С начала 2026 года IT-сектор, по данным автора статьи на Habr, потерял более 118 тысяч рабочих мест, а крупные компании вроде Meta и Intuit режут команды на фоне вложений в GPU и инфраструктуру. Для русскоязычного рынка это важный сигнал: ИИ в разработке перестает быть модной надстройкой и становится инструментом, под который бизнес уже меняет найм, процессы и требования к инженерам.
Об этом сообщает Habr / Карьера в колонке senior Python-разработчика Алексея Яковенко, который описывает перемены не как футуролог, а как человек, ежедневно работающий с ИИ-инструментами. Его главный тезис звучит без паники, но и без розовых очков: массовой «смерти профессии» он не ждет, зато ждет рынок поменьше, планку повыше и куда меньше шансов для тех, кто привык закрывать задачи по шаблону.
В качестве отправной точки Яковенко собирает набор цифр, которые, по его словам, характеризуют первую половину 2026 года. Среди них — более 118 тысяч сокращений в IT с начала года, около 8 тысяч урезанных позиций в Meta и 3 тысячи в Intuit. Параллельно, пишет автор, четыре технологических гиганта — Amazon, Microsoft, Alphabet и Meta — могут направить около 725 миллиардов долларов на ИИ-инфраструктуру только за 2026 год. Логика, которую он выводит из этих цифр, довольно приземленная: компании не обязательно увольняют людей потому, что у них все плохо; иногда они просто перераспределяют бюджет с найма на вычислительные мощности. В таком раскладе инженерный штат начинает конкурировать не только с другими командами, но и буквально с очередной партией видеокарт.
На этом фоне меняется и то, как руководители индустрии описывают будущее профессии. Яковенко напоминает о словах Марка Цукерберга, который в начале 2025 года допускал появление ИИ, способного работать на уровне middle-инженера и писать код. Еще год назад подобные реплики звучали бы как обязательный элемент хайповой презентации, а теперь, судя по тону топ-менеджеров, это уже рабочий сценарий. Но статья аккуратно разводит два тезиса, которые часто смешивают в один: ИИ не «заменил» разработчиков, а переформатировал их работу. По наблюдениям автора, ручной набор кода занимает у него и его коллег все меньшую долю дня. Остальное время уходит на ревью сгенерированного, поиск тихих ошибок, проверку архитектурных решений и оценку того, где нынешняя экономия выстрелит в ногу через полгода.
Самый чувствительный удар, по версии автора, приходится по новичкам. Именно джуны раньше закрывали рутинные куски работы, на которых можно было набить руку: мелкие багфиксы, типовые CRUD-задачи, несложные интеграции. Теперь значительную часть этой рутины берет на себя ассистент, а мидл или сеньор выступает в роли редактора и контролера. В статье для этого приводятся и внешние ориентиры: исследование GitHub, где разработчики с Copilot справлялись с задачей на 55% быстрее, и заявление Anthropic о том, что значительная часть кода для обучения новой флагманской модели была написана с помощью ИИ. Из этого Яковенко делает неприятный, но логичный вывод: если рутину можно закрыть машиной, бизнесу становится сложнее объяснить, зачем держать несколько джунов там, где раньше росла будущая команда.
Отсюда вытекает второй важный сдвиг: барьер входа в профессию технически снижается, а профессиональный барьер, наоборот, растет. Собрать работающее приложение с базой, авторизацией и деплоем теперь может человек, который еще вчера не писал код вообще. Для рынка это выглядит как демократизация разработки, но автор видит в этом и ловушку. Рабочий прототип больше не доказывает квалификацию так, как раньше: результат можно получить почти без понимания того, как он устроен внутри. А именно понимание отличает инженера от человека, который умеет хорошо формулировать запросы к модели. Для нанимающих менеджеров и техлидов это плохая новость: внешне «готовое решение» все чаще оказывается черновиком, стоимость которого станет видна только на этапе поддержки, масштабирования и исправления поломок.
Отдельно статья фиксирует новый спрос со стороны бизнеса. Если раньше у разработчиков чаще спрашивали, как встроить ИИ в сам продукт — например, в виде рекомендаций, чат-ботов или суммаризации, — то теперь заказчики все чаще хотят встроить ИИ в саму разработку, чтобы делать быстрее и меньшими силами. Яковенко приводит показательный кейс: его пригласили в крупную компанию именно для того, чтобы ускорить команду с помощью ИИ-ассистентов, а не ради очередной пользовательской функции. Скепсис команды, по его словам, быстро исчез после демонстрации на их собственной кодовой базе. Для рынка это, пожалуй, важнее любых громких заявлений про конец профессии. ИИ в разработке становится не экспериментом энтузиастов, а задачей уровня генерального директора: как сократить цикл выпуска фич и не утонуть в легаси.
Есть и еще один симптом, который хорошо знаком многим аутсорсерам и продуктовым командам: кодить начали сами заказчики. Автор описывает появление «вайбкодеров от бизнеса» — владельцев продукта, маркетологов, аналитиков, которые собирают что-то работающее за выходные и приходят уже не с ТЗ, а с почти готовым решением. На словах там обычно фигурирует формулировка «надо только чуть-чуть доработать». На практике это означает классическую проблему 2026 года: прототип выглядит убедительно ровно до первого разговора о безопасности, отказоустойчивости, поддержке, миграциях, интеграциях и цене ошибок в продакшене. Именно здесь инженерная экспертиза не исчезает, а дорожает. Не тот, кто быстрее набросал интерфейс или endpoint, а тот, кто понимает, как система переживет рост, поломки и чужие руки в кодовой базе.
Из всего этого складывается не апокалипсис для разработчиков, а довольно жесткий пересмотр профессии. Рынок, если верить логике статьи, будет меньше вознаграждать механическое написание кода и больше — способность принимать решения, проверять машинный вывод и видеть систему целиком. Для русскоязычных инженеров здесь есть короткое окно форы: локальный рынок обычно переваривает такие сдвиги медленнее, чем американский. Но это не повод расслабляться. ИИ в разработке уже меняет не только инструменты, но и сам критерий профпригодности: ценится не тот, кто пишет больше строк, а тот, кто лучше понимает, что именно стоит писать человеку, а что уже дешевле и быстрее отдать модели.