В Snowflake считают, что ставка на одного «100x-инженера» скорее тормозит внедрение ИИ, чем ускоряет его. Большинству команд нужны не герои, а понятные и воспроизводимые практики: иначе выгоду получают те самые 5% экспериментаторов, а не весь отдел.
Поводом стал выпуск Leaders of Code, который Stack Overflow опубликовал 2 июля 2026 года. В нём Вивек Рагхунатан, старший вице-президент по разработке Snowflake, предложил смотреть на внедрение ИИ через логику обучения с подкреплением: около 5% инженеров выступают «исследователями» и первыми проверяют пределы инструментов, а остальные 95% ждут обкатанных сценариев, которые можно спокойно встроить в рабочий день.
Snowflake разделила команды на 5% исследователей и 95% практиков
Рагхунатан отдельно оговаривает: эти 95% не слабее и не ленивее. Они просто не хотят тратить вечера и выходные на бесконечные эксперименты. Им нужен, по сути, проложенный маршрут: какие инструменты работают, какие шаблоны безопасны и где ИИ реально экономит время, а не добавляет новый слой хаоса.
Отсюда и критика культа звёзд. Когда руководство видит одного-двух разработчиков, которые с агентами для кода внезапно ускоряются на порядок, появляется соблазн искать в них особую «суперсилу» и потом масштабировать её на весь отдел. Но, по словам Рагхунатана, после появления таких инструментов важнее становятся не прежний статус и не громкое резюме, а любопытство, гибкость и готовность учиться.
Проблема не в поиске героев, а в переносе практики
В исходном выпуске Snowflake приводит и рабочие цифры: 97% инженеров компании используют кодовые агенты как минимум раз в неделю, а объём создаваемого кода вырос примерно в 1,5 раза год к году. Разницу между «просто пользуется» и «работает по-настоящему эффективно» там описывают через 14 шаблонов работы с ИИ, которые компания собирает и распространяет внутри инженерной организации.
На практике это выглядит убедительнее двух крайностей, которые рынок любит больше всего. Первая: купить инструмент на весь отдел, разослать инструкцию и считать внедрение завершённым. Вторая: построить всю историю вокруг пары ярких примеров и ждать, что остальные подтянутся сами.
Первый вариант поднимает минимальный уровень, но редко двигает команду вперёд по-настоящему. Второй даёт красивую презентацию, но почти не масштабируется.
Рагхунатан прямо говорит и о найме: таких людей почти бесполезно искать на рынке по ярлыку «100x». В новой среде их трудно распознать по должности, названию прошлой компании в резюме или формальному уровню. Гораздо важнее, насколько быстро компания умеет замечать удачные внутренние эксперименты и превращать их в общий стандарт.
У Snowflake есть операционные цифры, а не только теория
Это не абстрактный разговор про культуру. В том же выпуске Snowflake говорит, что сократила время полной проверки релиза с 15 дней до одного, а объём тестирования вырос более чем в три раза. На таком фоне тезис про «5% против 95%» звучит не как офисная психология, а как попытка объяснить, почему ИИ даёт результат только тогда, когда его перестают держать в режиме личной магии нескольких энтузиастов.
Для русскоязычных CTO, руководителей разработки и HR вывод вполне прикладной. Бессмысленно выдавать лучшему разработчику доступ к ИИ и надеяться, что он потом научит остальных личным примером. Не менее наивно купить лицензии на весь отдел и ограничиться инструкцией. Работает середина: время на обучение, внутренние шаблоны, обмен практикой и понятная дорожка для тех 95%, которым нужен не исследовательский азарт, а стабильный рабочий результат.
Значение для рынка
Для рынка это ещё один сигнал, что конкуренция смещается с поиска мифических «100x-инженеров» на скорость организационного обучения. Побеждать будут не те, у кого есть один блестящий экспериментатор, а те, кто быстрее превращает его находки в повседневную практику всей команды.
Похоже, в ближайшие кварталы зрелость ИИ-команд будут измерять не по числу звёзд, а по тому, как быстро удачные эксперименты становятся общим рабочим стандартом.
Оригинал: статья Stack Overflow