«Из 40 разработчиков оставили 10»: как российские компании режут косты и перестраивают разработку под AI

Всем привет! Меня зовут Тимур Хахалев, я – эксперт в AI coding, веду канал об этом. ^[1]

Недавно я провёл интервью со своим подписчиком – он рассказал правду о текущем положении дел AI coding в российских компаний.

Это разговор с CTO финтеха о том, как AI coding внедряют в реальной компании (цифры, риски, безопасность). На следующей неделе выйдет продолжение — про практические приёмы, там тоже будет много интересного!

Иван — CTO крупного российского финтеха (10 000+ IT‑специалистов) и одновременно технический партнёр интегратора, который делает заказные AI‑автоматизации.

С конца 2023 года он ведёт внедрение нейросетей в разработке в условиях жёсткой безопасности и закрытых контуров: от локального железа и внутренних практик обучения ^[2] команд до встраивания AI в пайплайн (AI‑ревью перед мержем и обязательные каскады тестов).

По его словам, в его департаменте финтеха, около 30% кода уже пишется с помощью LLM, а в соседних веб‑подразделениях ускорение доходило до 10–15 раз; среди «тяжёлых» кейсов — перенос высоконагруженного алгоритма на GPU (Rust+CUDA) и запуск решений для клиентов в защищённом контуре (в т.ч. под требования 152‑ФЗ).

С нейросетью сделал за 2 дня то, что фронтендер делает 30 дней

Для понимания, на что сейчас способны нейросети, Иван попробовал сделать простой проект для финтеха – админку для внутреннего сервиса.

В админку входил дашборд для руководства, полноценная БД с возможностью загрузки данных, коннекторы, разные графики и т. д. Такой проект можно вполне считать коммерческой разработкой.

Прикинули по срокам – у профессионального фронтендера такой проект занимает почти 1 месяц.

Иван такой проект сделал за 2 рабочих дня. Было написано на 30% больше кода (из-за того что нейронка пишет подробные комментарии), но качество продукта сопоставимо.

Получилось ускорение примерно в 15 раз.

Из 40 разработчиков оставили только 10

2025 — тяжёлый год. Операционные расходы растут, доходы нет. Капитализация падает, акционеры недовольны.

Такие решения принимаются не от сытой жизни. Бывают кассовые разрывы, когда зарплату нечем платить. Бывает давление сверху: «резать косты».

В январе решили оставить в интеграторе только сеньоров и архитекторов – тех, кто понимает, как строить системы, кто может корректировать то, что пишет AI.

Осталось 10 человек из 40.

Миддлы и джуны пошли в отпуск с заданием: научиться работать с нейросетями, прийти с результатами. Будут результаты — посмотрим.

Но человек 15 точно уйдут: они не согласны с подходом компании Ивана, вообще не используют AI coding инструменты и считают их злом.

В финтехе расстались с 1500 айтишников всё по той же причине – с AI (даже с локальными моделями – Qwen и GLM) код пишется быстрее.

Расставание с людьми — дорого, но когда математика ^[3] не сходится, выбора нет.

Через 3 года AI coding будет базовым навыком

Иван вспоминает, что в 2001 году массово сокращали бухгалтеров. Появились 1С и Excel, 80% рутины автоматизировалось.

Бухгалтер на счётах, который не умеет в Excel, стал не нужен. Не потому что плохой – навык обесценился.

Сегодня Excel — базовый навык. На собеседовании не спрашивают «умеете ли пользоваться Excel?». Это как «умеете ли читать?».

AI coding идёт туда же. Через 3-5 лет вопрос «используете AI для разработки?» будет звучать так же странно.

Всё будет держаться на сеньорах

В финтехе, говорит Иван, решили всё просто – закрыли найм джунов. Зарплатная вилка для миддлов не выросла. Хотите работать ниже рынка — welcome.

Фокус сейчас идёт на наём сеньоров и архитекторов со знанием нейросетей. Людей с широким кругозором, которые могут из готовых кусков собрать работающую систему.

Промпт-инженеров, например, они не берут. Иван считает это временной профессией. Как веб-мастер в 90-е – через пару лет исчезнет.

