В 2024 году мы боялись, что ChatGPT заменит нас, и мы не будем больше перекрашивать кнопки и писать очередной CRUD. Но оказалось всё прозаичнее — ChatGPT, увы, не заменил нас, но постепенно нужда в разработчиках как в «крудошлёпах» стала ниже.
И так получилось, что среднестатистические разработчики — уже звери редкие. ИИ-агенты пишут код быстрее, дешевле (или примерно столько, но зато без страховых отчислений). Но работу теряет не инженеры, а исполнители. В итоге, как в эталонном капитализме, вверху пирамиды останутся управленцы — те, кто понимает архитектуру, управляет контекстом и берёт на себя ответственность, что напакостила машина в кодовой базе.
В этой статье мы наконец поставим точку (или длинное тире) в разговорах про ИИ и замену работяг на основе новостей и известных движений в мире IT.
ИИ-агенты. Столько споров по ним! Одни люди становятся амбассадорами ИИ-агентов, Harness, автоматизации через LLM. Другие же — бастуют против и готовы грызть глотки всем ИИ-компаниям.
Но если отбросить эмоции немного в сторону и посмотреть на сухие факты, картина вырисовывается интересная. В нашем 2026 при правильном подходе они готовы клепать сложные микросервисы, решать CTF-задачи за минуты и рефакторят легаси так, что старые тимлиды хватаются за сердце — от умиления или ужаса, тут уж как посмотреть. Да и многие наверняка слышали истории, как люди открыли AI SaaS крипто-финтех стартап и релоцировались на Кипр или в Дубай.
И вот тут возникает закономерный вопрос: если машина выдаёт код быстрее, чем я успеваю допить утренний кофе, что тогда остаётся человеку? Зачем я вообще нужен?
Если вы думали, что работать придётся меньше и вас наконец-то заменит ИИ — обождётесь, всё равно наоборот.
Умирает не профессия как таковая. Умирает роль «исполнителя-кодера», который перекладывает требования в строки кода, не особо вникая в бизнес-контекст, архитектурные последствия и долгосрочные риски. Потому что машина делает это быстрее, дешевле и, что обиднее всего, часто качественнее — по крайней мере, в тех границах, где не нужно думать о том, «а что будет через полгода, когда это всё поедет». То есть постепенно из какого-то там статуса Developer вы насильно вырастаете в Software Engineer или уезжаете делать свою пасеку (что тоже весьма неплохо, но это другая история).
На смену приходит другая ипостась — инженер-управленец. Да, это тенденция уже была видна на фоне взрыва IT в 2020–2021 с вкатунами, но из-за ИИ всё ускорилось в разы.
Звучит как карьерный апгрейд? Возможно. Но точно требует иного склада ума и иных навыков, и, увы, вот здесь приходится отходить от схемы «язык + фреймворк = 300к в наносек» и учиться и system design, и computer science.
AI сжимает средний класс в разработке
Настал самый настоящий кризис среднего класса в IT. Флориан Херренгт в своём блоге заявляет, что AI убирает «средних». И звучит это почти как приговор для тех, кто привык считать себя «золотой серединой» — достаточно опытным, чтобы решать задачи, но не настолько глубоким, чтобы проектировать системы с нуля.
Но давайте не будем спешить с выводами. Херренгт говорит не о том, что исчезают люди как таковые. Исчезает целая прослойка труда — та самая, где ценность строилась на умении быстро писать типовые решения: CRUD-эндпоинты, интеграции с внешними API, парсеры, шаблонные контроллеры, стандартные микросервисы. Всё то, что ИИ-агенты могут сделать за минуты и токенов на пару баксов, а не за дни и зарплату.
И вот здесь начинается самое интересное! AI-инструменты действуют как умножитель для посредственных инженерных привычек, то есть всяк ИИ — это мультипликатор. Если разработчик с детским пониманием архитектуры получает возможность генерировать код в десять раз быстрее — он не становится хорошим инженером. Он становится быстрым плохим инженером. Знаний 0 — то используй хоть AGI с бесконечными токенами, всё равно будет ноль.
«Слабые инженеры теперь могут масштабировать плохой дизайн и использование ресурсов в промышленных масштабах, в то время как сильные инженеры делегируют рутину и фокусируются на архитектуре и суждениях» (источник)
Тут отлично подходит аналогия с кредитной картой — ты покупаешь машину или другую дорогую вещь, все завидуют, ты хвалишься, а через месяц приходит выписка, и ты понимаешь, что оказывается влез в яму по самую макушку. С нейрокодом та же история: сначала все радуются функциональности, которая появилась за выходные, а через пару месяцев пытаются остановить растущий техдолг.
В общем, настоящая пирамида — единицы с богатым системным мышлением и опытом получают невероятный буст, а разработчики снизу часто могут терять эффективность.
AI убирает не людей, AI убирает скоростной лимит разработки, и часто от этого страдают те, кто посередине, — уже не джуны с их дешёвым ценником и лёгкой обучаемостью, и не сеньоры с их титаническим опытом и знаниями.
А продуктивность всё-таки растёт, просто ходит рука об руку с оптимизацией.
Понимание становится новым бутылочным горлышком
Джеффри Литт в своей заметке формулирует, что теперь мы читаем код больше, чем пишем. Звучит как что-то очевидное, но давайте вдумаемся — раньше разработчик тратил время в первую очередь на написание и обслуживание кода, а чтение было вторичным процессом, необходимым, но не основным.
