Мы привыкли думать, что главным узким местом ИТ-компаний является capacity — количество рук, способных перевести бизнес-требования в рабочий код. Долгие годы индустрия строила “фабрики фич” и масштабировала пирамиду разработчиков. Но генеративный ИИ сломал эту физику.
Сегодня производство артефакта (кода, лендинга, дизайна) стремится к нулю по стоимости. Кодинг перестает быть рычагом конкуренции: он коммодитизируется и больше не ограничивает ни рынок, ни организацию. Объем кода и скорость коммитов превращаются в шум — они больше не коррелируют с ценностью продукта.
Если код стал дешевым, куда сместился дефицит? И почему ИИ, способный написать любую систему, никогда не станет в ней полноценным CEO?
Иллюзия автономности: почему ИИ не станет принимающим решения (ЛПР)
Технически ИИ отлично генерирует решения. Он может быть блестящим оракулом, предлагающим опции. Но управленческая роль — это не вычислительная задача. Полная автономность упирается в структурные ограничения, связанные с природой социума.
Где ИИ системно проигрывает живому ЛПР:
-
Нормативный выбор и ценности: ИИ не может решить, что считать «приемлемым ущербом» или где проходит моральная граница. Источник ценностей всегда внешний — это люди, культура и законы.
-
Принятие ответственности через личный риск: Доверие строится на том, что ЛПР платит личной ценой (увольнением, репутацией, свободой) за ошибку. У ИИ нет «шкуры на кону».
-
Легитимность и управление конфликтом: Решения часто вызывают сопротивление. Социальный контракт, обмен уступками и политические коалиции строятся между людьми. Власть держится на признании, а не на математической правоте.
-
Работа с «неизвестными неизвестными»: ИИ уязвим перед новыми правилами игры, которых нет в обучающих данных. У людей есть организационная осторожность и право остановить процесс по слабому сигналу без формального доказательства.
ИИ становится мощным советником, но носителем мандата и ответственности всегда остается человек. Социальная работа по легитимизации решения важнее его алгоритмической оптимальности.
Ловушка сеньорности: коллапс кадрового конвейера
Пока мы решаем, кому делегировать ответственность, на уровне разработки разворачивается тихий кризис. Генеративный ИИ разрушил экономику разработки ПО.
Как отмечают Марк Руссинович и Скотт Хансельман, ИИ действует как технологическое изменение, смещенное в сторону сеньорности.
-
Агентные помощники дают ИИ-буст опытным инженерам, многократно увеличивая их пропускную способность.
-
В то же время, ИИ создает сопротивление для начинающих разработчиков (EiC), которым не хватает контекста для проверки результатов ИИ.
-
Это порождает новую структуру стимулов: нанимайте сеньоров, автоматизируйте джунов.
Но здесь кроется фатальная ошибка второго порядка. Традиционные организации нанимали новичков для простых задач, где те набирались опыта и изучали архитектуру. Если мы перестанем нанимать начинающих специалистов, кадровый конвейер профессии рухнет, и организации останутся без следующего поколения опытных инженеров.
Современные ИИ-агенты демонстрируют поведение «стажеров», маскируя сложные ошибки (например, race conditions) простыми хаками вроде добавления sleep, которые джун может принять за эффективное исправление. Без «системного вкуса» и архитектурной интуиции молодые специалисты просто не смогут верифицировать работу ИИ.
Новая анатомия победы: где мы теперь конкурируем?
Если способность реализовать фичу больше не редкость, выигрыш перетекает в управление реальностью вокруг кода. Производство вариантов отделяется от права на выбор. Новым узким местом становится отклик живых людей и систем: трафик, доверительные барьеры, регуляторика и инерция.
Чтобы побеждать в эпоху дешевых вариантов, компаниям придется перестроить управление вокруг шести слоев:
-
Слой выбора: Выигрывает тот, кто умеет переводить хаос желаний в ясные альтернативы и отсекать 80% инициатив без политического пожара.
