AI И НЕЙРОСЕТИ

ИИ в работе: почему автоматизация не отменяет ручную практику

52 инженера участвовали в сравнении работы с ИИ и без него: почему автоматизация рутинных задач может замедлить рост разработчиков.

✍️ Редакция iTech News | 18.11.2026 | ⏱ 4 мин | Источник: Habr / Карьера
🌐

ИИ в работе обещает убрать у разработчиков однообразные задачи, но вместе с ними может исчезнуть часть практики, на которой держатся профессиональные навыки. В материале Habr / Карьера разбирается парадокс: экономия нескольких часов на шаблонном коде не превращает человека в архитектора, а иногда оставляет его без привычки проверять результат.

Спор об ИИ давно вышел за рамки вопроса «заменит или не заменит». Компании встраивают ассистентов в разработку, аналитику, дизайн и поддержку; сотрудники одновременно ждут ускорения и опасаются, что их опыт станет дешевле. Автор публикации предлагает смотреть не на рынок труда вообще, а на ежедневную работу конкретного специалиста: что происходит, когда нейросеть забирает все простые действия, включая те, которые кажутся особенно раздражающими.

Главная проблема — не в самой автоматизации, а в предположении, будто освобождённое от рутины время автоматически заполнится сложным мышлением. Глубокая концентрация не работает восемь часов подряд. Автор ссылается на исследования экспертизы Андерса Эрикссона и подход Кэла Ньюпорта: для большинства людей продуктивный предел интенсивной умственной работы — около четырёх часов в день. Остальное время требуется не только для созвонов и почты, но и для смены когнитивного режима.

Простой код, вёрстка, знакомая таблица или механическая проверка данных могут выполнять роль такой паузы. Задача решается предсказуемо, руки заняты, а голова получает пространство для неочевидных связей. В тексте это объясняется работой сети пассивного режима мозга: на фоне несложной деятельности проще «доварить» архитектурное решение или заметить ошибку в первоначальной постановке. Полностью вычистить из дня все повторяющиеся действия — значит оставить человека один на один с непрерывной серией решений высокой сложности. Для команды это скорее рецепт ступора и выгорания, чем кратный рост производительности.

Есть и прикладной риск: специалист, который перестал работать с материалом, теряет чувство его ограничений. Архитектор, давно не открывавший IDE, легче спроектирует красивую схему, неудобную для реальной реализации. Менеджер, который передал ИИ подготовку всех сводок, может хуже видеть, откуда берутся цифры и где в них пропущен контекст. Даже нелюбимые встречи и Excel порой выполняют полезную работу: помогают проговорить проблему, проверить исходные данные и синхронизировать людей, а не только «потратить время».

Особенно уязвимы начинающие специалисты. В публикации приводится упомянутое автором рандомизированное испытание Anthropic, проведённое в январе 2026 года с участием 52 инженеров. На итоговом тестировании группа, работавшая с ИИ-ассистентом, набрала 50%, а группа, писавшая код самостоятельно, — 67%. Наиболее заметная разница проявилась в заданиях на отладку и понимание логики. При этом вывод не сводится к запрету инструментов: хуже результаты были у тех, кто поручал ассистенту и генерацию, и отладку. Участники, использовавшие ИИ для объяснений и задававшие ему вопросы о логике решения, учились примерно на уровне контрольной группы.

Это важное различие для руководителей разработки. ИИ в работе полезен как собеседник, генератор черновика, ускоритель поиска и помощник в разборе чужого кода. Но если он превращается в конвейер «запрос — вставка — готово», команда получает иллюзию компетентности. Узнать правдоподобный ответ проще, чем воспроизвести его с нуля, объяснить компромиссы или найти дефект в нестандартном сценарии. А именно эти навыки понадобятся, когда сгенерированный код окажется убедительным, но неверным.

На рынке это накладывается на сокращение стартовых задач. Бизнесу действительно может быть выгоднее дать сильному инженеру ассистента, чем держать несколько новичков на шаблонных задачах. Но тогда возникает кадровая дыра: джуны не проходят путь через ошибки, мидлы не появляются сами собой, а сеньоров через несколько лет становится не из кого выращивать. Компании, которые автоматизируют входные позиции, должны отдельно проектировать обучение: ревью с разбором причин, самостоятельные упражнения, обязательную отладку и задачи, где нельзя принять ответ модели на веру.

Вероятно, профессия разделится не на «людей» и «ИИ», а на тех, кто умеет ставить задачу, проверять результат и сохранять ремесленную практику, и на операторов типовых генераторов. ИИ в работе уже сокращает путь до первого черновика. Вопрос для разработчиков и работодателей теперь в другом: останется ли у специалистов достаточно собственных ошибок, экспериментов и ручной работы, чтобы понимать, почему этот черновик вообще должен работать.

Поделиться: Telegram X LinkedIn