Российский облачный рынок продолжает расти. По оценке M1Cloud, по итогам 2025 года его объем оценивался примерно в 400 млрд рублей, а в 2026 году рынок может сохранить темпы роста не ниже 30%. На этом фоне рынок труда в ИТ перестраивается: в марте 2026 года количество активных вакансий в профобласти «Информационные технологии» на hh.ru снизилось на 37% год к году, тогда как число активных резюме выросло на 29%. Массовый найм стал осторожнее, но спрос на специалистов, которые помогают бизнесу переносить критичные системы в облака, внедрять ИИ, управлять затратами и защищать инфраструктуру, сохраняется.

Дмитрий Соловьёв, технический директор M1Cloud, рассказал, что в 2026 году рынку нужны не просто администраторы виртуальных машин: заказчики ждут от провайдера экспертизу на стыке инфраструктуры, ИИ, безопасности и экономики облака, а также объяснил, почему облачные команды будут конкурировать за специалистов, которые умеют превращать сложные технологические платформы в управляемый, безопасный и экономически понятный сервис для бизнеса.

Спрос на кадры, связанные с ИИ, растет быстрее среднего по рынку. По данным hh.ru, в 2025 году количество вакансий для ML-инженеров выросло со 135 до 396, для AI-инженеров — со 164 до 290. Для облачного рынка это означает рост запросов на GPUaaS: бизнесу нужны ресурсы для обучения моделей, но покупка и эксплуатация GPU-оборудования на собственной площадке часто экономически нецелесообразна. Поэтому провайдерам нужны инженеры, которые проектируют и администрируют GPU-кластеры, настраивают сетевую инфраструктуру и системы хранения под высокую нагрузку, управляют контейнерными средами, MLOps-инструментами и интеграцией ИИ-сервисов в инфраструктуру заказчиков.

Рост облачных бюджетов требует управления стоимостью, а не только контроля счета. В неуправляемых средах часть расходов возникает из-за простаивающих ресурсов, избыточно выбранных конфигураций, дублирования сервисов и отсутствия правил потребления. FinOps объединяет финансы, ИТ и бизнес-команды: специалисты анализируют потребление, распределяют затраты по проектам, помогают выбирать модели потребления и резервирования ресурсов, выстраивают бюджетирование и прогнозирование. По данным State of FinOps 2026, практика вышла за пределы публичного облака: 90% FinOps-команд управляют или планируют управлять SaaS-расходами, 57% — частными облаками, а 98% уже работают с затратами на ИИ.

В условиях дефицита кадров компании переносят инфраструктуру в облака, но скорость разработки зависит не только от аренды ресурсов. Командам нужны внутренние платформы разработчика (Internal Developer Platforms), которые позволяют быстро и безопасно разворачивать приложения, базы данных, окружения тестирования и мониторинг без постоянного участия инфраструктурных инженеров. Platform Engineering развивается как практическое продолжение DevOps: эти специалисты создают self-service инструменты, стандартизируют шаблоны инфраструктуры, автоматизируют CI/CD, интегрируют Kubernetes, IaC и инструменты наблюдаемости (observability). В результате бизнес быстрее выводит продукты на рынок, а эксплуатационные команды меньше времени тратят на типовые запросы.

Миграция критичных систем и ИИ-нагрузок в облака меняет профиль рисков. Наряду с классическими задачами — сегментацией сети, управлением доступами, шифрованием, резервным копированием и соответствием требованиям регуляторов — растет значение защиты контейнерных сред, API, пайплайнов данных и моделей машинного обучения. По прогнозу Sk Capital и «Кода Безопасности», сегмент облачной кибербезопасности в России может вырасти с 7 млрд рублей в 2024 году до 32 млрд рублей к 2028 году. Поэтому будут востребованы специалисты, которые понимают и ИБ, и устройство облачной инфраструктуры: умеют выстраивать zero trust, защищать CI/CD и Kubernetes, контролировать доступ к данным для обучения моделей, снижать риски утечек через API и работать с угрозами для ML-систем, включая adversarial-атаки.

Чем сложнее облачная инфраструктура, тем труднее управлять ею вручную. Виртуальные машины, контейнеры, микросервисы, сетевые компоненты и хранилища генерируют большой поток метрик, логов и событий. AIOps (Artificial Intelligence for IT Operations) применяет машинное обучение для мониторинга, корреляции событий, обнаружения аномалий, прогноза инцидентов и автоматического масштабирования ресурсов. Такие специалисты помогают сократить время реакции на инциденты, снижать количество ложных срабатываний и находить причины проблем до того, как они затронут пользователей. В ближайшие 2–3 года спрос на AIOps-компетенции в России будет расти вслед за усложнением облачных сред, распространением Kubernetes, мультиоблачных архитектур и ИИ-нагрузок.