Если ИИ действительно делает инженеров продуктивнее в три-четыре раза, логичный ход для бизнеса — не увольнять людей, а запускать в три-четыре раза больше проектов. С таким тезисом выступил глава Google DeepMind Демис Хассабис, комментируя страхи вокруг увольнений из-за ИИ. Для русскоязычной IT-аудитории это важный сигнал: спор уже идет не о том, умеет ли модель писать код, а о том, как компании собираются превращать эту мощность в деньги.
Хассабис в разговоре с Wired довольно прямо прошелся по апокалиптическому сценарию, в котором генеративные модели массово заменяют программистов. По его словам, он не понимает, почему так много людей рассуждают об этом с полной уверенностью. Версия самого Хассабиса проста: если инженер за то же время делает в несколько раз больше, у большой технологической компании появляется не повод резать штат, а шанс ускорить накопившийся backlog, запустить новые продукты и попробовать идеи, на которые раньше не хватало рук. В его формулировке это звучит почти по-хозяйски: освободившихся инженеров можно направить туда, где давно лежат амбициозные, но не приоритетные задачи.
Контекст у этого заявления понятный. За последний год ИИ-кодинг из модного демо превратился в один из главных коммерческих сценариев на рынке больших моделей. Генерация функций по промпту давно никого не удивляет; теперь ставки выше. Модели учат переводить крупные кодовые базы с одного языка на другой, искать ошибки глубоко в старом проекте, разбираться в зависимостях и выступать не просто автодополнением, а агентом, который берет на себя кусок разработки. На этом фоне разговоры про увольнения из-за ИИ стали почти обязательной частью отраслевого фольклора: часть руководителей подогревает ожидания инвесторов, часть пытается заранее объяснить сокращения повышением эффективности.
Хассабис бьет именно по этой логике. По его мнению, компании, которые пытаются заменить разработчиков ИИ, рискуют ошибиться из-за банального дефицита воображения. Иными словами, они видят только экономию на зарплатах и не видят более дорогой актив — возможность резко расширить воронку экспериментов. Для Google и Alphabet, где одновременно существуют облако, поиск, Android, исследовательские команды и длинный список побочных инициатив, такой подход выглядит особенно рационально. Сам Хассабис приводит показательный пример: если у него появляются дополнительные инженерные ресурсы, он бы предпочел пустить их в новые направления, от разработки лекарств до игр, а не просто зафиксировать сокращение затрат в квартальном отчете.
На практике этот спор идет параллельно с гонкой самих инструментов. На конференции Google I/O компания показала новый набор ИИ-возможностей для разработки и агентных сценариев. В центре внимания оказался Gemini 3.5 Flash, который Google позиционирует как модель с сильными возможностями в программировании и рассуждении, но при этом более быструю и дешевую, чем конкурирующие предложения. Более мощную версию Gemini 3.5 Pro компания анонсировала на следующий месяц. Помимо моделей, Google продемонстрировала ассистента для облачной среды и более широкий набор агентных сценариев, включая функции, связанные с Android и поиском. Смысл всей этой витрины прозрачен: Google нужно не просто догнать рынок, а доказать, что ее ИИ полезен не в презентации, а в ежедневной инженерной работе.
И догонять действительно есть кого. По данным опроса Stack Overflow за 2025 год, на который ссылается Wired, в инструментах для разработчиков сильные позиции у Anthropic и OpenAI с их продуктами Claude и Codex. Это неприятная для Google деталь: компания, которая десятилетиями определяла инфраструктуру интернета, в самом денежном прикладном сегменте ИИ пока не выглядит безоговорочным лидером. Отсюда и жесткий акцент на кодинге. Если генеративные модели и станут для корпораций тем, чем когда-то стали облака, то продаваться они будут не через красивые обещания общего интеллекта, а через измеримую прибавку к скорости релизов, качеству кода и числу завершенных задач.
Для разработчиков здесь новость не столько в том, что глава DeepMind защищает профессии, сколько в том, как именно он это делает. Хассабис не спорит с тем, что модели становятся сильнее. Наоборот, он фактически признает: автоматизация уже добралась до сложных инженерных операций, а не только до шаблонной рутины. Но из этого, по его логике, не следует прямой маршрут к исчезновению профессии. Скорее меняется сама единица ценности. Меньше ценится способность быстро написать типовой код, выше — умение ставить задачу, проверять результат, собирать систему из множества компонентов и понимать, где автоматизация ускоряет работу, а где добавляет скрытый риск. Для тимлидов, продактов и CTO это означает еще одну неприятную, но полезную мысль: экономить придется не столько на людях, сколько на плохих процессах.
Есть и важная оговорка, которая делает позицию Хассабиса менее рекламной и более трезвой. Несмотря на прогресс в программировании, ИИ до сих пор не создал без участия человека по-настоящему громкий продукт уровня хита на рынке приложений или игр. По мнению главы DeepMind, в нынешних системах чего-то не хватает. Он допускает, что модели со временем смогут переписывать собственный код и улучшать себя в цикле, но не считает, что это автоматически и быстро приведет к сверхчеловеческому интеллекту. Особенно там, где нужно не только работать с текстом и кодом, но и глубже понимать физический мир или опираться на реальные эксперименты. Это отрезвляющий момент на фоне привычного шума вокруг «полной замены белых воротничков».
Для бизнеса отсюда следует неприятно практичный вывод. Увольнения из-за ИИ могут выглядеть эффектно в презентации для совета директоров, но они же легко оборачиваются стратегической экономией не на расходах, а на будущем росте. Если инструменты действительно ускоряют разработку, выиграют не те, кто первым сократит команду, а те, кто быстрее превратит эту прибавку в новые продукты, внутренние платформы и дополнительные ставки на смежных рынках. В этом смысле спор вокруг увольнений из-за ИИ только начинается: рынок еще должен решить, что дороже — краткосрочная маржа или способность компании делать заметно больше, чем год назад. Проверить аргументы Хассабиса можно в исходном материале .