Що перспективніше у 2026 році: AI Automation Engineering чи Data Engineering
Всім привіт!
Я стикнулася з дилемою на своєму карʼєрному шляху. Думаю, кожен із нас стояв на роздоріжжі в певний момент і думав: що ж обрати.
Отож, до вашої уваги два сценарії. Вони різні і, як на мене, обидва непогані.
Пропоную подискутувати на тему, куди ж рухається ІТ і що є перспективним рішенням на вашу думку.
1. Data Engineering — всім зрозумілий напрямок. Велика сервісна компанія, великий клієнт . Ви гвинтик у системі, не бачите імпакту своєї роботи, але це доволі хороша та надійна професія.
2. AI Automation/AI Agents/Solution Developer/Forward Deployed Engineer — мікс отаких ролей у стартапі. Де можливий стрімкий розвиток, купа різного досвіду, бачення імпакту на бізнес, овнершіп над проєктами. Так, це маленька компанія. Так, розмиті перспективи, але працівники більше цінуються. Єдиний нюанс, фокус на інструменті UiPath — це low-code платформа з AI можливостями. Є побоювання, що це зведе все до вузької спеціалізації.
Що б обрали ви?
Надійність і передбачуваність чи перспективи зростання і залученість.
P.S. Про мене: я людина, яка більше про другий варіант. Але страх застрягнути у вузькій ніші (UiPath) не дає спокою.
1 коментар
Додати коментар Підписатись на коментаріВідписатись від коментарівДавай зададим дополнительные вопросы:
1) что тебе больше нравится? однообразие узкого специалиста в "вечной«(якобы) сфере или разнообразие и широкий опыт в современных технологиях, за которыми будущее?
Для сравнения можно взять С++: вроде как вечен, но есть нюанс....
Его роль свелась к узкой сфере — к инфраструктурным проектам: графика, финансы, системное программировние.
Даже на уровне операционных систем уже наметился активный переход на современный Rust: всё новое для винды пишут на нем.
2) вот, что советует Джемини:
Якщо вас лякає «вузькість» UiPath, подивіться на AI Agents / Python Engineering. Замість того, щоб бути прикованим до одного вендора, вчіться будувати автоматизації на стеку Python + LLM API + Vector Databases. Це дає той самий овнершіп і драйв стартапу, але ви не залежите від того, чи буде популярним UiPath через 3 роки.
3) вопрос получения опыта. Слишком большая зацикленность на однотипном анализе данных — очень сужает кругозор и ухудшает перспективы.2-3 года оно может надоесть до тошноты и — что делать тогда? Ставить все на это — на всю жизнь — тоже неудачное решение, если глаза в эту сторону не горят.
Еще важно учитывать, что через
В целом, я бы делал ставку на все, где есть использование ИИ и питон. К данным ИИ тоже придет.
Еще можно рассмотреть направление DevOps — их ИИ не заменит, они более редки, чем разработчики и аналитики.