Искусственный интеллект забирает простые задачи, на которых десятилетиями учились начинающие разработчики. Одновременно бизнесу всё нужнее специалисты, способные проверять сгенерированный код. Разбираемся, не останется ли ИТ-рынок через несколько лет без новых сеньоров.
- 1. Введение
- 2. Код дешевеет, опыт — нет
- 3. Первой исчезает работа, на которой учились
- 4. Кодогенерация и её последствия
- 5. А что сеньоры?
- 6. Новая первая ступень
- 7. Выводы
Введение
Всякая бабочка когда-то была гусеницей, а всякий сеньор — джуном. Никто не становится топовым специалистом просто по взмаху волшебной палочки. За каждым опытным разработчиком стоят годы тяжёлого труда.
Спросите любого айтишника, чей опыт в профессии эквивалентен выдержке хорошего виски, как он начинал. Вы окунётесь в ностальгию по временам, когда у него на столе ещё лежал блокнот с IP-адресами, командами и паролями. В эти времена ему наверняка приходилось вручную писать тонны скучнейшего кода. Но вот цифровые технологии вошли в нашу жизнь окончательно, и навык стал цениться гораздо выше. Как следствие, возникли и желающие им овладеть. На этих падаванов отныне и решили взваливать всю однотонную и утомительную работу — получилось своеобразное боевое крещение.
Затем пришёл ИИ и всю эту систему убил.
Какой смысл держать на работе кучку джунов, если можно отдать всё кодовому агенту? Для бизнеса это отличный вопрос. Машина быстрее, дешевле и не требует нескольких лет, чтобы дорасти до уровня мидла. Парадокс заключается в том, что опытные специалисты при этом никуда не исчезнут — наоборот, их ценность только вырастет. Ведь чем больше кода производят ИИ-инструменты, тем важнее люди, способные проверить его, встроить в архитектуру, найти уязвимость, заметить ошибку и, в конце концов, взять на себя ответственность за решение.
Anti-Malware.ru поговорил с представителями ИТ-компаний о том, действительно ли ИИ сокращает пространство для junior-разработчиков, почему дешёвый код не означает дешёвой разработки и как отрасли теперь выращивать тех, кому через несколько лет предстоит контролировать работу машин.
Код дешевеет, опыт — нет
«Если код будет дешёвый (а он будет дешёвый, потому что агенты его генерируют в большом количестве), то дорогими останутся экспертиза и опыт», — считает технический директор «КодСкоринга» Дмитрий Волк.
Если один разработчик благодаря ИИ способен делать больше, компании уже не обязательно наращивать команду прежними темпами. Зато гораздо важнее становится человек, который понимает, что именно машина написала и можно ли этим пользоваться.
Руководитель тренинг-центра «Рексофт» Григорий Силкин видит тот же сдвиг.
«Любой ИИ — по сути программа, алгоритм — хорошо справляется с простыми шаблонными действиями. Чем задача проще логически (вне зависимости от объёма), чем стандартней, тем успешнее применение ИИ. Архитектура, качество, безопасность — это задачи, которые гораздо сложнее шаблонизировать, они нередко уникальны под какое-то конкретное решение. Именно в этом сейчас вектор развития разработчиков», — объяснил он.
Директор по персоналу бизнес-направлений ИТ-холдинга Т1 Вероника Еликова также считает, что само механическое написание кода постепенно теряет прежнюю ценность.
«Однако это не означает автоматизацию всей сферы. Напротив, ключевым фактором становится способность сотрудника проектировать архитектуру, оценивать качество решений и обеспечивать безопасность данных», — подчеркнула эксперт.
Технический директор ГК «КОРУС Консалтинг» Виталий Секретенко предлагает смотреть на происходящее шире — за пределами непосредственно программирования.
«Ценность навыка написания кода вручную как самостоятельной компетенции действительно снижается, но это лишь часть более широкого изменения роли разработчика. Само программирование составляет только часть работы над продуктом: значительное время уходит на сбор и уточнение требований, проектирование, тестирование, приёмку, документацию и запуск. Поэтому всё более востребованными становятся продакт-инженеры — специалисты, которые способны не просто создать продукт по техническому заданию, но разобраться в бизнес-процессе, найти в нём потенциал для оптимизации, сформулировать, что именно нужно изменить, и предложить для этого техническое решение. ИИ ускоряет создание ИТ-решений, но параллельно растёт значение инженерного мышления, бизнес-экспертизы и способности отвечать за продукт целиком», — рассказал собеседник.
