Мэтт Шумер написал, что мы на пороге чего-то огромного. У меня команда из 54 человек и 44 AI-агентов — и я с ним согласен.
Мне 40 лет. Я руковожу IT-компанией на 80+ человек, где в AI-команде работает 54 специалиста и 44 AI-агента. Не чат-бота для поддержки — полноценных агентов, которые пишут код, находят баги, деплоят, ревьюят друг друга и спорят о лучших решениях.
Если бы мой ребёнок подошёл и спросил «пап, хочу стать программистом» — я бы ответил: учись на промпт-инженера.
Я знаю, что на Хабре за такое могут заминусовать в ноль. Мне было бы проще написать очередной технический туториал, собрать плюсы и не рисковать кармой. Но я не могу игнорировать то, что вижу каждый день на собственных проектах. А увидеть вам поможет Мэтт Шумер — он сформулировал это лучше, чем я мог бы.
Статья, которая всё расставила по местам
Девятого февраля Мэтт Шумер — основатель OthersideAI и HyperWrite — опубликовал Something Big Is Happening. Он сравнил текущий момент в AI с началом ковида: трансформация уже идёт, но большинство её не видит. Или не хочет видеть.
Шумер — не аналитик, который рассуждает о трендах с трибуны. Он строит AI-продукты. И он описывает то, с чем сталкивается каждый день: ставишь задачу, получаешь готовый результат, правишь минимально.
Три его тезиса, которые попали мне прямо в живот:
GPT-5.3 помогал создавать сам себя. OpenAI признала это публично. Это не научная фантастика про сингулярность — это буднично прозвучавшая фраза в техническом отчёте. Модель участвовала в создании своей следующей версии. Петля самоулучшения — не гипотеза, а факт.
Бенчмарки METR показывают удвоение сложности решаемых задач каждые 4–7 месяцев. К ноябрю 2025-го модели справлялись с задачами, на которые у человека-эксперта уходило 5 часов. Шумер экстраполирует: через год — задачи на день, через два — задачи на неделю. Я поймал себя на мысли, что хочу сказать «экстраполяция — не прогноз». Но данные за последние полтора года ложатся на эту кривую пугающе точно.
50% entry-level позиций «белых воротничков» исчезнут за 1–5 лет. Это не Шумер, это Дарио Амодеи — CEO Anthropic, компании, которая делает Claude. Амодеи — один из тех людей, кто реально понимает, на что способны эти модели. И он же говорит про «50 миллионов граждан», которые будут умнее людей, к 2027 году.
Можно, конечно, списать это на хайп. На каждой конференции кто-то обещает революцию. Я сам в 2023-м слушал прогнозы «через год программисты не нужны» и думал: ну-ну. Прошёл год — программисты нужны. Прошёл ещё год — программисты нужны, но уже по-другому.
Разница между Шумером и типичным AI-евангелистом в том, что Шумер оперирует не ощущениями, а данными. METR — это не чей-то блог, это организация, которая систематически измеряет возможности AI-моделей на реальных задачах. И их кривая роста — не маркетинговый слайд, а замеры.
Но у меня есть кое-что, чего нет даже у METR. У меня есть 44 AI-агента в проде и годовая статистика на реальных коммерческих проектах.
Что я вижу на своих проектах
Год назад отладка сложного бага с помощью AI выглядела так: скармливаешь модели контекст, она генерирует гипотезу, проверяешь — мимо. Даёшь больше контекста — опять мимо. И так 15–20 итераций. Иногда баг находился. Иногда нет, и ты шёл дебажить руками, мысленно матеря «этот ваш AI».
Сейчас — два-три подхода. Для самых запутанных багов. Обычные закрываются с первого.
Я не хочу, чтобы это звучало как рекламный буклет. Я прекрасно помню, как год назад писал промпт, получал кашу, переделывал промпт, получал кашу получше, и так далее. Это была работа с AI, но не работа AI. Модель была быстрым, но крайне невнимательным стажёром: ты сидел рядом и правил каждый второй шаг.
За последний год случился сдвиг. Не плавный, а резкий. То, что было в начале 2025-го — это детская поделка рядом с тем, что модели делают сейчас. И я понимаю, что «каждый год говорят, что стало лучше». Говорят. Но раньше разница была в ощущениях, теперь она в метриках.
Вот наши цифры. На проект у нас 3–7 человек плюс AI-агенты. Цикл разработки, который занимал 2–3 месяца, сейчас — 1–2 недели. Стоимость снизилась на 80%. Мы ведём 5–7 проектов параллельно, раньше с нашим штатом это было физически невозможно.
Пример: платформа для образовательного проекта. Серверная часть, клиент, интеграция с внешними API, система аутентификации, админка. Год назад — классическая оценка: два-три месяца, команда из пяти человек. Мы сделали это за полторы недели. Три промпт-инженера настраивали workflow и ставили задачи агентам, два синиора ревьюили результат. Нет, это не MVP на скотче — это рабочий продукт с тестами и CI/CD.
