Почему ИИ так и не заменил разработчиков (и вряд ли заменит)

Тема замены людей нейросетями сейчас обросла массой страхов и домыслов. Но как отсеять пустые страшилки с хайповыми прогнозами и посмотреть на ситуацию через призму реальных фактов? Один из способов — проанализировать ту сферу, куда ИИ проник глубже и быстрее всего. Речь, разумеется, о разработке ПО.

В этой статье мы на фактах докажем, что пора перестать верить в расхожий нарратив о том, будто достижение некоего «критического уровня» ИИ неизбежно спровоцирует массовые сокращения. И если даже в IT-сфере с минимумом регуляторных барьеров этого не происходит, то представителям остальных профессий переживать стоит еще меньше.

Мы прекрасно понимаем механику этого процесса. Любой интеллектуальный труд, и создание софта здесь не исключение, можно представить в виде эдакого «сэндвича»: решить — сделать — сдать. Искусственный интеллект берет на себя слой исполнения, ту самую «начинку» сэндвича. Однако два крайних слоя упорно не поддаются автоматизации, и простым наращиванием мощностей эту стену не пробить.

Байки о массовых увольнениях в IT из-за ИИ — это классический «AI-вошинг»

Давайте разберем три нашумевшие истории и посмотрим, как громкие заголовки разбиваются о реальность:

• В феврале финтех-компания Block (разработчик Cash App, Square, Afterpay и других сервисов) объявила о сокращении 4000 сотрудников. По словам основателя Джека Дорси, ИИ «открывает новые форматы работы», позволяя строить «более компактные команды с плоской структурой». Отдельно он отметил, как сильно прокачались ИИ-модели к концу 2025 года. 

Однако последующие расследования вскрыли совершенно иную картину. Раздув штат в три с лишним раза за время пандемии, компания столкнулась с большими финансовыми проблемами. Дата-саентист из команды Cash App Наоко Такеда писала, что Block буквально «пихала ИИ всем в глотку», но на деле прирост продуктивности оказался крайне скромным. В итоге она отказалась от 75%-й прибавки к зарплате, предложенной, чтобы ее удержать, и уволилась. Другие опрошенные сотрудники тоже сильно расходились с руководством в оценках того, на что реально способен ИИ внутри Block, и ставили под сомнение компетентность Дорси в этом вопросе.

Как метко подметил Аарон Леви, CEO компаний особенно склонны к заблуждениям насчет полезности ИИ, поскольку сами могут быстренько накидать прототип, но не видят тех 90% работы, которые нужны, чтобы превратить его в готовый продукт. Публичные заявления Дорси только подтверждают этот паттерн.

• В апреле компания Snap уволила около 1000 человек. В письме сотрудникам CEO Эван Шпигель назвал ИИ главной причиной сокращений, добавив, что нейросети якобы уже генерируют 65% их нового кода. 

А что на самом деле? Увольнения начались после давления со стороны инвестора-активиста, который требовал урезать косты (Snap фиксировала чистый убыток каждый год с момента выхода на IPO в 2017-м, а акции в 2026 году просели более чем на 30%). 

Показателен и сам характер сокращений: например, под нож пошли 150 самых разных позиций в отделе дополненной реальности (AR). Если бы людей действительно вытеснял ИИ, мы бы увидели совсем другую картину:  вместо точечной зачистки в одном конкретном юните программистов и других «уязвимых перед нейросетями» специалистов увольняли бы по всей компании.

• В мае Intuit объявила о сокращении 3000 человек. И всё это на фоне заключения партнерств с Anthropic и OpenAI. Журналисты тут же сложили два и два, окрестив увольнения «ИИ-реструктуризацией». Но неожиданно в ситуацию вмешался сам СЕО, выступив против этой удобной для медиа версии. Он прямо заявил, что увольнения «вообще никак не связаны с ИИ», а под удар попали менеджерские роли, целиком завязанные на согласования.