Теперь да, ИИ генерирует код быстрее, и это понятно, наша нервная система не может противостоять GPU-кластерам.
И вот здесь возникает парадокс — проверить код от нейросети часто сложнее, чем написать его самому. Ибо когда ты пишешь сам — ты держишь в голове все допущения и компромиссы и понимаешь, где какой паттерн использовать. А когда читаешь чужой код, тем более сгенерированный, ты должен восстановить эту логику заново, разобраться в том, как машина пришла к такому решению, и главное — понять, где она накосячила. А она накосячит обязательно, потому что ей плевать на контекст. Ей плевать, что этот микросервис будет жить в корпоративной сети с дурацкими ограничениями, или что этот рефакторинг сломает десять зависимостей, которые не задокументированы.
И это ведёт к фундаментальному сдвигу в том, как распределяется время инженера. Если раньше соотношение было примерно 70% на написание и 30% на чтение и анализ, то теперь — ровно наоборот. Ты сидишь, разбираешь сгенерированный код, ищешь уязвимости, проверяешь архитектурную согласованность, думаешь над тем, как это будет работать на нагрузке. А само написание превращается в правку — подправить там переменную, здесь условие, тут переименовать, потому что AI назвал всё как попало. Но это не расслабляет, это выматывает иначе. Так что критическое мышление, внимание и умение декомпилировать задачу — новая часть хард-скиллов.
Найм теперь будет выглядеть иначе. Бесполезно тестировать кандидата на написании алгоритмов 5 этапов собеседований подряд — этого добра нейросети навыдают тоннами хоть в 100-этапном собеседовании. Нужно смотреть, как он читает код, как выявляет противоречия, как задаёт правильные вопросы, чтобы уточнить требования. Как находит архитектурные дыры ещё на этапе ревью, как знает паттерны, system design. И да, это намного сложнее измерить, чем количество коммитов в день, но именно это становится главным навыком. Зато отличная причина наконец взяться за курс по Computer Science!
Старый контур, новая роль
Брент Фицджеральд в своём посте описывает ситуацию так: машина генерирует, человек контролирует. И это не про «айтишник теперь будет сидеть и нажимать на кнопочку Generate и подсчитывать, сколько токенов потратил». Теперь разработчику придётся нести титул инженера с положенной ответственностью (и этической, и юридической, и продуктовой).
Да, переход от «кодера» к «инженеру, который формулирует задачу и принимает риски», звучит пафосно и облизано всеми, но по факту это истина, а истина, как известно, простая.
Раньше получал ТЗ, садился и писал. А теперь получаешь бизнес-задачу, декомпозируешь, отдаёшь ИИ-агентам, уходишь на очередной созвон, приходишь и проверяешь, что получилось, и молишься, чтобы не пришло сообщение: «Ты абсолютно прав! Я случайно удалил базу данных и все бекапы…» А за шалости от нейросети спросят с тебя, а не с OpenAI (хотя это было бы интересно — отправить досудебную претензию OpenAI на компенсацию, так как Codex случайно уронил прод).
Промпт-инжиниринг стал рутиной и изменился. Это системная работа с ограничениями модели и оркестрацией агентов. Ты должен знать, что AI не понимает контекст, что он может галлюцинировать, что он оптимизирует код под синтаксис, а не под архитектуру. И твоя задача — построить работу так, чтобы эти ограничения не превратились в проблемы продакшена. Это как знать, что твой стажёр не умеет работать с многопоточкой, и не давать ему такие задачи, или давать, но проверять каждый чих.
Вот и получается, что средний разработчик как бы переходит в статус управленца над AI-агентами.
История повторяется
История вообще любит повторяться, особенно в том, что касается труда и средств производства.
Был ремесленник — он знал всё, делал всё, от замысла до финальной обработки. Потом пришла индустриализация, и ремесленник превратился в фабричного рабочего, который выполняет одну операцию у станка. Верхушка пирамиды — инженеры и управленцы, которые организуют процесс, делят труд, следят за качеством и увеличивают свой капитал за счёт того, что берут больше ответственности.
Сейчас в разработке происходит то же самое, только быстрее.
AI — это конвейер, прям как у Форда. Он выдаёт код. Человек теперь не стоит у станка с молотком и не пишет каждую строчку вручную. Он отвечает за то, что подавать на вход этому конвейеру, и что принимать на выходе. Какие требования сформулировать, в каком порядке выстроить задачи, где поставить ограничения, чтобы AI не натворил дел. А если хочешь больше денег — становишься управляющим цехом.
Вот так в IT вырос класс капиталистов, а мы и не заметили. Когда производство усложнилось, владельцы капитала перестали сами стоять у станка. Они наняли тех, кто организует процесс, управляет ресурсами, контролирует результат. Так появился менеджмент.
И да, это звучит как карьерный лифт, но он работает только в одну сторону — вверх. Вниз, к сожалению, уже не опуститься, потому что там конвейер и AI, и можно только перейти в другой цех или вовсе решить, что это IT тебе не сдалось.
Вместо заключения
Эпопея весьма интересная, и её довольно легко было предсказать. Это как с появлением автомобилей — были и адепты автомобилей, так и фанаты лошадей. В итоге в практическом смысле авто выиграло. Что-то похожее и у нас: в практическом и прагматичном смысле выигрывает ИИ. Но не стоит забывать, что и кони сейчас вполне выращиваются, и они также важны, хоть и в другой стезе.
Главное — не обесценивайте свой труд, генерируя нейрослоп, и будет вам счастье.
Автор: DrArgentum
