Зарплаты AI/ML-инженеров Q2 2026: кто зарабатывает 500K+ и почему дефицит не снижается

AI/ML — единственный сегмент с реальным ростом зарплат

В IT-зарплаты Q2 2026 мы зафиксировали стагнацию медианной IT-зарплаты на уровне 183 333 ₽. Рынок работодателя, hh-индекс 14,2, заморозка бюджетов — всё это реальность для подавляющего большинства IT-специалистов. Но есть один сегмент, который живёт в параллельной реальности.

ML/AI-инженеры — единственная категория, где зарплаты продолжают расти двузначными темпами (+15–20% за полугодие), вакансии висят незакрытыми по 90 и более дней, а hh-индекс остаётся ниже 2,5. Это не просто дефицит — это структурный разрыв между спросом и предложением, который не закроется в ближайшие 2–3 года.

Разберём конкретные цифры: кто зарабатывает 500K+ в месяц, какие навыки дают максимальную премию и почему даже агрессивный найм крупных компаний не может насытить рынок.

Бенчмарки зарплат по ML/AI-ролям

Данные собраны из открытых вакансий hh.ru, GetMatch и профильных Telegram-каналов за март–апрель 2026. Указаны диапазоны «на руки» для Москвы:

Для сравнения: медиана Senior-разработчика в целом по IT — около 310 000 ₽ (Хабр Карьера, 2П 2025). Senior ML Engineer с зарплатой 750K получает в 2,4 раза больше. Это не аномалия — это рыночная цена дефицитной компетенции.

Почему дефицит ML-инженеров не снижается

На рынке в целом — избыток IT-кадров. Вакансий стало на 40% меньше, резюме — на 30% больше. Но в ML/AI-сегменте ситуация обратная: 30–40% позиций остаются незакрытыми более 90 дней. Причин несколько, и все они структурные.

EdTech не готовит production-инженеров

Курсы «Data Science за 6 месяцев» выпустили тысячи Junior-специалистов, которые умеют обучать модели в Jupyter Notebook. Но рынок требует инженеров, способных вывести модель в production: контейнеризация, мониторинг дрифта, оптимизация инференса, работа с GPU-кластерами. Между «обучить XGBoost на CSV» и «развернуть LLM-сервис на 10 000 RPS» — пропасть в 3–5 лет опыта.

GPU-компетенции — редкость

Опыт работы с GPU-кластерами, CUDA-оптимизации, распределённого обучения на нескольких нодах — навыки, которые невозможно получить на курсах. Нужен доступ к реальной инфраструктуре, а GPU-серверы стоят от 500 000 ₽/мес. в аренду. Замкнутый круг: чтобы получить опыт — нужна работа, чтобы получить работу — нужен опыт.

Отток в зарубежные компании

Несмотря на санкции, часть Senior ML-инженеров продолжает работать на международные компании удалённо — через юрисдикции ОАЭ, Армении, Казахстана. Зарплаты там начинаются от $8 000–12 000/мес. (640K–960K ₽ по текущему курсу), что конкурентно даже с предложениями SberAI.

Внутренняя конкуренция крупных компаний

Sber, Yandex, T-Bank, VK, MTS строят собственные ML-платформы и LLM-сервисы. Каждая компания нуждается в десятках Senior ML-инженеров одновременно. При ограниченном пуле кандидатов это превращается в зарплатную гонку.

Навыки с максимальной зарплатной премией

Не все ML-навыки одинаково ценятся. Вот что реально поднимает зарплату выше рынка:

Ключевое наблюдение: максимальная премия — у навыков, связанных с LLM. Fine-tuning, RAG, распределённое обучение — это тройка, которая отличает инженера за 400K от инженера за 800K. В 2024 году такой разрыв давал опыт в NLP. В 2026 — LLM-инженерия стала отдельной дисциплиной.

Кто платит больше всех: компании-работодатели

Пять крупнейших работодателей ML-инженеров в России формируют верхнюю границу рынка:

За пределами пятёрки — десятки компаний в финтехе, e-commerce и промышленности, которые готовы платить 400–600K за Senior ML-инженера. Но конкурировать с бюджетами Sber и Yandex на R&D они не могут, поэтому переплачивают за production-навыки: «нам не нужны публикации — нам нужно, чтобы модель работала в проде».

Прогноз: что будет с зарплатами ML к концу 2026

Три фактора, которые определят динамику:

1. Спрос продолжит расти. Каждая крупная компания строит свою LLM-инфраструктуру. Внедрение AI-ассистентов в бизнес-процессы (кодинг, поддержка, документооборот) создаёт новые позиции. По нашей оценке, число ML-вакансий вырастет ещё на 15–25% к Q4 2026.

2. Предложение не успеет. Подготовка Senior ML-инженера занимает 4–6 лет. Junior-выпускники EdTech-курсов 2024–2025 годов станут Middle только к 2027–2028. До тех пор дефицит сохранится.

3. Зарплатный потолок вырастет. К концу 2026 года верхняя граница для Lead/Principal ML-инженеров, по нашей оценке, достигнет 1,3–1,5M ₽/мес. в SberAI и Yandex Research. Медиана Senior ML вырастет до 700–800K.

Рекомендации для CTO и ML Lead

Для нанимающих

• Пересмотрите вилки. Если ваша верхняя граница для Senior ML — 400K, вы конкурируете за Middle-сегмент. Для привлечения Senior с LLM-опытом нужна вилка от 600K.
• Инвестируйте в grow-your-own. Выращивание Middle ML-инженера из сильного бэкенд-разработчика (Python, Go) — быстрее и дешевле, чем поиск Senior на открытом рынке. Срок: 12–18 месяцев при наличии ментора и GPU-инфраструктуры.
• Предлагайте GPU-время. Для ML-инженера доступ к кластеру A100/H100 — не менее ценный бенефит, чем ДМС. Укажите это в вакансии.
• Рассмотрите MLOps как точку входа. MLOps-инженеры стоят на 20–30% дешевле ML-инженеров, но закрывают критичную задачу — production-развёртывание. Два MLOps + один Senior ML — работоспособная команда.

Для ML-инженеров

• LLM fine-tuning — главный рычаг зарплаты в 2026. Если вы ещё не работали с LoRA/QLoRA/RLHF — это первый навык для изучения.
• Production-опыт важнее исследований. Рынок платит за работающие сервисы, а не за ноутбуки в Kaggle. Опыт деплоя модели на Kubernetes с мониторингом через MLflow стоит дороже, чем публикация на NeurIPS.
• RAG-архитектуры — второй по ценности навык. Каждая компания, внедряющая LLM, строит RAG-пайплайн. Опыт с векторными БД (Qdrant, Milvus, Pinecone), chunk-стратегиями и оценкой качества retrieval — устойчивый спрос на ближайшие 2–3 года.