Искусственный интеллект обещает автоматизировать значительную часть работы в кибербезопасности, но экономии компании могут не получить. 69% российских руководителей в сфере ИБ выбрали сценарии, при которых расходы на персонал и технологии из-за внедрения ИИ вырастут как минимум вдвое. Еще 37% участников допускают четырехкратный рост затрат.

Прогнозы прозвучали на форсайт-сессии Кибердома 28 октября в рамках SOC Forum 2026. Шесть руководителей информационной безопасности представили альтернативные модели развития ИБ-подразделений до 2031 года, а аудитория примерно из 650 представителей топ-менеджмента выбирала наиболее вероятные варианты.

Главное расхождение возникло вокруг влияния автоматизации на штат и бюджет. 37% участников поддержали модель, при которой искусственный интеллект сможет выполнять функции до 40% сотрудников ИБ-подразделения. Численность команды при подобном развитии не сократится и даже может вырасти, поскольку компаниям понадобятся специалисты для управления и контроля десятков ИИ-агентов. Расходы на персонал и использование моделей в подобной модели увеличатся в четыре раза.

Еще 32% руководителей выбрали сокращение части начинающих специалистов с переобучением остальных сотрудников. На одного специалиста будут приходиться от трех до пяти ИИ-агентов, а затраты как минимум удвоятся. Сохранение нынешнего штата и бюджета при расширении автоматизации поддержал 31% участников.

Отдельной статьей расходов станет работа самих моделей. Руководитель дирекции информационной безопасности "Почты России" Роман Шапиро допустил увеличение затрат на персонал и ИИ в четыре-пять раз с учетом стоимости токенов, единиц текста, которые модель получает и генерирует при обработке запросов. Рост числа автоматизированных процессов одновременно может увеличить количество проблем, связанных с работой искусственного интеллекта.

В Hoff Tech ожидают, что автоматизация до 40% функций не приведет к сопоставимому сокращению сотрудников. Одному специалисту в перспективе придется контролировать более десяти ИИ-агентов, поэтому компаниям потребуются новые компетенции и другие принципы распределения бюджета.

Участники также выбирали главную цель внедрения искусственного интеллекта. 42% проголосовали за повышение экономической эффективности, ускорение процессов и сохранение либо сокращение расходов на информационную безопасность. Еще 38% поддержали более радикальную модель с практически автономной системой киберзащиты без постоянного участия человека. Постепенную автоматизацию анализа событий и расследования некритичных инцидентов выбрали 20%.

Интерес к ИИ в отрасли заметно вырос еще на этапе подготовки SOC Forum 2026. Организаторы получили 126 заявок на выступления в направлении AI Cybersecurity из более чем 400 заявок на весь форум. Годом ранее направление собрало 53 заявки, поэтому показатель увеличился примерно в 2,5 раза.

При выборе моделей российские компании рассчитывают прежде всего на отечественные и собственные разработки. 53% руководителей поддержали вариант, при котором 60% используемых ИИ-моделей будут российскими, 30% компании создадут самостоятельно, а доля иностранных решений составит 10%.

Еще 27% участников выбрали 90% российских и 10% иностранных моделей. Зарубежные системы в подобной архитектуре предлагается размещать за ИИ-файрволом, который контролирует обмен данными с моделью. Полный отказ от иностранных разработок поддержали 20% руководителей: 70% решений при подобном варианте будут российскими, оставшиеся 30% компании разработают самостоятельно.

Передавать искусственному интеллекту управление подразделением руководители готовы значительно осторожнее. 48% участников согласились автоматизировать около 20% функций CISO, включая анализ первичных данных, проверку контента и поиск отклонений в процессах. Еще 30% допускают передачу ИИ до 40% управленческих задач, включая мониторинг работы сотрудников, взаимодействие с подразделениями и анализ рынка средств защиты.

Передачу искусственному интеллекту до 90% функций CISO поддержали 22% участников. Алгоритмы в подобной модели смогут заниматься прогнозированием и подготовкой управленческих решений, но ответственность за окончательный выбор сохранит человек.

