ИИ в разработке уже не просто помогает писать код быстрее: он меняет цену ошибки. В российской IT-реальности это особенно неприятно: по данным HH, в феврале 2026 года вакансий стало на 36% меньше год к году, а резюме — на 30% больше.
Поводом для новой дискуссии стала статья на Habr / Карьера: автор из Haulmont разбирает текст инженера Флориана Херренгта от 11 августа 2026 года о том, что ИИ убирает «средний класс» software engineering. Главный тезис Херренгта простой и довольно холодный: генеративные инструменты сняли ограничение на скорость производства кода, но не сняли ограничение на скорость его понимания. Раньше слабый разработчик просто не успевал быстро навредить. Теперь он может за несколько часов собрать много работающего на вид кода, который потом месяцами будут разгребать другие.
Важная деталь: спор не сводится к старому ритуалу «джуны против сеньоров». Херренгт проводит границу не по грейду, а по готовности разбираться в системе целиком. Джун, который пытается понять архитектуру, может быть полезнее сеньора, который устал, махнул рукой и начал принимать подсказки агента как истину. Звучит гуманно, но российский автор возражает: одного желания понимать мало, если инструмент уверенно показывает неверную картину.
В Haulmont это проверяли на практической задаче с ИИ-агентом. Агенту давали одну и ту же задачу на двух стеках и затем вручную смотрели результат. Самый показательный сбой оказался в правах доступа: агент проверял работу под администратором, видел зелёные тесты и честно сообщал, что всё работает. Но роль-специфичный дефект из админской сессии просто не виден. На голом стеке такая дыра повторялась в каждом запуске эксперимента. Не иногда, не «при странном промпте», а каждый раз.
Именно здесь ИИ в разработке становится не ускорителем, а усилителем управленческой и инженерной незрелости. Код проходит поверхностную приёмку, интерфейс выглядит нормально, тесты не падают, отчёт агента звучит убедительно. Проблема в том, что проверяется не то. Чтобы поймать ошибку, человек должен заранее знать: права надо смотреть не под админом, а под каждой ролью отдельно, плюс хотя бы один сценарий нужно прогнать напрямую через API. Любознательность помогает задавать вопросы, но опыт подсказывает, какие именно вопросы опасно не задать.
Российский контекст делает историю жёстче. Рынок труда одновременно сжался и расслоился: индекс HH в IT вырос с 9,6 до 19,6 резюме на вакансию. По медианам Habr Career за первое полугодие 2026 года архитектор ПО в Москве получает около 497 тыс. рублей, разработчик — 270 тыс. в Москве, 247 тыс. в Петербурге и 200 тыс. в регионах, а медиана по всему IT-рынку — 191 тыс. рублей. Внизу — десятки и сотни откликов без ответа у начинающих, наверху — всё тот же дефицит людей, которые понимают большие системы.
С джунами ситуация особенно болезненная. В пересказах западных текстов часто получается, будто ИИ просто забрал задачи начального уровня. В России вход в профессию начал сужаться раньше массового внедрения агентов: рынок перегрели курсы «войти в IT», выпускников стало больше, чем стажировок и младших вакансий, а компании переключили бюджеты на удержание middle+ и senior-специалистов. Автоматический отсев резюме только усилил эффект: до живого рекрутера многие кандидаты не доходят вовсе.
Для бизнеса вывод неприятный, но практичный. Нанимать нужно не тех, кто быстрее всех генерирует код, а тех, кто понимает домен, ограничения, права, данные и последствия изменений. Но полагаться только на «правильных людей» уже рискованно. Нужны процедуры: проверка под разными ролями, приёмочные сценарии до старта задачи, отдельная валидация API, архитектурные правила, которые не дают спрятать доступы и бизнес-логику по десятку файлов. ИИ-агенту можно выдать инструкции и учётки, но кто-то должен заранее сформулировать, что именно он обязан проверить.
Для разработчиков сигнал тоже довольно прямой. Печатать быстрее агента бессмысленно: эта гонка уже проиграна. Защита профессии — в способности объяснить, почему система устроена именно так, где она сломается и какой старый компромисс нельзя трогать без разговора с бизнесом. Особенно в России, где значительная часть работы ближайших лет связана не с зелёными полями, а с миграциями, импортозамещением и заменой накопленного легаси.
Парадокс в том, что ИИ в разработке одновременно закрывает часть входных задач и остаётся главным учебным собеседником для тех, кого рынок не пустил в команду. Если компании окончательно перестанут выращивать младших инженеров, через несколько лет им придётся искать людей, способных поддерживать системы, которые сегодня бодро переписывают агенты. И тогда вопрос будет уже не в том, съел ли ИИ мидлов, а в том, кто вообще понимает, что он успел оставить после обеда.