сообщество в этой области и исследует, как большие языковые модели меняют работу и профессиональную деятельность.

Хорошей языковой системе нужны не только сильные программисты.

Ей также нужны специалисты, которые понимают поведение языка, значение выражений в конкретном контексте и то, что может потеряться, когда машина превращает человеческое намерение в данные.

“

Машина может обрабатывать слова. Понять, почему мы выбираем одно слово вместо другого, — совсем другая задача.

Много лет мы говорили о big data так, будто огромного количества информации само по себе достаточно.

Это не так.

Нужно понимать, что содержат данные, как они структурированы, как размечены, насколько они качественны, какие предубеждения могут в них содержаться и какие языки они представляют.

Поэтому растёт значение таких профилей, как data analyst, data scientist, data curator, data annotator, language-data specialist и AI evaluation specialist.

Многие из этих профессий не являются полностью новыми. Это развитие уже существующих профессий.

Изменился контекст, в котором они работают.

Бюро статистики труда США прогнозирует рост занятости data scientists на 35 % в период с 2025 по 2035 год — значительно выше среднего прогнозируемого роста по всем профессиям.

Лингвистическая составляющая также становится более структурированной. ISO разрабатывает ISO/IEC TS 26320 — проект, посвящённый принципам и методам создания и поддержки корпусов, используемых в системах обработки естественного языка, а также оценке их качества.

Мало какие профессиональные названия получили столько внимания, сколько «prompt engineer».

На первый взгляд всё просто: это человек, специализирующийся на создании инструкций для моделей искусственного интеллекта.

Но реальность интереснее.

Исследование 2025 года проанализировало 20 662 вакансии, связанные с ИИ, на LinkedIn и обнаружило всего 72 позиции с точным названием «Prompt Engineer» — менее 0,5 % от выборки.

Это не означает, что prompt engineering — пустая мода.

Это может означать нечто более интересное: prompting постепенно превращается из отдельной функции в навык, встроенный во множество профессий.

Его используют дизайнеры.

Аналитики данных.

Исследователи.

Разработчики.

Специалисты по маркетингу.

Лингвисты.

Product designers.

Преподаватели.

Важен не секретный рецепт идеального промпта.

Важнее понять задачу, дать контекст, определить критерии, проверить результат и распознать момент, когда ответ ИИ недостаточно хорош.

“

Промпт — это инструмент. Решение всё ещё принимает человек.

Чем сложнее становится технология, тем выше потребность в людях, способных соединять разные способы мышления.

У компании есть проблема.

Пользователь описывает её своими словами.

Дизайнер думает об опыте.

Разработчик думает об архитектуре.

Аналитик думает о данных.

Модель ИИ работает с паттернами.

Кто-то должен соединить эти миры.

Здесь появляются или развиваются такие профили, как AI product specialist, conversation designer, AI trainer, AI evaluator, knowledge engineer, language technology specialist и AI implementation specialist.

Некоторые уже используются как официальные названия должностей.

Другие становятся функциями внутри существующих ролей.

Необязательно, что через пять лет все они будут называться одинаково.

Но у них есть общая характеристика:

они работают на пересечении разных дисциплин.

Чат-боты и ИИ-ассистенты превратили разговор в новый тип интерфейса.

У разговорной системы есть голос, правила, ограничения, ошибки и разные состояния.

Она должна понимать, когда задать вопрос, когда объяснить, когда признать, что чего-то не знает, и когда остановиться.

Проектирование таких диалогов объединяет лингвистику, UX, когнитивную психологию, продукт и технологии.

Разговор тоже можно проектировать.

И чем больше мы будем использовать интерфейсы, основанные на языке, тем важнее будет внимательно продумывать, как машины говорят и отвечают.

Недостаточно, чтобы ответ был грамматически правильным.

Он должен быть полезным, уместным, понятным и соответствующим контексту.

“

Когда разговор становится интерфейсом, слова становятся частью дизайна.

Сгенерировать ответ относительно легко.

Понять, действительно ли этот ответ хороший, гораздо сложнее.

Он правильный?

Релевантный?

Безопасный?

Слишком длинный?

Подходит аудитории?

Хорошо работает на разных языках?

Понимает региональное выражение?

Остаётся последовательным, если тот же вопрос сформулировать иначе?