Мы не выискивали эти примеры из тысячи других, чтобы подогнать под нужный вывод. В каждой изученной нами истории о том, как ИИ якобы лишает разработчиков работы, всплывала одна и та же нестыковка. Оказывается, списывать сокращения на ИИ, маскируя истинные причины, — так называемый ИИ-вошинг увольнений — это вообще тренд в масштабах всей экономики. Вот что говорят цифры: 

• 59% американских нанимающих менеджеров признались, что прикрывают заморозку найма или сокращения искусственным интеллектом просто потому, что инвесторам и стейкхолдерам это продать куда проще, чем банальную нехватку денег.

• Ведущий аналитик Forrester Джей Пи Гаундер отзывается о компаниях, планирующих увольнения якобы из-за ИИ, так: «Когда мы спрашиваем, есть ли у них готовое ИИ-решение, способное закрыть эти задачи, в 90% случаев они отвечают, что пока даже не начали его разрабатывать».

• В опросе HBR среди более чем 1000 руководителей по всему миру 21% признались, что провели крупные сокращения штата авансом перед внедрением ИИ, а еще 39% — почистили штат по мелочи или умеренно, но по той же логике. При этом тех, кто провел масштабные увольнения из-за реально внедренного ИИ, оказалось всего 2%! Этот десятикратный разрыв прямо-таки кричит о том, что топ-менеджеры, как и все остальные, ведутся на красивые байки про ИИ, который вот-вот заберет работу.

Другой интересный срез данных подкидывает статистика по закону WARN, который обязывает компании раскрывать информацию о закрытии предприятий и массовых увольнениях (при сокращении 100 и более сотрудников). В марте 2025 года Нью-Йорк стал первым американским штатом, добавившим в формы отчетности WARN специальный чекбокс «из-за ИИ». За первый полный год сведения подали свыше 160 компаний, и ни одна из них не отметила этот пункт. Мы обратились в Департамент труда штата Нью-Йорк, где нам подтвердили, что по состоянию на конец мая галочку поставила только одна компания — Nespresso. Если эти данные верны, то из примерно 25 000 работников, уволенных в штате за указанный период, из-за искусственного интеллекта лишились мест всего 46 человек, или около 0,2%.

А главное, увольнения — вообще не тот показатель, по которому стоит судить о пользе ИИ для продуктивности. Исследования четко показывают: если ИИ и повышает эффективность, это в первую очередь выражается в том, что компании реже нанимают новых людей, а вовсе не в том, что чаще увольняют старых. Избавляясь от действующих сотрудников, компания теряет накопленный ими опыт и знания, которые формируются непосредственно в работе и плохо передаются через инструкции — тот самый организационный капитал, необходимый для эффективной работы с ИИ. Вдобавок сокращения тянут за собой и другие издержки вроде выходных пособий, падения морального духа и рисков при последующем найме. Идти на такие жертвы нет смысла, ведь естественная текучка кадров приведет ровно к тому же результату всего за пару лет.

Но какую картину покажут данные, если отвлечься от новостей об увольнениях и посмотреть на общую динамику занятости? Экономисты ФРС США собрали на этот счет подробную статистику по американскому рынку. Оказывается, занятость среди разработчиков продолжает расти. Единственное — исследователи заметили, что после выхода ChatGPT этот рост замедлился примерно на 3 процентных пункта в год, но и то, если сравнивать с гипотетическим сценарием, в котором ИИ не существовало бы вовсе. 

У этого отчета, правда, есть один важный пробел: его методология не учитывает самозанятых. Вполне возможно, что снижение темпов найма отчасти объясняется уходом в предпринимательство. К тому же другие исследования подтверждают, что с появлением ИИ запускать стартапы стало действительно проще. Так что в реальности ситуация на рынке, скорее всего, даже здоровее, чем рисует ФРС.

Впрочем, стоит признать, что в сфере разработки всё же есть два типа сокращений, косвенно связанных с ИИ. Но это совсем не то же самое, что «нейросеть заменила разработчика».

