За последние 30 лет разработчикам уже не раз обещали скорую ненужность: сначала из-за готовых компонентов, затем из-за open source, конструкторов сайтов и мобильных платформ. Теперь на эту роль назначили генеративный ИИ. Но история показывает другую картину: ИИ и программисты не конкурируют за один и тот же объём работы — автоматизация убирает часть рутины и одновременно расширяет число задач, где нужен человек, способный собрать работающий продукт.
Такую позицию в колонке на Habr / Карьера высказывает разработчик с 30-летним опытом Андрей Горлач. Его главный аргумент не в том, что нейросети «недостаточно умны», а в повторяющемся эффекте технологических сдвигов: когда создание цифровых продуктов дешевеет, появляются новые бизнес-модели, пользователи и требования к софту. Исчезают отдельные операции, но не необходимость разбираться в процессах, рисках и потребностях людей.
Автор вспоминает конец 1990-х, когда распространение shareware открыло российским разработчикам прямую продажу программ зарубежным пользователям. Небольшой продукт можно было написать, разместить в каталогах, подключить приём платежей и продавать без издателя. Типовые утилиты — калькуляторы, программы для записи дисков, MP3-плееры — действительно позже вошли в ОС или стали бесплатными. Однако вместо конца рынка пришли интернет-коммерция, мобильные приложения и сервисы, для которых потребовались новые команды и компетенции.
Этот механизм хорошо знаком любому, кто хотя бы раз автоматизировал «простой» бизнес-процесс. Интернет-магазин кормов выглядит далёким от разработки ровно до момента, когда нужно связать каталог, оплату, CRM, доставку, рекламу, возвраты, поддержку и аналитику. Цифровые инструменты не просто ускоряют прежнюю операцию: они делают экономически возможным сервис, который раньше не сошёлся бы по затратам. И чем ниже стоимость запуска, тем больше таких ниш возникает.
Горлач приводит похожий пример из электроники. Доступные одноплатные компьютеры, Arduino, открытые библиотеки и китайские производства печатных плат снизили порог входа для небольших аппаратных проектов. Автор после долгой работы в разработке вернулся к своему первому образованию и запустил бизнес, связанный с электроникой для яхт и маломерных судов. Инструменты стали проще, но сама инженерная задача никуда не делась: нужно понять пользователя, выбрать компоненты, проверить надёжность устройства и организовать его выпуск.
С генеративным ИИ происходит то же самое, только быстрее и заметнее. Модель уже способна подготовить черновой интерфейс, написать типовой код, объяснить ошибку, сгенерировать тестовые данные или документацию. В ближайшей перспективе пользователь сможет поручать ей всё больше задач без прямого обращения к специалисту. Для разработчика это неприятная новость лишь в том случае, если ценность его работы сводилась к набору шаблонного кода или ручной настройке очередной формы с валидацией полей.
Но рабочая система начинается там, где заканчивается правдоподобный демо-ролик. Кто-то должен выяснить, что именно требуется бизнесу, договориться о приоритетах, спроектировать данные и интеграции, предусмотреть права доступа, ошибки, нагрузку и последствия неверного ответа модели. Кто-то должен проверить, не отправляет ли новый помощник клиентские данные не туда, не ломает ли бухгалтерский процесс и можно ли поддерживать решение через полгода. ИИ ускоряет исполнение, но не берёт на себя ответственность за контекст.
Для джунов это означает менее комфортный вход: задач вида «сверстать форму по макету» или «написать CRUD без отклонений от шаблона» станет меньше. Зато быстрее становится доступ к практике: можно разбирать чужой код, собирать прототипы, получать объяснения и проверять гипотезы без недельного ожидания ревью. Для опытных инженеров меняется состав работы: меньше механического производства, больше архитектуры, проверки результата, продуктового мышления и коммуникации с доменом.
Компании, в свою очередь, могут делать больше итераций меньшими командами, но не должны путать скорость генерации с готовностью продукта к эксплуатации. Код от ИИ требует тех же тестов, наблюдаемости, контроля зависимостей и безопасности, что и код от человека. Иногда даже больше: убедительный, но неверный ответ опаснее явной ошибки компилятора, потому что его легче пропустить на ревью.
Паника вокруг того, что ИИ и программисты не смогут сосуществовать, повторяет старую ошибку: она измеряет будущее количеством привычных вакансий и привычных задач. Вероятнее, профессия будет всё меньше оцениваться по скорости написания кода и всё больше — по способности превратить неопределённую проблему в надёжный результат. Вопрос не в том, останутся ли программисты, а в том, кто научится использовать новую дешёвую мощность для создания вещей, которые вчера было слишком дорого делать.
