3SELLER Journal 3SELLER →

Менеджер нейросетей: чем занимается, 5 задач, зарплата до 400 000 ₽ и почему без него ИИ-проект разваливается

22.11.2026

Первый запрос на «менеджера нейросетей» прилетел мне от сети кофеен. Собственник хотел «внедрить ИИ», бюджет называл в два миллиона, сроки - квартал. Через сорок минут разговора выяснилось: ему нужно сократить время ответа на отзывы в картах и агрегаторах с двух дней до двух часов. Никакой нейросетевой магии, одна модель плюс человеческая проверка на выходе. Человек, который вскрыл эту разницу за сорок минут и потом довёл задачу до работающего сценария, и есть менеджер нейросетей.

Профессия новая, вакансии кривые, названия разные. Дальше по существу: что человек делает руками и головой, за что ему платят, где его полномочия заканчиваются и как войти в тему без математической базы.

Менеджер нейросетей - это продакт, который умеет считать токены

На рынке одна и та же роль называется по-разному: AI product manager, менеджер ИИ-продуктов, руководитель направления нейросетей, AI-лид. Суть одна. Человек ищет в бизнесе место, где нейросеть даёт измеримый выигрыш, и доводит это место до продукта. В вакансиях формулируют сухо: исследовать рынок, находить точки применения искусственного интеллекта, создавать и развивать продукты на его основе. За этой строчкой прячется много боли: «применить ИИ» умеет каждый второй, а посчитать окупаемость - единицы.

От обычного продакта отличие одно, но принципиальное. Менеджер ИИ-продуктов обязан разбираться в технической стороне, включая Data Science. Не писать код, а понимать, где модель врёт, почему качество падает на длинных диалогах, что такое температура и зачем она нужна. Без этого он покупает кота в мешке у подрядчика и узнаёт правду на этапе, когда деньги уже потрачены.

Смежные роли постоянно путают. AI-тренер занимается данными: размечает, оценивает ответы, помогает модели отличать надёжный источник от мусорного, а этичный ответ от оскорбительного. За рубежом это data annotators, AI tutors, human-feedback specialists. Разработчик нейросетей выясняет потребности заказчика, исследует архитектуры, отлаживает и дообучает модель. Менеджер стоит между ними: заказывает разметку, ставит задачу разработке и отвечает за то, чтобы конструкция приносила деньги, а не строчки в резюме.

Утро начинается не с промптов, а с дашборда

Живой вторник из практики. 9:40, три числа на экране: стоимость тысячи диалогов, медианная задержка ответа, доля обращений, ушедших на человека. Вчера стоимость выросла на 18% без всяких причин. Разбор занял час: инженер поменял модель в проде на более умную, потому что «на тестах отвечала лучше». На тестах лучше, в проде дороже в шесть раз, и никто не спросил, готовы ли мы за это платить. Классика.

Дальше по календарю юрист по персональным данным, потом подрядчик по разметке, потом полтора часа с оператором поддержки на переписывание инструкции для модели. Промпты в этой профессии - процентов десять времени. Остальное цифры, люди и договорённости.

Отдельный жанр - разговор с заказчиком, который хочет «как у них». Приходится объяснять на пальцах: у них другой объём данных, другая поддержка и другой бюджет на инференс. Иногда честный ответ звучит как «вам это не нужно», и его надо уметь произнести, не потеряв клиента.

Пять задач, которые съедают почти всё время

Самая недооценённая строчка здесь последняя. Я видел три внедрения, которые технически работали идеально и умерли за месяц: операторы саботировали инструмент. Люди не любят, когда им приносят помощника, который выглядит как замена.

Стоимость запроса - цифра, которую забывают все

Простой пример. Поддержка маркетплейса, 200 тысяч обращений в месяц. Разница между дорогой флагманской моделью и дешёвой на таком объёме - порядка 70 тысяч рублей в месяц, почти миллион в год. И это только инференс. Менеджер нейросетей обязан знать эту арифметику наизусть, иначе он не управляет продуктом, а наблюдает за ним.

Отсюда типовое решение - роутинг. Простые вопросы про статус заказа уходят на лёгкую и быструю модель, сложные конфликты на флагман. Экономия доходит до 60-70% бюджета на инференс, а качество на массовых запросах не падает. Плюс кэш повторяющихся ответов и отказ от генерации там, где хватает обычного поиска по базе знаний. Половина «внедрения ИИ» на деле оказывается грамотной маршрутизацией запросов, а не магией.

