Парадоксально, но ускорение разработки с помощью ИИ может не сократить, а увеличить спрос на разработчиков. Логика здесь не про романтику профессии, а про экономику: если типовую задачу можно закрыть не за 8 часов, а за 1, бизнес обычно не увольняет семерых из восьми инженеров, а начинает запускать то, что раньше казалось слишком дорогим.
Именно этот тезис разбирает автор публикации на Habr / Карьера, связывая нынешний бум AI-инструментов для кода с парадоксом Джевонса, сформулированным еще в 1865 году. Для русскоязычного IT-рынка это важный разворот дискуссии: разговор стоит вести не о конце профессии, а о том, как меняется спрос на разработчиков, какие задачи автоматизируются первыми и за что компаниям придется платить дальше.
Основа аргумента проста. Английский экономист Уильям Стэнли Джевонс в работе «Угольный вопрос» описал эффект, который потом назвали его именем: чем эффективнее используется ресурс, тем выше может оказаться его суммарное потребление. Самый известный пример связан с паровыми машинами. Более экономичный двигатель Уатта не привел к тому, что угля стали жечь меньше. Наоборот: когда единица полезной работы подешевела, паровые машины начали применять шире, и общий спрос на уголь вырос.
В разработке происходит почти то же самое. Если генерация типового кода, тестов, обвязки или простых интеграций резко дешевеет, компании получают не повод урезать ИТ-команды до минимума, а соблазн делать больше. Быстрее запускаются внутренние сервисы, автоматизация для отдельных отделов, A/B-тесты, прототипы, кастомные скрипты, интеграции между разрозненными системами. То, что вчера откладывали в бэклог со словами «дорого», «не горит» или «нет рук», внезапно начинает проходить по бюджету.
Ключевое условие здесь одно: спрос на софт должен быть эластичным. Иными словами, удешевление разработки должно вызывать рост числа задач сильнее, чем падает стоимость одной задачи. История индустрии скорее подтверждает именно такой сценарий. Почти каждый прошлый виток упрощения разработки, от компиляторов и языков высокого уровня до open source, облаков и no-code-платформ, не убивал профессию разработчика. Он расширял рынок. Причина банальна: бизнес всегда хотел больше программного обеспечения, чем мог себе позволить в конкретный момент.
На этом месте обычно возникает возражение: да, раньше инструменты помогали людям, а теперь ИИ якобы начинает писать код сам. Но и здесь разница между демонстрацией и реальной эксплуатацией пока очень заметна. Громкие заявления о том, что большие языковые модели уже генерируют почти весь код, как правило, относятся к контролируемым сценариям, где человек остается архитектором, ревьюером и страховкой от ошибок. То есть машина ускоряет производство текста программы, но не берет на себя всю ответственность за корректность, совместимость, безопасность и поддержку.
Автор материала отдельно акцентирует, что автономные AI-кодеры пока закрывают лишь небольшую долю действительно ценных задач без плотного участия человека. Это важное уточнение на фоне рынка, где презентации звучат как трейлер к увольнению всей команды backend-разработки к следующему кварталу. На практике же у многих компаний расходы просто смещаются: меньше времени уходит на шаблонный код, больше — на проверку сгенерированного результата, на исправление пограничных случаев, на доведение решений до промышленного качества и на увязку всего этого с реальными бизнес-процессами.
Отсюда и главный вывод для профессии. Да, рутинные операции дешевеют и массовизируются. Навык быстро накидать простой скрипт или черновой прототип уже не выглядит редким активом. В этом смысле код постепенно становится чем-то вроде печати на клавиатуре: полезное базовое умение, но не причина само по себе платить высокий чек. Зато растет ценность тех слоев работы, которые плохо ужимаются в промпт и еще хуже живут без контекста.
Речь прежде всего об архитектуре, выборе абстракций, системном дизайне, надежности, интеграции, валидации и понимании предметной области. Нужны люди, которые могут не просто получить кусок кода, а решить, нужен ли он вообще, как он впишется в продукт, выдержит ли нагрузку, не сломает ли соседние сервисы и кто потом будет дежурить, когда все это упадет в пятницу вечером. ИИ неплохо ускоряет набор текста, но не отменяет цену ошибок в production. А значит, спрос на разработчиков смещается от «человека, который пишет руками много строк» к «человеку, который принимает дорогие технические решения».
Для бизнеса из этого следует довольно прагматичный вывод. Если AI-инструменты действительно делают разработку дешевле, выигрывают не те компании, которые первыми сократили штат ради красивой строчки в отчете, а те, кто быстрее превращает подешевевшую разработку в новые продукты, функции и внутреннюю эффективность. Проще говоря, рынок будет платить не за факт использования ИИ, а за delivery: кто быстрее и надежнее доставляет полезный результат. И вот здесь сильные инженеры оказываются нужны не меньше, а больше, потому что именно они собирают весь этот ускоренный конвейер в рабочую систему.
Пожалуй, главный вопрос теперь не в том, исчезнет ли профессия разработчика, а в том, как быстро рынок пересоберет ее профиль. Если стоимость написания кода продолжит падать, спрос на разработчиков, скорее всего, сохранится высоким, но сам разработчик будет все меньше «оператором клавиатуры» и все больше инженером, который отвечает за связность, качество и смысл того, что производят люди и модели вместе.