Простая задача на Java заняла у стажера без нейросети 2-3 часа, зато на выходе он собрал решение с фабрикой, синглтоном и общей абстракцией валидации. На этом фоне главный вывод из свежей дискуссии про ИИ в обучении звучит неприятно, но знакомо многим тимлидам: начинающие разработчики стали лучше отвечать на вопросы, но заметно хуже справляются с самостоятельным кодом.
Об этом сообщает Habr / Карьера со ссылкой на заметку Михаила, senior Java/Kotlin-разработчика ОТП Банка, который параллельно занимается менторством. Его наблюдение выросло не из абстрактных жалоб на «новое поколение», а из практики мок-собеседований: кандидаты уверенно оперируют терминами, объясняют паттерны и методы так, будто давно живут внутри продакшена, но теряются, когда нужно сесть и решить задачу без внешнего костыля.
Чтобы проверить ощущение на практике, Михаил дал нескольким участникам одну и ту же задачу только на Java. Нужно было реализовать сервис обработки уведомлений: принять список запросов, отсеять дубликаты по requestId, валидировать email, SMS и push, эмулировать отправку через лог и в конце вывести статистику по успешно обработанным, пропущенным дублям и ошибкам. Набор участников получился показательный: сама нейросеть, стажер с доступом к нейросети, стажер без нее, мидл, который почти перестал писать код сам и в тексте назван «вайбкодером», а также сеньор, которому разрешили работать как удобно.
Результат у первой пары был предсказуемым. Нейросеть, которой дали короткую команду «реши задачу», выдала прямолинейный рабочий код без архитектурных излишеств: HashSet для уже обработанных requestId, счетчики processed, failed и duplicates, switch по типам уведомлений, простая валидация и вывод строк в консоль. Такой код закрывает постановку, но не делает шаг дальше. Стажер, который пользовался чатом, по словам автора, принес почти то же самое решение и фактически не спорил с машиной. Для ментора это и стало симптомом: человек не развил идею, не уточнил слабые места и не попытался понять, где код переживет следующую правку, а где сломается от первого же нового требования.
Сильнее всего автора удивил стажер, который решал задачу без ИИ. На работу ушло 2-3 часа, то есть кратно больше, чем у тех, кто получал ответ за минуты. Но именно это время, потраченное на поиск, ошибки и ручную сборку решения, дало другой результат. По описанию Михаила, стажер разложил проект через паттерны: фабрику для создания объектов NotificationService, синглтон для одного экземпляра на тип и фабричный метод с общей абстракцией, где конкретная логика различалась через validate. Сам автор не называет такой вариант идеальным, но подчеркивает главное: в нем есть мысль, структура и задел на поддержку. И это, пожалуй, самая неприятная часть истории для всех, кто верит, что ИИ в обучении автоматически ускоряет рост новичка. Быстрее становится путь до ответа, но не путь до понимания.
Не менее показателен пример мидла, который давно работает на реальном проекте и почти полностью отдал написание кода нейросети. Когда его попросили решить задачу самостоятельно, он выдал вариант лучше базового ответа модели, но все равно не дотянул до уверенного инженерного уровня: отдельно NotificationService для отправки и проверки дублей, отдельно ValidationService с методами smsValidation, pushValidation и emailValidation. То есть опыт в продакшене сам по себе не гарантирует формы, если мышца самостоятельного программирования давно не включалась. Для рынка это важный сигнал: проблема уже не только в стажерах, которые не успели набить шишки, но и в разработчиках, у которых навык постепенно атрофируется из-за постоянной опоры на внешнего автопилота.
В этом смысле заметка Михаила хорошо попадает в нерв 2026 года. За последние пару лет вход в профессию действительно стал проще на уровне доступа к информации: не нужно собирать ответ по десяти вкладкам, долго копаться в форумах и вручную примерять чужие фрагменты под свою задачу. Нейросеть сразу предлагает и объяснение, и код, и даже уверенный тон, из-за которого особенно легко принять сырой ответ за компетентность. Для начинающего разработчика это опасная комбинация. На собеседовании она маскируется под хорошую теорию, а на реальной задаче быстро превращается в техдолг: человек не знает, почему решение работает, где у него границы, как его тестировать и что будет после первой смены требований.
Для команд и нанимающих менеджеров отсюда следует довольно прагматичный вывод. Проверка терминов и общих знаний больше не показывает реальную глубину кандидата. Если почти любой джун может за вечер выучить правильные ответы и еще отрепетировать их с ботом, то ценность резко смещается в сторону практических заданий, разбора собственного кода, аргументации архитектурных выборов и умения переписать неудачное решение. То же касается внутреннего обучения в компаниях: если новичку разрешено бесконтрольно копировать все, что выдал чат, он быстро начинает выглядеть продуктивным, но очень медленно превращается в самостоятельного инженера.
При этом сам автор не призывает объявлять войну нейросетям. Его тезис тоньше: ИИ в обучении полезен, пока остается помощником, а не заменой мышлению. Для русскоязычной IT-аудитории это, возможно, и есть главный вывод из всей истории. Если junior знает определения лучше, чем пять лет назад, но не может собрать внятный сервис без подсказки, рынок рано или поздно отреагирует не запретом на ИИ, а более жестким спросом на тех, кто умеет думать после того, как окно чата закрыто.