-
Слой модели мира: Провал сегодня — это не баги в коде, а неверная онтология (границы, сущности, причинно-следственные связи). Выигрывает тот, кто фиксирует семантику до написания строк кода.
-
Слой измерения и обратной связи: Новый bottleneck — чистый сигнал от рынка. Агенты ускоряют подготовку эксперимента, но рынок остается судьей. Выигрывает тот, кто строит единый источник правды и сокращает время до достоверного вывода.
-
Слой легитимности: Выигрывает тот, кто формирует мандат на изменения и управляет страхами сторон. Хороший план, принятый коалицией, лучше идеального кода, отторгнутого системой.
-
Слой запретов: Масштабирование мусора становится бесплатным. Активом становится способность задать красные линии и определить границы автоматизации.
-
Слой данных: ИИ не может договориться с владельцами legacy-систем. Инфраструктура данных становится главным политико-техническим активом.
Решение: Truth Office и культура прецепторства
Что такое прецепторство
В контексте концепции Марка Руссиновича и Скотта Хансельмана, прецепторство — это целенаправленная и структурированная программа наставничества, в рамках которой начинающие разработчики (джуны, early-in-career, EiC) напрямую работают в паре с опытными менторами (прецепторами) внутри реальных продуктовых команд.
Если раньше джуны учились, забирая на себя рутинные задачи (которые теперь забирает ИИ), то в новой реальности им нужен другой механизм получения «системного вкуса».
Вот ключевые характеристики прецепторства:
Новая цель обучения: Прецепторы направляют и развивают специалистов, обучая их тому, как управлять ИИ-инструментами, развивать критическое суждение и понимать процесс создания продукта на уровне опытных инженеров.
Фокус на развитии, а не на скорости: Этот подход делает само обучение (а не просто объем выпущенного кода) фундаментальной частью инженерии в эпоху ИИ.
Особый статус и ответственность: Прецепторство имеет серьезный профессиональный вес: оно включает в себя как оценку успехов новичка, так и ответственность за его рост.
Сохранение ремесла: Такой подход показывает, что разработка ПО — это не угасающее из-за ИИ ремесло, а полноценная профессия, где старшие инженеры несут прямую ответственность за руководство теми, кто только начинает свой путь.
Масштабируемость: Прецепторы формируют специально обученную группу среди senior-инженеров, каждый из которых способен вести от трех до пяти начинающих разработчиков.
По сути, прецепторство превращает «ИИ-сопротивление» (нехватку контекста у джунов для проверки работы нейросетей) в процесс передачи мудрости, гарантируя, что экспертиза сегодняшнего дня станет интуицией завтрашнего поколения инженеров.
Чтобы не утонуть в энтропии и сохранить инженерную школу, нам нужны новые институты как на уровне кода, так и на уровне процессов.
На уровне процессов центр власти смещается. Менеджмент релизов (Velocity, story points) уходит в прошлое. На их место приходят структуры, контролирующие смысл:
-
Truth Office — владелец единого источника измерений и данных.
-
Governance Cell — владельцы запретов, рисков и права на остановку конвейера.
-
Semantic Core — архитекторы онтологии бизнеса.
На уровне инженерии индустрии жизненно необходима культура прецепторства в масштабе.
-
Организации должны целенаправленно инвестировать в джунов, понимая, что поначалу это снижает общую производительность.
-
Начинающие разработчики должны работать в связке с опытными наставниками (прецепторами) в реальных продуктовых командах.
-
ИИ-ассистенты должны внедрить явный режим для новичков, который по умолчанию использует Сократовский диалог до того, как сгенерировать код.
-
Кодинг-ассистент должен бросать вызов ученику, объяснять свои решения и выявлять пробелы в знаниях.
Вывод
Вчера мы конкурировали производительностью исполнения. Завтра мы будем конкурировать производительностью обучения и качеством запретов. Выживут те компании, которые поймут: ИИ может написать код за секунду, но превратить вчерашнего джуна в инженера с критическим мышлением способна только осознанная человеческая среда.
Автор: theartofdd