Во-первых, иногда ИИ обваливает спрос на сам продукт. Именно это произошло с сервисами Chegg (помощь с домашними заданиями) и Stack Overflow (помощь ИТ-специалистам) — обеим компаниям пришлось увольнять сотрудников, потому что в их работе вовсе пропала нужда. Похожее уже случалось в 1950 году, когда из 270 профессий, зафиксированных в переписи населения США, автоматизация полностью вытеснила только одну — лифтера. Но гораздо чаще профессии не исчезали из-за автоматизации как таковой, а становились ненужными вместе с технологиями и услугами, на которых они были построены. Так произошло, например, с телеграфистами после распространения новых средств связи.

Во-вторых, реальные увольнения «из-за ИИ» происходят в тех компаниях, которые сами же разрабатывают и продают ИИ-продукты. Когда гиганты вроде IBM или SAP объявляют о сокращениях, ссылаясь на ИИ, на человеческий язык это переводится так: «Мы перекинули людей и бюджеты с устаревших направлений на нашу самую быстрорастущую линейку продуктов». Происходит классическая корпоративная реструктуризация ради захвата новой ниши на рынке, а вовсе не история о том, как злая технология выгнала человека на улицу.

Почему ИИ-агенты не лишили нас работы: концепция сэндвича «решить — сделать — сдать»

Многие топ-менеджеры (вроде CEO Snap, которого мы упоминали выше) любят в своих репортах ставить в один ряд процент написанного нейросетями кода и новости об увольнениях или мрачные прогнозы о сокращениях. Из-за этого складывается примитивная и в корне неверная картина: раз ИИ умеет писать код, живые программисты больше не нужны. Но реальность такова, что метрика «сколько строк за нас написал ИИ» вообще не говорит о том, останутся ли люди без работы. Давайте разбираться, почему.

Начнем с того, что написание кода никогда не было главным узким местом в разработке. Например, еще в 2019 году вышла сводная научная статья, где исследователи проанализировали существующие работы и пришли к выводу: разработчики тратят на сам кодинг на удивление мало времени — от 9% до 61% в зависимости от выборки. И этот вывод полностью бьется с данными, собранными авторами среди 6000 разработчиков Microsoft. А в конце 2025 года, когда  ИИ-агенты пошли в массы, блоги буквально взорвались постами о том, что скорость разработки упирается вовсе не в кодинг. Разработчики на практике убедились, что даже если поручить агенту написание большей части кода, реального прироста продуктивности это особо не даст [1, 2, 3, 4, 5, 6, 7, 8] .

Но если дело не в коде, тогда в чем? Опросы показывают, что львиная доля времени уходит на созвоны и откладку. И тут возникает закономерный вопрос: а что такого разработчики делают на этих созвонах, с чем не справится ИИ? И разве дебаггинг не автоматизируется сам собой, когда модели станут еще умнее? Чтобы понять, что именно тормозит процесс на самом деле, сухой статистики мало. Нужно посмотреть на ситуацию изнутри: что в работе разработчиков, по мнению самих разработчиков, упорно сопротивляется автоматизации.

Углубившись в этот вопрос, мы обнаружили три ключевые задачи, на решение которых уходит больше всего сил: 

1. Сбор требований к продукту и принятие решений. 

2. Проверка результатов и ответственность за то, что пойдет в продакшен.

3. Глубокое погружение в контекст, без которого невозможно выполнить первые два пункта и которое под силу только человеку: знание кодовой базы, бизнес-логики и инфраструктуры.

Проще говоря, работу инженера можно представить как такой сэндвич «решить — сделать — сдать», причем понимание контекста «намазано» на все три слоя. Вот они, три настоящих узких места разработки.

Нейросети радикально ускорили работу над вторым слоем — самим исполнением задачи. А вот по краям бутерброда ничего особо не поменялось. Пока команды разработки сами принимают решения и несут ответственность за выпущенный продукт, разработчикам придется тратить время на то, чтобы досконально разбираться в системе. 

То, как ИИ на самом деле влияет на продуктивность в рамках этой модели сэндвича, наглядно показано в недавнем исследовании Writing Code vs. Shipping Code («Создание кода vs внедрение кода»). Изучив статистику 100 000 разработчиков на GitHub, авторы обнаружили интересную вещь: благодаря ИИ-агентам количество написанных строк кода выросло аж в восемь раз. ИИ действительно берет на себя почти весь этап реализации. Вот только количество реальных релизов увеличилось всего на 30%. Выходит, что процессы всё так же упираются в людей, потому что этапы принятия решений и релиза никуда не делись.