Метрики, за которые он отвечает

Набор не такой большой, как кажется. Стоимость одного успешного обращения. Доля автоматических ответов без участия человека. Доля эскалаций. Время ответа. Удовлетворённость после диалога. И отдельно доля случаев, где модель навредила: нагрубила, выдумала, пообещала лишнее. Последняя метрика обычно живёт в отдельной таблице, потому что её никто не любит показывать.

В обсуждениях на Reddit практикующие AI-продакты сходятся в одном: доля автоматических ответов - самая обманчивая цифра в отрасли. Её можно поднять до 95%, отключив передачу на человека, и продукт умрёт через неделю от жалоб. Такие ловушки видны только тому, кто сидит в цифрах сам, а не читает отчёт раз в месяц.

Границы: где менеджер заканчивается и начинается инженерия

Оценка рисков от внедрения алгоритмов прямо входит в обязанности менеджера нейросетей. Плохие новости приходят оттуда, откуда не ждёшь: модель уверенно выдумывает сроки доставки, придумывает скидку, которой нет, и обещает возврат, который компания не делает. Отвечать за это будет не разработчик, а владелец продукта.

Отдельная зона ответственности - данные. Прежде чем отправить в модель реальные обращения клиентов, надо ответить на неприятные вопросы: что именно уходит на сторону, есть ли там персональные данные, что с ними происходит дальше. В российских проектах добавляется вопрос, где физически обрабатываются данные. Менеджер, который пропускает этот этап, готовит компании иск и заголовок в новостях.

Дальше начинается чужая территория. Выбор архитектуры, дообучение, отладка, инфраструктура - это инженеры. Менеджер формулирует требования и принимает результат по метрикам. Если он лезет в код, обычно получается хуже, чем если бы он вообще не лез. Если он не понимает, что ему принесли, получается ещё хуже.

Собеседование и деньги

На собеседованиях я задаю три вопроса, которые отсекают 80% кандидатов. Как измерить качество ответов модели, если эталонного датасета нет. Что делать, если модель в продакшене начала галлюцинировать, а на тестах всё было ровно. Как посчитать, окупилась ли фича.

Правильные ответы скучные и практичные. Собрать выборку руками, договориться с бизнесом о критериях, ввести заземление на базу знаний и передачу человеку на спорных случаях. По галлюцинациям смотреть не средние, а хвост: пять процентов худших ответов портят репутацию сильнее, чем девяносто пять хороших её спасают.

По деньгам ориентир такой: по данным SkillFactory старт от 150 тысяч рублей. В Москве и у продуктовых команд с реальным P&L вилки выше, сильный специалист с опытом запуска нескольких сценариев выходит на 300-400 тысяч. Верхние значения - это уже про управление направлением и командой, а не про промпты.

Российская специфика: половина работы - это доступ

У нас к обычным задачам добавляется бытовая. Нужно сравнить пять моделей на своих данных, а половина из них не открывается без иностранной карты, VPN и танцев с регистрацией. На это уходит время, которого нет, а менеджеру нейросетей нужно тестировать быстро и часто.

Поэтому в работе у меня висит ИИ-роутер 3GPT от 3SELLER. Один вход, и внутри доступ к флагманам: Chat GPT 6 Astra, the model 5, 5.1 и 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений, генерация видео и ещё десяток моделей. Стоимость входа от 149 рублей, пополнить можно российской картой, через СБП или криптой. Для человека, который каждый день выбирает модель под задачу, это снимает целый пласт рутины.

3GPT доступ к нейросетям из России

Сравнивать модели по цене за токен в вакууме бессмысленно. Считать надо цену за решённую задачу: одна дорогая модель, которая закрывает вопрос с первого раза, часто дешевле трёх дешёвых попыток и потерянного клиента. Такие сравнения удобно делать в одном окне, а не переключаясь между пятью вкладками и тремя аккаунтами.

Как это выглядит на практике. Утром прогоняю один и тот же набор из 30 реальных клиентских запросов через две-три модели и смотрю, кто отвечает точнее. Дешёвая может выиграть на массовых вопросах, и тогда вся экономика сценария меняется в лучшую сторону. Раньше на такой прогон уходил день, теперь полчаса.