Когда я увидел таймлайн, первая реакция была: «что-то мы точно упустили, так не бывает». Прошли ревью. Прошли нагрузочное тестирование. Работает. Мне до сих пор немного не по себе от этого.
Но цифры — это цифры, они звучат как слайд из питч-дека. Вот что действительно изменилось на уровне ощущений: время автономной работы агента.
Год назад AI-агент работал самостоятельно минуты три. Потом застревал, терял контекст, начинал галлюцинировать или зацикливаться на одном подходе. Ты запускал его — и через три минуты смотрел, что получилось. Обычно — переделывать.
Сейчас агент работает часами. Ставишь задачу, уходишь обедать, возвращаешься — сделано. Не идеально, но фундаментально рабочее. Синиор делает ревью, находит пару замечаний, агент исправляет. Всё.
Это не «автокомплит стал лучше». Это новый уровень. Как будто стажёр за год превратился в уверенного мидла, который может самостоятельно тащить задачи.
(Параллель с микросервисами, которая не даёт мне покоя: все когда-то думали, что главная сложность — написать код. А оказалось, что главная сложность — оркестрация. С AI та же история. Модель, которая пишет код — это 20% задачи. 80% — это правильно организовать workflow: контекст, инструменты, валидация, петли обратной связи.)
Неудобная часть
А теперь то, за что меня точно будут бить в комментариях.
У меня на проектах промпт-инженеры создают полноценные модули. И нет, это не «спроси ChatGPT и скопируй в IDE».
Вот как выглядит рабочий день промпт-инженера в нашей команде. Утром — настройка окружения под конкретную задачу: какие MCP-серверы подключить, какие скиллы нужны агенту, какой контекст дать. Потом — декомпозиция фичи через speckit или подобный подход: разбить на атомарные задачи, выстроить зависимости, определить, что можно запустить параллельно. Дальше — запуск агентов. Не одного — пяти-семи, каждый со своей частью задачи. Мониторинг, валидация промежуточных результатов. Если агент застрял — разобраться почему, скорректировать промпт или контекст, перезапустить. Ну и сборка финального результата.
Это не копирайтинг. Это инженерия. Просто другая.
Синиоры-архитекторы — проверяют результат. Смотрят на архитектуру, интеграцию, соответствие бизнес-требованиям.
И вот что я замечаю в последние месяцы: вклад этих ревьюеров уменьшается.
Не потому что они стали хуже. Наоборот, они замечательные специалисты. Дело в том, что качество выхода от AI растёт. Полгода назад синиор правил треть кода после агента. Три месяца назад — процентов 15. Сейчас — 5–10% замечаний на ревью. И характер замечаний изменился: не «ты написал криво», а «тут нужно учесть контекст продукта, о котором агент не знает».
Причём падение не линейное. Оно ускоряется. Каждое обновление модели — а они выходят раз в несколько недель — откусывает ещё кусок от того, что раньше мог сделать только человек. Я веду внутреннюю статистику по ревью, и кривая идёт вниз стабильно.
Нет, подождите. Давайте я буду честен. Я не говорю, что синиоры не нужны. Я говорю, что их роль трансформируется. Из «людей, которые пишут и правят код» они превращаются в «людей, которые задают направление, видят общую картину продукта и ловят ошибки, которые вообще нельзя поймать автоматически» — потому что эти ошибки не в коде, а в понимании задачи.
Вот вам прямой вопрос: что будет через год, если тренд продолжится? Если модели начнут выдавать код, который проходит ревью с одним замечанием из десяти? Или вообще без замечаний?
Мне страшно про это думать. Не за себя — за индустрию. Я строил карьеру 20 лет. Мне привычно, когда программист — это человек, который пишет код. Я хочу сказать себе: «это хайп, вайб-кодеры — это несерьёзно, настоящая инженерия так не работает, AI — это модный автокомплит, через год все одумаются».
Было бы комфортно так думать.
Но я смотрю на свои проекты — и не могу.
Лошади и ракеты
Шумер сравнивает текущий момент с началом ковида. Мне ближе другая аналогия.
Извозчики в начале XX века. Отличные лошади, знание каждой улицы, постоянные клиенты, налаженный бизнес. Появляется автомобиль. Шумный, ненадёжный, ломается через каждые десять километров.
«Игрушка для богатых» — говорят извозчики.
В 1905-м они правы. Автомобиль дорог, непрактичен, инфраструктуры нет. Но мы с вами знаем, чем история закончилась. И вопрос не в том, заменит ли автомобиль лошадь. Вопрос только в том, когда.
Мне кажется, мы не в 1905-м. Мы где-то в 1918-м. Автомобили всё ещё часто ломаются, но они уже быстрее, дешевле с каждым годом, и те извозчики, которые научились водить — выжили. Остальные — нет.
