47% от британските работодатели разширяват технологичните екипи

На 29 септември 2026 г. Robert Half публикува резултати от британско проучване, според което 47% от анкетираните работодатели планират да увеличат постоянните си технологични екипи до края на 2026 г.; най-търсени са уменията по киберсигурност (54%), работа с агентен AI (50%), решения с генеративен AI (48%), облачни технологии (44%) и бизнес анализ (44%). Процентът описва намерения за наемане, а не вече назначени хора.

Според IT Pro още 25% от работодателите разширяват наемането за работа по договори и проекти; цитираният от изданието Мат Уестън, старши управляващ директор на Robert Half за Великобритания и Ирландия, описва търсеното съчетание като „the right blend of technical expertise, commercial understanding and the ability to work effectively alongside AI“. За технологичния специалист това насочва вниманието към две отделни промени: кои компетентности се търсят при наемане и как AI променя задачите в съществуващите роли.

Киберсигурността води в плановете за наемане

Защитата на системите стои начело на посочените умения, а двата вида AI са разграничени като самостоятелни области. Агентният AI обхваща приложения, които изпълняват последователни задачи с определена самостоятелност; генеративният AI създава например текст или код. Разликата има значение при наемането, защото изграждането на работен процес с автоматизирани действия поставя въпроси за разрешенията, контрола и момента, в който човек трябва да поеме задачата.

Облачните умения са непосредствено свързани с това как подобни приложения се изграждат, поддържат и защитават. Бизнес анализът добавя друга необходима част: да се разбере какъв проблем трябва да реши системата и по какво ще се съди дали резултатът е полезен. Класацията не описва една длъжност, която изисква всички тези умения едновременно. Тя показва областите, за които анкетираните британски работодатели предвиждат търсене.

Така акцентът върху AI не измества техническата основа от картината. Специалист по облачни системи може да работи по внедряване на AI приложение, а специалист по сигурност — по границите на неговия достъп и използването на данни. Това са възможни връзки между компетентностите, а не отделни прогнози за броя на бъдещите позиции.

AI променя и работата след назначаването

В първичното описание на проучването се уточнява, че анкетите са проведени през юни 2026 г. сред 500 мениджъри по наемане и 1000 специалисти във Великобритания от няколко професионални области; сред технологичните специалисти 45% казват, че вече се очаква да развиват нови AI умения, 38% отделят повече време за надзор и проверка на генерирани резултати, 53% съобщават за по-малко време, прекарано в рутинни задачи, а 37% определят ролите си като по-стратегически. Отговорите на специалистите описват промяна в задачите им, докато планът за разширяване на екипите идва от работодателите.

Проверката на генериран резултат не е само редакция на очевидна грешка. При техническа задача тя може да включва съпоставка с изискванията, проверка на поведението при неочакван вход и преценка дали предложеното решение създава риск за данните или достъпа. Когато рутинната част от работата отнема по-малко време, качеството на тази преценка става по-видима част от ролята.

Анкетните отговори обаче не измерват колко работни места AI е създал или премахнал. Те показват как част от британските специалисти описват собствената си работа в момента на проучването. За въпроса дали AI намалява технологичните роли най-точният извод е по-тесен: в тези данни има едновременно планове за наемане и отчетена промяна на задачите, но няма измерен нетен ефект върху заетостта.

Как изглежда съчетанието от умения в един проект

Разликата между познаване на инструменти и работа с тях може да се покаже в ограничен тримесечен портфолио проект. Това е редакционен пример, а не изискване на анкетираните работодатели. През първия месец кандидатът би могъл да изгради малка облачна услуга за конкретен процес, с описани входни данни, очакван резултат и права за достъп. Така техническата основа може да се оцени сама по себе си, преди към нея да се добави AI.

През втория месец към същата услуга може да се включи генеративен или агентен компонент с ясно ограничена задача. Полезното доказателство тук е поредица от предварително определени случаи: кога резултатът е приемлив, кога е грешен и кога автоматизираното действие трябва да спре за човешко решение. Тази част показва едновременно работа с AI и способност за надзор над него. Списък с използвани модели сам по себе си не показва как кандидатът открива грешките им.

През третия месец проектът може да се довърши с обяснение на бизнес целта и с проверки за сигурност: кой има достъп до данните, какви действия са разрешени и как може да се проследи спорен резултат. Един завършен пример тогава свързва облачната основа, AI компонента, проверката на изхода и причината системата изобщо да съществува. Той не гарантира назначаване, но прави отделните умения видими в общ работен контекст — именно съчетанието, което Уестън описва.

Какво означават британските данни за България

Проучването показва посока на търсене във Великобритания, а не брой свободни позиции или очаквано увеличение на заплатите в България. Дори на британския пазар заявеното намерение за разширяване тепърва трябва да се превърне в конкретни обяви и назначения. Освен това анкетата обхваща няколко професионални области, така че резултатите не бива да се четат като измерване само на технологични компании.

За специалист в България най-полезният сигнал е как се събират компетентностите: техническа инфраструктура, сигурност, проверка на AI резултати и разбиране на задачата, която работодателят решава. Реалният ефект от британските планове ще стане ясен от последващото наемане до края на годината; местното търсене трябва да се преценява по данни за българските работодатели.