Готовые агенты экономят те самые первые две недели

Отдельная штука, которую я оценил по-настоящему, когда надо было быстро показать бизнесу результат, а не презентацию. Готовые ИИ-агенты под конкретные задачи на 3seller.com/ai/agents. Выбираешь агента, начинаешь с ним общение, а модель меняешь прямо в чате, если текущая не тянет.

готовые ИИ агенты 3GPT

Менеджеру нейросетей такой конструктор закрывает классическую боль пилота. Пока согласовывают бюджет на разработку, проходит месяц, и энтузиазм у заказчика заканчивается. А тут за вечер собирается рабочий прототип, на котором можно проверить гипотезу и прийти с цифрами вместо обещаний.

Картинки и видео - не украшение, а рабочий инструмент

Генерация изображений в работе менеджера нейросетей встречается чаще, чем кажется. Карточки товаров, обложки, баннеры, раскадровки для видео. Для этого есть отдельный вход: реалистичные фото и изображения через лучшие ИИ-инструменты. Модели вроде Nano Banana выдают результат, который не стыдно поставить в рекламу без пересъёмки.

генерация изображений 3GPT

С видео та же история. Ролик для соцсетей или черновой рекламный креатив собирается за минуты, и его можно протестировать на реальной аудитории до того, как в продакшн уйдёт съёмочная группа с бюджетом.

генерация видео и контента в 3GPT

Проверить весь набор моделей и агентов можно на официальном сайте 3GPT. Российская карта, СБП или крипта, без посредников и иностранных аккаунтов.

Как войти в профессию, если математической базы нет

Реальный маршрут, который я видел у людей, выросших в эту роль за год. Первое: взять свою предметную область, в которой вы уже разбираетесь, и найти в ней три скучных повторяющихся процесса. Второе: руками прогнать их через две-три модели, зафиксировать результаты в таблице. Третье: показать эту таблицу руководителю и попросить один пилот.

Никакого курса по нейросетям для этого не требуется, хотя базовый продакт-менеджмент придётся подтянуть: исследование рынка, разработка продукта, бюджетирование, тестирование, продвижение. Требуется другое: понимание, где модели приносят продукту дополнительную ценность, и знание своей индустрии. Человек из логистики, который знает, где в цепочке теряются деньги, полезнее выпускника курса по промптам, который не отличает накладную от счёта.

И честно про сложности. Первые полгода много рутины: прогоны, таблицы, разбор провалов, объяснения бизнесу, почему нельзя «как в ChatGPT». Публичного признания меньше, чем ожидаешь. Зато через год у вас на руках измеримые кейсы, а это самый твёрдый аргумент на рынке.

Три ошибки, которые я встречаю постоянно

Первая. Начинают с модели, а не с процесса. Полгода выбирают между флагманами, потом выясняют, что 70% обращений закрываются одной кнопкой в интерфейсе и никакая нейросеть там не нужна.

Вторая. Мерят точность вместо денег. Отчёт «модель отвечает правильно в 87% случаев» ничего не говорит директору. «Мы вернули 1,4 млн рублей на обработке возвратов» говорит всё.

Третья. Запускают пилот без владельца процесса. Технари сделали, модель работает, а в поддержке никто не обязан ей пользоваться. Через месяц инструментом не пользуется никто, и все делают вид, что так и планировалось.

С чего начать на этой неделе

Возьмите один процесс, где люди тратят время на повторяющиеся тексты. Посчитайте, сколько стоит час этого человека и сколько таких часов в месяц. Прогоните 30 реальных примеров через две модели с разной ценой за запрос и сравните не на глаз, а по числу пригодных ответов. Если дешёвая модель даёт 80% от качества дорогой, вы уже нашли способ сэкономить, ничего не потеряв.

Дальше нужен доступ, и вот тут не стоит тратить неделю на обход блокировок. 3GPT даёт все флагманские модели из России за 149 рублей на старте, с оплатой российской картой. Менеджер нейросетей отличается от остальных ровно одним: он проверяет гипотезы на реальных данных, а не обсуждает их в чатах.

← Вернуться к блогу

Читать дальше