Глава Nvidia Дженсен Хуанг сформулировал тезис, который еще недавно звучал бы как провокация: его инженеры предпочитают строить ИИ-агентов, а не писать Python-код вручную. Для рынка это не просто эффектная цитата. Если ИИ-агенты и правда становятся новым интерфейсом к разработке, русскоязычным командам придется пересобирать не только инструменты, но и саму роль разработчика.
Как пишет The New Stack, Хуанг описывает сдвиг довольно прямо: традиционное программирование уперлось в развилку, где ручной набор синтаксиса все чаще уступает место агентным системам. По его словам, внутри Nvidia инженеры все меньше заняты «печатанием кода» и все больше работают над агентами, бенчмарками и guardrails, то есть ограничителями и проверками, которые не дают модели уехать в произвольную фантазию. Формулировка жесткая, но понятная: ценность смещается от написания отдельных строк к постановке задачи, проверке результата и настройке контура безопасности.
Это важный нюанс, потому что громкие заявления о «смерти кода» обычно сводят разговор к дешевому спору из серии «заменит ли ИИ программистов». Хуанг говорит не совсем об этом. Его тезис скорее про то, что инженерная работа дробится иначе. Если раньше базовой единицей труда был фрагмент логики в Python, JavaScript или C++, то теперь ею становится рабочий контур: агент получил задачу, разбил ее на шаги, сходил за контекстом, что-то сгенерировал, прогнал через тесты, получил обратную связь и вернулся с новой версией. В такой схеме человек нужен не меньше, а в другом месте: там, где надо задать критерии качества, определить границы доступа, придумать систему валидации и решить, можно ли вообще доверять автомату.
Для Nvidia эта риторика не выглядит случайной. Компания давно живет не только продажей ускорителей, но и всей экосистемой вокруг ИИ: от инфраструктуры до инструментов для разработки моделей и приложений. В такой логике агентный подход хорошо ложится на собственный интерес бизнеса. Чем больше компаний строят ИИ-агентов, тем выше спрос не только на модели, но и на вычисления, orchestration, наблюдаемость, безопасность, тестирование и корпоративные пайплайны. Иначе говоря, речь не о красивом лозунге с конференционной сцены, а о картине мира, в которой разработка становится более дорогой по инфраструктуре, но потенциально быстрее по итерациям.
Отсюда и второй слой этой истории: меняется профиль навыков. Если верить Хуангу, инженеру будущего мало быть сильным «кодером» в классическом смысле. Нужны умение проектировать поведение систем, собирать оценки качества, понимать, где у агента сломается контекст, и заранее строить страховки. На практике это означает сдвиг в сторону AI engineering: промпты как артефакт разработки, evals как обязательная часть релиза, ограничения на инструменты и доступы как новая форма архитектурной дисциплины. Для тимлидов и CTO это неприятная, но полезная мысль: команда может быстро получить массу сгенерированного кода, но без нормальной системы проверки этот выигрыш легко превращается в склад технического долга с автодоставкой.
При этом Хуанг спорит с более мрачным сценарием, который в последние месяцы все чаще звучит от технологических руководителей. Он не поддерживает идею, что ИИ просто вычеркивает беловоротничковые роли из штатного расписания. Напротив, его позиция в том, что внедрение ИИ создает большой объем новой работы. Логика здесь проста: чтобы ИИ что-то реально делал в компании, надо подготовить данные, описать процессы, настроить права, измерить качество, встроить систему в прод, а потом еще долго чинить то, что в демо выглядело магией. То есть вакансии не исчезают автоматически, но меняют содержание. Наем «просто разработчика» постепенно проигрывает найму инженера, который умеет работать на стыке кода, моделей и операционного контура.
Для русскоязычного IT-рынка в этом есть вполне практический вывод. Компании, которые сейчас внедряют ИИ-агентов, не обязаны верить в апокалипсис традиционной разработки, чтобы уже пересматривать процессы. Если в команде по-прежнему измеряют продуктивность только количеством закрытых задач или строк кода, они смотрят в зеркало заднего вида. Более полезный вопрос другой: какие части работы действительно можно отдать агенту без роста рисков, а где нужен человек с доменной экспертизой и правом последнего решения. В enterprise-среде это особенно заметно. Там побеждает не тот, кто первым включил «автогенерацию всего», а тот, кто научился отделять безопасную автоматизацию от дорогих галлюцинаций.
Отдельно стоит сказать про разработчиков, которые воспринимают такие заявления как атаку на профессию. Здесь есть соблазн уйти в отрицание: мол, любой нормальный продакшен все равно пишется руками, а агенты годятся только для игрушек и лендингов. Но рынок уже не выглядит настолько бинарным. Даже если ручное программирование никуда не денется, оно перестает быть единственной точкой входа в создание софта. Как только ИИ-агенты берут на себя черновую реализацию, поиск по документации, подготовку тестовых сценариев или первичную отладку, ценность инженера сдвигается вверх по стеку. Больше спроса будет на тех, кто умеет формулировать задачу, замечать сбои, строить проверки и принимать технические решения, а не просто быстро набирать синтаксис без ошибок.
Главный вопрос теперь не в том, «умерло» ли традиционное программирование. Гораздо интереснее, сколько компаний готовы признать, что писать код и создавать рабочую систему больше не одно и то же. Если Хуанг прав, то следующая конкуренция развернется не между языками и фреймворками, а между командами, которые научились приручать описанный агентный контур, и теми, кто все еще меряет будущее IDE скоростью ручного ввода.