В одном эксперты сходятся: программирование никуда не исчезнет. Эта участь уготована монополии человека на сам процесс производства кода.
Первой исчезает работа, на которой учились
На первый взгляд для разработчиков всё даже неплохо. Машина берёт на себя рутину, человеку оставляет интересные архитектурные задачи. Кто станет спорить с таким разделением труда? Вкалывают роботы, человек творит!
Но есть одна маленькая проблема…
Раньше новичку можно было дать маленькую задачу с небольшим риском. Он писал код, ошибался, получал замечания, переделывал — и постепенно начинал понимать не только язык программирования, но и устройство реальных систем. Теперь именно эти задачи автоматизируются быстрее всего. Силкин уже видит последствия на практике:
«Это уже большая проблема. Повсеместное распространение ИИ во многом отбирает у junior-специалистов возможность получения опыта на простых задачах с низким уровнем риска. То, что они раньше впитывали путём проб и ошибок, сейчас делегировано роботу, и если этот робот по какой-то причине даст сбой, разработчик, привыкший во всём полагаться на него, не заметит проблемы».
Еликова также говорит об изменении структуры стартовых позиций. По её словам, смещение акцентов в отрасли напрямую меняет правила игры для начинающих специалистов.
«Мы уже наблюдаем, как ИТ-рынок переходит от массового найма к точечному подбору и повышению производительности труда, а около 31 % руководителей перенаправляют бюджеты со стартовых позиций на развитие специалистов уровня Middle+», — поделилась она.
В результате планка входа существенно повышается и от новичков с первых дней требуют инженерной эрудиции и умения верифицировать результат.
Получается занятная ловушка. Чтобы нормально контролировать ИИ, разработчику нужен опыт. Но работу, на которой раньше этот опыт добывали, теперь выполняет ИИ. Откуда, при таком раскладе, мы будем брать наших «бабочек» через 5–10 лет?
Кодогенерация и её последствия
Представим производственную линию, на которой внезапно в десять раз ускорили один станок, а всё остальное оставили как было. Очень скоро проблема будет уже не в скорости этого станка, а в том, что остальные участки за ним не успевают.
Для примера один забавный случай, рассказанный в кулуарах. Как говорится, все совпадения случайны. Заказчик устал ждать серьёзных архитектурных изменений и решил самостоятельно внести необходимые доработки с помощью Claude. Команда узнала об эксперименте уже после того, как всё перестало нормально работать. Результат — более 10 тыс. строк сгенерированных изменений и почти 100 конфликтов с параллельно сделанной работой.
Мораль: получить тысячи строк стало легко. Разобраться с ними — всё ещё нет.
«Одна большая технологическая компания, Meta (признана в России экстремистской организацией и запрещена) недавно очень хотела стать AI-driven или AI-powered. Сократила штат, повсеместно внедряла ИИ, ставила метрики на процент написания кода разработчиком через ИИ. Количество кода резко выросло, как и количество критических инцидентов по безопасности. А эти самые инциденты разбирают люди, и это занимает у них очень много времени. Оптимизация и экономия получились сомнительные», — привёл другой пример Григорий Силкин.
Так «инфляция кода» начинает приобретать вполне практический смысл. Код можно произвести практически мгновенно, но его всё равно надо прочитать, проверить, протестировать, вписать в существующую архитектуру и безопасно довести до прода.
А что сеньоры?
Если опыт становится главным активом, рынок должен быть особенно заинтересован в постоянном притоке людей, которые со временем этот опыт приобретут. Только вот ровно в этот момент экономический стимул и начинает работать в обратную сторону. И специалисты этот риск признают.
«Во-первых, все верят в силу ИИ, который на деле пока ещё не так силён, как хотелось бы. Во-вторых, в кризисное время обычно в приоритете не длительные инвестиционные проекты (каким, без сомнения, является в том числе работа по обучению джунов), а быстрые краткосрочные бизнес-задачи, дающие результат сразу», — напомнил Силкин.
Еликова считает, что если рынок начнёт слепо экономить на начинающих сотрудниках из-за доступности ИИ-инструментов, через несколько лет он неизбежно столкнётся с жесточайшим дефицитом опытных сеньоров.
«Чтобы избежать кадрового коллапса, компаниям нужно перестроить карьерные треки. Например, мы уже внедряем программы интенсивного роста, позволяющие за полтора года довести молодого специалиста от стартовой позиции до уровня Middle за счёт стажировок, ИТ-лагерей и глубокой работы с наставниками», — отметила она.