Можно ли еще сильнее «сжать» этот сэндвич? Как нам кажется, вряд ли. 

На одном конце пайплайна команде разработки нужно решить, что вообще разрабатывать. Один из главных уроков, на котором набивают шишки джуны, звучит так: спецификация требований (как этот этап называют в приличном обществе) занимает на удивление много времени. И если попытаться на ней сэкономить, дальше по ходу проекта будет только больнее. Автоматизировать этот слой тяжело, потому что здесь нужно думать о потребностях юзеров, анализировать сигналы рынка, учитывать приоритеты бизнеса, а порой еще и бодаться с регуляторными ограничениями.

Да, ИИ умнеет, и со временем мы сможем делегировать ему всё больше решений. Но сам слой постановки задачи от этого тоньше не станет. Как только какую-то задачу можно перепоручить нейросети, она перестает быть конкурентным преимуществом. В итоге ценность человеческих решений просто мигрирует на уровень выше, к более сложным задачам. А поскольку софт со временем становится только сложнее, у этого процесса банально нет потолка.

На другом конце находится ответственность команды за то, что она выкатывает в релиз. Возможно, когда-нибудь в светлом будущем команды и начнут отправлять критически важный код в продакшен без предварительного тестирования и понимания, как он работает. Но сегодняшний ИИ настолько нестабилен, что такой подход на авось станет прямой угрозой и для самих команд, и для бизнеса их клиентов.

Но вот в чем штука: даже если однажды все технические барьеры рухнут, мы вовсе не обязаны отдавать руль нейросетям. Ключевой инсайт концепции «ИИ как обычная технология» (AI as Normal Technology) в том, что мы как общество можем коллективно договориться и сознательно оставить ответственность на людях — через общепринятые нормы, законы и регламенты. Это куда более надежный способ контролировать влияние ИИ и обеспечивать безопасность, чем попытки искусственно тормозить развитие самих технологий. Такие «лежачие полицейские» уже существуют — в виде законов, отраслевых требований и юридической ответственности бизнеса за последствия своих решений. А если этого окажется недостаточно, правила можно ужесточить.

При таком раскладе, когда слой реализации всё больше уходит нейросетям, роль инженера-разработчика будущего становится похожей на работу машиниста башенного крана. ИИ-агенты будут брать на себя всю тяжелую когнитивную работу, а главной задачей человека станет управление этими агентами и удержание их под контролем.

Некоторые комментаторы спорят: мол, будущее, в котором человек останется у руля, маловероятно — компаниям просто невыгодно платить людям за этот контроль. И действительно, в сети уже не раз вирусились истории о том, как оставленные без присмотра ИИ-агенты сносили базы данных в продакшене или устраивали другие веселые инциденты. Но мы смотрим на эти кейсы как на исключение из правил, нежели как на зарождающийся тренд. Они становятся вирусными именно потому, что такое поведение — это нечто из ряда вон выходящее. Такой шок-контент выступает наглядным уроком и помогает сообществу не впадать в слепое доверие к ИИ. Как говорится, «если об этом пишут в новостях, значит, можно спать спокойно». 

Тем не менее, сегодня нам остро не хватает данных, чтобы понять, насколько массово ИИ используют без человеческого контроля там, где цена ошибки высока. Это касается не только разработки, но и других отраслей. 

Кстати, сжатие исполнительного слоя «сэндвича» — тренд далеко не новый, и начался он вовсе не из-за ИИ. Больше двадцати лет назад Бюро статистики труда США начало вести раздельный учет для профессий «программист» и «инженер-разработчик». Грубо говоря, программист отвечает только за слой исполнения, тогда как инженер управляет гораздо большей частью «сэндвича». И статистика показывает, что доля чистых программистов не только неуклонно падает, но и платят им сильно меньше, поскольку написание кода всё чаще считается рутинной работой. ИИ лишь подкидывает дров в этот давно полыхающий костер, окончательно обесценивая чисто механический навык написания кода.

