Настоящий T-Shape снова оказался в центре спора о будущем IT-профессий: ИИ всё лучше пишет тексты, код и документацию, но именно поэтому поверхностная универсальность дешевеет. В четвёртой части серии X5 Tech разбирает, почему специалисту недостаточно «уметь всего понемногу» и почему для разработчиков, продактов и тимлидов важнее становится глубокое профессиональное ядро.
Материал опубликован в блоге X5 Tech, сообщает Habr / Карьера. Автор, философ науки и техники и технический писатель, отталкивается от довольно болезненной для рынка темы: профессии, связанные с текстом, кодом и цифровым контентом, последние годы регулярно объявляют кандидатами на автоматизацию. Но главный тезис заметки не в том, что «ИИ всех заменит». Наоборот: автоматизация забирает типовые операции, а не ту часть работы, где человек формулирует проблему, держит контекст и связывает разрозненные элементы системы.
Ключевая претензия автора — к тому, как компании и вакансии часто трактуют T-Shape. В нормальной модели вертикальная черта буквы T означает глубокую экспертизу: разработчик хорошо понимает инженерную область, аналитик — данные и предметную логику, продакт — рынок, пользователя и бизнес-ограничения. Горизонтальная черта — это не список чужих должностных обязанностей, а способность понимать соседние области, разговаривать с ними на одном языке и видеть последствия решений за пределами своей функции.
На практике эту модель часто превращают в «один человек вместо трёх». От специалиста ждут, что он будет писать код, проектировать архитектуру, вести аналитику, заменять продакта, закрывать документацию и иногда ещё проводить собеседования. Выглядит экономно, пока не всплывает цена постоянного переключения контекста: рвутся когнитивные цепочки, растёт количество ошибок на стыках, а сложные задачи дробятся на набор срочных мелочей. Это уже не настоящий T-Shape, а попытка сэкономить на ролях, назвав перегрузку гибкостью.
ИИ делает эту разницу заметнее. Генеративные модели действительно быстро собирают черновики, пишут шаблонный код, структурируют документы и помогают с кратким анализом. Это полезно, но такие задачи хорошо автоматизируются именно потому, что у них понятная рамка: есть вход, ожидаемый формат и более-менее ясный критерий результата. Сложнее автоматизировать момент до выполнения — когда нужно понять, какую задачу вообще решать, где проходит граница ответственности, что сломается после внедрения и какие интересы команд конфликтуют между собой.
Отсюда меняется и ценность специалиста. Если раньше «универсал» мог выигрывать за счёт скорости производства базового результата, то теперь базовый результат всё чаще выдаёт инструмент. Конкурентным преимуществом становится не способность делать много разного на среднем уровне, а умение глубоко разбираться в своей зоне и при этом видеть систему шире. Для разработчика это может означать понимание продукта и эксплуатации, но не обязанность становиться полноценным продактом и SRE одновременно. Для аналитика — знание бизнес-контекста и ограничений разработки, но не превращение в бесплатный отдел автоматизации.
В материале эта логика описана через «круги по воде»: в центре находится основная экспертиза, дальше расходятся смежные области, затем более широкий организационный и технологический контекст. Такая модель лучше объясняет настоящий T-Shape, чем популярная фантазия о сотруднике, который одинаково уверенно закрывает любые задачи. Горизонталь здесь нужна не для подмены других профессий, а для координации, перевода смыслов и снижения трения между командами.
Для бизнеса вывод неприятный, но практичный. Если компания продолжает упаковывать пять ролей в одну вакансию, она может получить не гибкость, а хроническую потерю фокуса. Особенно в сложных системах, где ошибка в постановке задачи стоит дороже, чем ошибка в отдельном тексте или фрагменте кода. ИИ ускоряет исполнение, но не отменяет архитектуру решений, продуктовые компромиссы, работу с неопределённостью и ответственность за последствия.
Для специалистов вывод тоже без сахарной глазури. Горизонтальные навыки нужны, но они не заменяют глубину. Умение пользоваться ИИ, быстро писать черновики и понимать соседние функции полезно, пока под ним есть сильная профессия. Без неё человек конкурирует не с другими экспертами, а с инструментом, который уже умеет производить средний результат быстрее и дешевле.
Похоже, рынок труда ещё какое-то время будет просить «универсалов», а реальные команды — искать людей, которые умеют держать сложность. В этой развилке настоящий T-Shape выглядит не модной HR-метафорой, а способом выжить рядом с ИИ: иметь глубокую опору, понимать соседей и не путать системное мышление с бесконечным списком чужих задач.