Начальник управления по информационной безопасности ФГУП "ГРЧЦ" Дмитрий Карпычев считает наиболее подходящей отправной точкой автоматизацию рутинных операций. Ответственность, принятие решений и разбор нестандартных случаев должны оставаться за специалистами, поскольку чрезмерное доверие алгоритму повышает риск пропустить детали, заметные человеку.

Голосование не представляет собой прогноз с гарантированным исходом: участники выбирали между заранее предложенными моделями развития ИБ до 2031 года. Результаты форсайта показывают другую тенденцию. Массовое внедрение ИИ руководители все чаще связывают не с простым сокращением специалистов, а с перестройкой команд, появлением новых ролей и дополнительными расходами на вычисления, контроль агентов и защиту самих ИИ-систем.

Claude добрался до одной из самых привычных частей найма программистов. Руководитель инженерной команды Anthropic Феликс Ризеберг отказался от кодинг-собеседований при найме в свою команду, поскольку небольшие задания по программированию перестали, по его оценке, показывать, насколько хорошо кандидат будет работать после трудоустройства.

Раньше Ризеберг просил соискателей решать небольшие задачи на реальном коде. Способность быстро разобраться в проблеме и найти аккуратное решение служила пусть слабым, но полезным показателем инженерных навыков. С распространением сильных ИИ-инструментов прежняя проверка потеряла смысл: Claude справляется с небольшими заданиями на React и другими типичными задачами лучше многих кандидатов, а результаты тестов перестали совпадать с реальной эффективностью разработчиков в команде.

Решение касается команды Ризеберга, а не всей Anthropic. На официальной странице вакансий компания по-прежнему описывает собеседования для технических специалистов с программированием в реальном времени через Colab и CodeSignal. Поэтому говорить о полном отказе Anthropic от проверки навыков программирования пока нельзя.

Готовой замены старому формату у Ризеберга тоже пока нет. При просмотре резюме и портфолио менеджер стал обращать больше внимания на небольшие работающие проекты, которые показывают инженерное мышление, понимание пользователей и способность принимать самостоятельные решения. Для начинающих разработчиков Ризеберг советует не ограничиваться выполнением очередной задачи из рабочего списка, а искать важную для бизнеса проблему и быстро собирать прототип решения.

В качестве примера Ризеберг приводит двух сравнительно новых сотрудников Anthropic, Энтони Морриса и Элис Чжао. Разработчики за выходные собрали графический интерфейс для Claude Code, а примерно через восемь дней появилась первая публичная версия. По мнению менеджера, ИИ заметно снижает значение многолетнего опыта работы с отдельными библиотеками и фреймворками, поскольку значительную часть технической рутины теперь можно передать модели.

Наблюдения Ризеберга совпадают с изменениями внутри самой Anthropic. Недавнее исследование компании показало, что доля начинающих специалистов среди новых сотрудников технических подразделений сократилась с 27% до 9%. К августу 2026 года суммарное время работы ИИ-агентов внутри компании в шесть раз превысило время работы сотрудников. При найме менеджеры одновременно стали чаще оценивать самостоятельность, качество решений и умение применять ИИ, а значение узкой технической экспертизы снизилось.

Похожий пересмотр собеседований начинается и в других технологических компаниях. Google тестирует формат, при котором кандидаты на инженерные позиции могут использовать Gemini во время работы с существующим кодом. Интервьюеры оценивают не только результат, но и умение формулировать запросы, проверять ответы модели, находить ошибки и исправлять предложенный ИИ код.

Классические задачи по программированию пока не исчезают из индустрии, но критерии постепенно меняются. Когда нейросеть способна за секунды решить задачу, которую раньше давали человеку на собеседовании, работодателю приходится проверять другие навыки: способен ли разработчик поставить правильную задачу, проверить результат ИИ, заметить плохое решение и превратить идею в работающий продукт.