А вот люди, которые обладают шир��ким кругозором и могут из готовых кусков собрать работающую систему, спроектировать её – вот такие люди нужны.

Иван говорит, что они будут нанимать сейчас продактов, которые умеют сами собирать прототипы.

Product Owner должен знать, что хочет получить, и через Claude Code проверить гипотезу самостоятельно, не ждать разработчика.

Синтаксис можно не знать.

Иван, например, Rust не знал вообще, последний раз программировал на C++ в 2000-х, но написал высоконагруженный алгоритм на 500 млн RPS вместе с Claude

Подробнее об этом во второй части интервью.

Но архитектуру знать надо – что система должна делать и что получить на выходе. Без этого ничего не выйдет.

Если человек сам не обучается – он никому не нужен

Внедрение AI-кодинга заняло 6-7 месяцев, 40% команд используют.

«Он сделает не так», «За ним надо отвечать» – типичные отговорки у разработчиков от использования AI coding. У Ивана есть команды с сильными лидами, сильной разработкой, но они до сих пор не используют AI в работе.

Есть «старички»: «Я всё знаю, это хайп, пройдёт». Их невозможно обучить, отчаивается Иван.

Обучаемость индивидуальная: кто-то за 2-3 недели схватывает паттерны, а кто-то никогда.

Никто не будет так сильно тратить время на обучение людей. Если человек сам не обучается — не приживётся.

Нужно самому идти в ногу со временем.

Ручное программирование – это хобби, зарядка для мозга ^[4], наподобие игры в шахматы. Почему компании должны оплачивать медитации своих сотрудников, проигрывая в скорости конкурентам?

Про безопасность нейросетей

Основной страх ^[5] компаний, которые хотят внедрить AI coding себе заключается в боязни того, что у них утечёт код или данные.

Но реальные утечки происходят не из-за нейросетей. Очень маловероятно, что кто-то пойдёт взламывать сервера Anthropic, расшифровывать токены и искать среди них ваши исходники.

Чаще это происходит из-за того, через что к ним обращаются: непонятные плагины, незащищённые протоколы, бесплатные VPN.

При этом, люди, испытывающие такие страхи, забывают ^[6], что их же менеджеры обсуждают рабочие вопросы по мобильному.

Могут взломать телефон? Могут.

Все пользуются? Да.

Но вот то, что реально работает:

– Маскирование данных. По ГОСТам проходит любой аудит. Не отправляешь чувствительное наружу, шифруешь у себя.

– Умное прокси. Фильтр на базе локальной LLM проверяет запрос на чувствительную информацию. Есть — отклоняет, нет — пропускает. Причём, такой подход уже работает в одном из финтехов, говорит Иван.

– Закрытый контур. Нужно железо: минимум 8×H100 80GB, чтобы GLM нормально работала на команду в 100 человек. Но стоит это, примерно, 16 млн рублей – не всем по карману.

Прогноз

Россия в AI coding в ближайший год сильно не трансформируется.

Крупная разработка сосредоточена в бигтехе и финтехе. Они зажаты по безопасности, постоянный аудит. Свои ЦОДы с видеокартами есть, локальные модели будут. Но качество не догонит ни китайцев, ни западную четвёрку.

Плюс лобби: Сбербанк, Яндекс со своими моделями. Деньги делать надо, а они отстают. Скорее всего, облачные решения не разрешат, не российские тоже.

Корпоративная разработка придёт к AI. Но придёт отсталой от мира.

Автоматизация простых задач уже работает: автотесты, код-ревью.

Малые команды становятся эффективнее. Gamma.app — 50 человек штата, $2B оценка на 2025-й год.

Выводы

AI-трансформация — вопрос «когда», а не «если». Для кого-то это уже январь 2025.

– Измеряйте. Без метрик не поймёте эффект. Story points, время на фичу, строки кода.

– Начинайте с сеньоров. Они понимают архитектуру. Джуны без контекста не справятся.

– Не ждите идеальных условий.

Если вам интересно узнать больше про профессиональный подход к AI coding, подписывайтесь на мой Telegram канал, Тимур Хахалев про AI Coding ^[1]!