Но вот что делает аналогию неточной: переход от лошади к автомобилю занял 30 лет. Переход от «AI — это автокомплит» к «AI — это самостоятельный разработчик уровня мидла» занял полтора года. У нас нет 30 лет на адаптацию. У нас, может быть, есть три-пять.
Причём с AI ситуация жёстче. Автомобиль заменил лошадь, но водитель остался. AI заменяет не инструмент. Он забирает часть когнитивной работы самого разрабо��чика. Часть того, что мы считали «нашим» — способность декомпозировать задачу, писать чистый код, находить баги, проектировать архитектуру.
Раньше я думал: «Ну, AI заберёт рутину, а творческая часть останется нам». Сейчас я вижу, что граница «рутины» двигается вверх быстрее, чем кто-либо предполагал. То, что год назад было «творческой» задачей — проектирование модуля, выбор подхода, дебаг нетривиального бага — сейчас модель справляется с этим самостоятельно.
Но — и это важно — AI всё ещё плохо работает с вещами, которые нельзя выразить в промпте. Неструктурированные требования заказчика. Политика внутри команды. Интуиция «этот подход взорвётся через три месяца на масштабе». Понимание, когда «технически правильно» и «правильно для бизнеса» — разные вещи.
Для этого нужны люди. Просто людям нужны другие навыки.
Что с этим делать
Шумер даёт практические советы: оформите подписку на AI-модель ($20/мес), тратьте час в день на эксперименты, интегрируйте AI в работу. Для аудитории Хабра это банальность — вы наверняка уже так делаете.
Вот что я скажу от себя.
Учитесь оркестрировать, а не кодить. Промпт-инженерия 2026 года — это не «как написать хороший промпт». Это инженерная дисциплина: настройка MCP-серверов, создание наборов скиллов, выстраивание workflow с валидацией и петлями обратной связи. Подходы вроде speckit или beads — это фреймворки для декомпозиции задач, и их нужно знать так же, как знание фреймворков для написания кода. Если вам интересно покопаться — инструменты у меня на GitHub, бесплатно и открыто.
AI-агент — это не ассистент, а младший коллега. Ему нужен контекст, правильная постановка, система валидации. Если вы кидаете промпт в чат и расстраиваетесь от результата — вы оцениваете модель по сценарию, в котором она работает на 10% своих возможностей. Это как оценивать автомобиль, ни разу в нём не сев за руль.
Станьте тем, кто внедряет AI в своей компании. Шумер пишет: «Be the person who demonstrates AI’s organizational value.» Грубее: будьте тем, кто показывает руководству, что задачи можно решать быстрее и дешевле. Потому что если покажет кто-то другой — вопрос «зачем нам столько людей?» зададут без вашего участия.
Не отрицайте, адаптируйтесь. Самая рискованная позиция — «это хайп, через год забудут». Год назад тоже так говорили. Не забыли. Стало мощнее. Через год скажут снова. И снова не забудут.
Смотрите, что делают другие. Я серьёзно. Читайте, как работают команды, которые уже перестроились. Не маркетинговые кейсы вендоров, а реальный опыт — на Хабре, в Telegram-каналах, на GitHub. Смотрите на инструменты: Claude Code, Cursor, Windsurf, Aider — они обновляются каждую неделю, и каждое обновление расширяет границы того, что агент может делать сам. Если вы не следите за этим — вы уже отстаёте.
Про страх
Мне не хочется заканчивать на оптимистичной ноте. Потому что я сам не чувствую оптимизма. Точнее, чувствую — но пополам со страхом.
Мне 40. У меня команда, проекты, обязательства. Я 20 лет строил экспертизу в разработке. И я смотрю на то, что происходит, и понимаю: через 2–3 года мой навык «написать хороший код» может стоить в разы меньше. Не обесценится совсем — но перестанет быть конкурентным преимуществом. Как умение быстро считать в столбик в мире калькуляторов — полезно, но не то, за что платят.
Знаете, что самое тяжёлое? Это внутренний конфликт. Я каждый день одновременно восхищаюсь тем, что делают AI-агенты на моих проектах, — и понимаю, что они забирают часть работы у людей, которых я знаю и уважаю. У людей, с которыми я строил компанию. Это не абстрактная «угроза рабочим местам» из статьи аналитика — это конкретные живые люди.
Амодеи говорит про AI, который будет умнее людей к 2027-му. Может, преувеличивает. А может, и нет — я уже достаточно раз ошибался в прогнозах «AI не сможет делать X», чтобы осторожнее относиться к собственному скепсису.
Что я знаю точно: игнорирование — худшая стратегия. Извозчик, который говорил «автомобили — фигня», не стал прав от того, что повторял это десять лет.
Статья Шумера заканчивается фразой: «The time to prepare was yesterday. The second best time is right now.» Банальность? Наверное. Но точная.
Если хотите поспорить или рассказать, что я неправ — пишите в Telegram: @maslennikovig. Канал про AI-разработку: t.me/maslennikovigor.
Игорь Масленников
Автор: Maslennikovig