В 2026 году NIST запустил программу Artificial Intelligence Technology Evaluation для оценки ИИ-моделей с использованием закрытых тестовых данных, разных задач и общих метрик.

ISO также разрабатывает специальные методы оценки качества систем обработки естественного языка.

Это показывает важный сдвиг.

Вопрос больше не только в том:

«Может ли система это сделать?»

Он становится другим:

«Как мы узнаем, что она делает это хорошо?»

ИИ может отлично работать на английском и быть менее последовательным на другом языке, даже если его грамматика выглядит безупречно.

Языки — это не просто разные словари.

Они меняют структуру, регистр, вежливость, иронию, юмор, культурные отсылки и профессиональные нормы.

Количество и качество доступных данных также различаются между языками.

UNESCO отмечает риск того, что системы, обученные преимущественно на доминирующих языках, могут воспроизводить языковую иерархию и уменьшать разнообразие именно тогда, когда должны учиться на нём.

Поэтому многоязычному ИИ нужно нечто большее, чем автоматический перевод.

Ему нужны лингвистические и культурные знания.

Для человека, который знает несколько языков и одновременно понимает технологии, такая комбинация может стать значительным профессиональным преимуществом.

“

Перевести слова — не всегда значит перенести смысл.

World Economic Forum относит AI и big data к навыкам, которые будут расти быстрее всего к 2030 году, наряду с аналитическим мышлением, креативным мышлением, гибкостью, устойчивостью и непрерывным обучением.

Это важная комбинация.

Не всем нужно становиться программистами.

Не всем нужно становиться лингвистами.

Возможности возникают именно на пересечении.

Лингвистика + ИИ.

Дизайн + данные.

UX + диалог.

Исследования + автоматизация.

Коммуникация + модели.

Технологии + культура.

ИИ создаёт и интересный парадокс: чем мощнее он становится в генерации результатов, тем ценнее может становиться человеческое суждение, позволяющее отличить приемлемый ответ от действительно хорошего.

Возможно, мы создаём не только новые профессии.

Возможно, мы создаём новые пересечения.

Язык и программирование.

Данные и коммуникация.

Дизайн и искусственный интеллект.

Лингвистика и machine learning.

UX и диалог.

Исследования и автоматизация.

Технологии и культура.

Association for Computational Linguistics уже исследует, как большие языковые модели, автоматизация задач и системы ИИ меняют работу и профессии.

Одновременно новые исследования используют языковые модели, чтобы выявлять навыки, которые появляются на рынке труда.

Это уже можно наблюдать:

Профессиональные границы становятся более проницаемыми.

Некоторые профессии исчезнут.

Многие изменятся.

Другие ещё даже не имеют названия.

Но один навык повторяется снова и снова:

умение работать между разными мирами.

Stanford HAI сообщает, что в 2025 году внедрение ИИ в организациях достигло 88 % среди исследованных организаций, а генеративный ИИ использовался как минимум в одной бизнес-функции в 70 % из них.

Это означает, что умение пользоваться инструментом ИИ, скорее всего, перестанет быть редким преимуществом.

Разница будет в том, что происходит дальше.

Задавать лучшие вопросы.

Структурировать информацию.

Находить ошибки.

Давать контекст.

Выстраивать процессы.

Оценивать результаты.

Сотрудничать со специалистами из других областей.

И прежде всего — понимать, когда ответу нельзя доверять.

Технологии всё лучше учатся понимать наши слова.

Теперь нам нужно лучше научиться понимать технологии.

Не для того, чтобы говорить как машины.

А для того, чтобы машины могли лучше работать вместе с нами.

Stanford HAI — 2026 AI Index Report.

World Economic Forum — Future of Jobs Report 2025.

U.S. Bureau of Labor Statistics — Data Scientists, Occupational Outlook Handbook.

Association for Computational Linguistics — Future of Work in the Age of LLMs и исследовательские материалы по компьютерной лингвистике.

Vu, An & Oppenlaender, Jonas — Prompt Engineer: Analyzing Hard and Soft Skill Requirements in the AI Job Market.

ISO/IEC — Corpus development and maintenance for natural language processing systems, ISO/IEC AWI TS 26320.

NIST — Artificial Intelligence Technology Evaluation (AITE).

UNESCO — материалы об ИИ, языковой справедливости и языковом разнообразии.