Секретенко тоже согласен, что желание сэкономить сегодня может дорого обойтись отрасли завтра, особенно если компании начнут слишком быстро сокращать нижние уровни инженерной воронки ради краткосрочной экономии.
«Senior-разработчик становится таковым через годы практики, ошибок и обратной связи, поэтому выпадение начального этапа может уже через несколько лет отразиться на доступности senior-специалистов на всем рынке», — подытожил эксперт.
Не менее важно перестраивать университетские программы, учебные курсы и корпоративные практики так, чтобы начинающие разработчики получали реальный инженерный опыт даже тогда, когда значительную часть простых задач уже выполняет ИИ.
Новая первая ступень
Впрочем, из этого не следует, что отрасли придётся искусственно придумывать для джунов бессмысленную работу только потому, что «мы все через это проходили». Старую лестницу можно перестроить.
«Эту проблему для начинающего разработчика можно решить погружением в текущие требования работодателей — разобраться с применением ИИ. Практический опыт работы с ИИ-агентами сейчас просто встаёт в ряд с прочими обязательными требованиями на вакансию, такими как высшее техническое образование, базовые знания языка программирования или баз данных. Одним словом, молодых специалистов надо сразу учить работать с применением ИИ-инструментов», — говорит Силкин.
Но одного умения вызвать агента, очевидно, мало. Если разработчик не понимает основ, он не сможет определить, что машина уверенно предложила ерунду. Поэтому вместо старой схемы «напиши сто простых функций» могут появиться другие способы набивать руку. Секретенко предлагает несколько вариантов:
«Практический опыт будет всё больше формироваться в процессе работы со спецификациями, тестированием, ревью ИИ-кода, а также участия в реальных задачах под контролем более опытного специалиста. Там, где дать новичку доступ к реальному проекту сложно или рискованно, практику можно переносить на симуляторы и синтетические задачи: разбирать сбои, искать ошибки в готовом решении или выбирать между несколькими вариантами архитектуры. Значение наставничества в такой модели, вероятно, вырастет: младшим специалистам нужно учиться понимать, почему решение некорректно».
Раньше начинающего разработчика прежде всего учили создавать простые решения. Теперь всё большую часть времени придётся тратить на то, чтобы научить его разбираться в чужом. При этом фундамент, по мнению Секретенко, выбрасывать нельзя:
«Фундаментальную часть подготовки радикально менять не стоит: алгоритмы, архитектурные принципы, базы данных, библиотеки остаются необходимой основой. При этом коротких учебных проектов уже недостаточно для подготовки. С моей точки зрения, начинающим разработчикам нужно длительное наставничество в реальной ИТ-команде, не меньше года. За это время они должны перейти от работы по готовой постановке к задачам полного цикла — самостоятельно уточнять требования, выбирать способ реализации, проверять результат и разбирать сбои вместе с ментором».
Такой формат позволит не только накапливать навык работы с ИИ, но и развивать инженерное мышление, необходимое для перехода к middle- и senior-ролям.
Выводы
Похоже, следующее поколение разработчиков будет отличаться от нынешнего не тем, что научится писать код ещё быстрее. Как раз писать его всё чаще будет машина.
Ценность сместится к другому набору умений: поставить машине задачу, понять предложенное решение, увидеть ошибку, оценить архитектуру, заметить уязвимость и в нужный момент сказать: нет, этот результат выпускать нельзя. Во время нашего разговора Дмитрий Волк повторил несколько раз, как догму: «Нельзя переложить ответственность на ИИ». Трудно с ним не согласиться.
И, возможно, здесь находится более важное последствие нынешней революции, чем сокращение числа джунов. Мы постепенно возводим мир, устройство которого для большинства людей будет становиться всё менее прозрачным. Пользователь увидит результат работы сервиса, сотрудник — готовое решение агента, компания — работающую цифровую систему. Но между человеком и результатом окажется всё более толстый слой моделей, алгоритмов и автоматизации.
На этом фоне появляется довольно специфический класс специалистов — людей, которые хотя бы приблизительно понимают, что и как делают машины, почему они это делают и когда им нельзя доверять.
Всякая бабочка когда-то была гусеницей. Но новое поколение «бабочек», похоже, будет заниматься уже не столько созданием цифрового мира, сколько контролем за его созданием.
И это уже совсем другая профессия.