Этот паттерн — когда ИИ берет на себя прослойку написания кода, а человек плотно контролирует верхний и нижний слои сэндвича, — применим почти к любому интеллектуальному труду. Просто в разработке софта этот процесс зашел дальше всего. В конце концов, принимать сложные решения и нести за них ответственность нужно в любой профессии. Именно непонимание этой базовой механики породило столько самоуверенных и оторванных от реальности прогнозов о неминуемой потере рабочих мест — вспомните хотя бы сказки о том, что ИИ вот-вот заменит рентгенологов.

Вайб-кодинг ≠ агентная инженерия

Почему все так запутались в том, насколько сильно ИИ меняет разработку на самом деле? Во многом из-за того, что люди стали вешать модный ярлык «вайб-кодинг» на всё подряд. Под одну гребенку сваливают совершенно разные подходы к разработке, которые на поверку не имеют друг с другом почти ничего общего.

В чем суть настоящего вайб-кодинга? Пользователь просто дает агенту задачу и больше не вмешивается. Он не следит за процессом генерации, не делает ревью кода (как правило, он этого просто не умеет) и никак не оценивает результат — разве что замечает, когда всё окончательно падает с ошибкой.

Но на практике большинство разработчиков работает с ИИ совершенно иначе. Для них это просто еще один инструмент. Человек полностью контролирует процесс и несет ответственность за результат. К счастью, в индустрии уже приживается более подходящее определение для такого подхода — «агентная инженерия».

По мере того как этот подход становится стандартом, инженеры сталкиваются с неожиданной проблемой: надзор за ИИ отнимает колоссальное количество времени. Например, известный программист и «летописец» ИИ-революции Саймон Уиллисон как-то признался, что уже к 11 утра чувствует себя морально вымотанным от необходимости постоянно следить за ИИ-агентами. Мы в своей практике наблюдаем ровно то же самое.

Есть и статистические подтверждения. Взять, к примеру, SWE-chat — датасет, собранный из логов опенсорс-разработчиков, которые разрешили записывать свои сеансы общения с агентами. Из него видно, что лишь 44% сгенерированного ИИ кода добирается до финальных коммитов. А те коммиты, что были написаны чисто «на вайбе», приносят в проект в 9 раз больше уязвимостей, чем код, написанный человеком без ИИ. Более того, оказалось, что чаще всего разработчики используют агентов, чтобы разобраться в уже существующем коде (19% запросов), а не сгенерировать новый (13%). Учитывая эффект самоотбора в этом датасете (специфику выборки, при которой добровольное участие может искажать общую статистику), делать однозначные выводы по одному только этому исследованию нельзя. И тем не менее, оно лишний раз подтверждает то, на что указывают и другие источники: вайб-кодинг и агентная инженерия — это две совершенно разные практики.

Еще раз оговоримся: здесь нет четкого разделения. Это две крайности одной сущности с большой серой зоной посередине. Не всё в мире разработки делится на одноразовые поделки и системы, без которых работа встанет. Точно так же и рабочий процесс редко удается идеально вписать только в левую или только в правую колонку таблицы.

Но если вернуться к вопросу о потере рабочих мест, главный вывод остается неизменным: компании не смогут выпускать надежный софт, если уволят квалифицированных специалистов и наберут вместо них любителей вайб-кодинга.

Что ждет нас в будущем?

ИИ-энтузиасты наверняка скажут, массовые сокращения в IT — дело уже решенное. А не начались они просто потому, что нейросети только-только приблизились к уровню живого разработчика или еще пока не дотянули до него. Но если наша концепция сэндвича верна, этим прогнозам не суждено сбыться. ИИ уже и так по максимуму «спрессовал» слой исполнения — хотя этот процесс начался задолго до него за счет автоматизации. Поэтому, даже если генерация кода станет безошибочной и моментальной, кардинально это ничего не изменит.

Более того, ИИ не только не уничтожит профессию разработчика, но и, скорее всего, подстегнет спрос на кадры. Когда внедрение новых технологий удешевляет создание продукта (любого, не только софта), люди начинают покупать его в гораздо больших объемах. На языке экономистов это называется «высокой эластичностью спроса по цене».

А поскольку заменить самих разработчиков, как мы уже выяснили, нейросетями не выйдет (здесь экономисты сказали бы про «низкую эластичность замещения»), бум на рынке софта неизбежно повлечет за собой спрос на тех, кто этот софт пишет. В дискуссиях об ИИ для описания этого явления часто козыряют другим, более громким, хоть и лишь отчасти подходящим сюда экономическим термином — «парадоксом Джевонса».

Исторически всё развивалось именно по этому сценарию. Если в 1950-х годах программистов в США почти не было, то сегодня счет идет на миллионы. Это кардинально отличается от того, что случилось, скажем, с тем же сельским хозяйством, где механизация и тракторы действительно выкосили спрос на ручной труд. В чем же разница? Человек физически не может потреблять больше определенного количества калорий, тогда как аппетиты на программное обеспечение безграничны. Сегодня объемы генерируемого кода уже выросли в миллионы раз. Взять хотя бы современные автомобили — в их бортовых системах крутятся сотни миллионов строк кода.

И если у спроса на код вообще есть какой-то потолок, мы к нему даже близко не приблизились. Практически любой интеллектуальный труд выигрывает от автоматизации. Теперь, когда генерация кода стоит копейки, люди начали массово собирать под себя разовые скрипты и утилиты — для рутинных рабочих задач или личных нужд. Раньше тратить время и ресурсы на их написание было попросту нерационально.

Тут важно сделать одну оговорку. Да, мы уверены, что софта станет больше и спрос на разработчиков вырастет, но это вовсе не означает, что ИТ-гиганты будут разрастаться и дальше. Большинство айтишников уже работает в компаниях, чей основной бизнес вообще не связан с IT, и эта доля, скорее всего, продолжит расти. Кроме того, сейчас активно обсуждается концепция «ИИ-роллапов» (AI rollups). Идея в том, что инвестфонды скупают классический офлайн-бизнес — стоматологии, бухгалтерские конторы и тому подобное — и полностью его перестраивают. Они нанимают разработчиков, интегрируют ИИ в процессы и превращают традиционную компанию в высокотехнологичную. Конечно, нельзя исключать, что всё это окажется очередным красивым инвест-хайпом. Время покажет.

Конечно, существует и противоположное мнение, что спрос на профессиональных разработчиков всё же упадет, и виной тому станет так называемая демократизация отрасли. Сторонники этой идеи согласны с тем, что софта станет больше, а на его создание будет уходить уйма человеко-часов. Вот только, согласно их теории, заниматься этим будут уже не инженеры. Идея в том, что ИИ настолько снизит порог входа, что, скажем, профильный софт для юристов будет проще написать самим юристам, чем нанимать команду специалистов.

Может, и так. Но мы всё же готовы поспорить, что этого не случится. Как нам кажется, авторы подобных прогнозов наступают на те же грабли: они путают бездумный вайб-кодинг с осознанной агентной разработкой, а генерацию кода — с полноценным циклом создания продукта. Если оглянуться на историю ИТ, нам уже не раз обещали, что вот-вот наступит эпоха всеобщей демократизации кода. Подобные иллюзии питали и на заре появления FORTRAN, COBOL и SQL. Но чуда не произошло. Проблема ведь не в том, чтобы выучить синтаксис. Всё упирается в профессиональное чутье, способность принимать грамотные решения и нести за них ответственность.

В конечном итоге не так уж важно, как мы назовем этих специалистов. Очевидно одно: люди будут тратить всё больше времени на то, чтобы обучать компьютеры новым функциям. Это может принять форму классического создания ПО, управления сложными рабочими процессами с помощью агентов или чего-то иного. Для этого в любом случае потребуется микс из навыков программирования, умения работать с ИИ и глубокой экспертизы в предметной области. А вот станут ли именно сегодняшние инженеры-разработчики теми, кто лучше всего адаптируется к этим новым ролям — вопрос пока открытый.