Эссе · Июнь 2026 · 26 тезисов · 3 горизонта
Речь не о том, что ИИ заменит разработчиков. Речь о том, кто владеет властью внутри цепочки производства ПО — и кто вот-вот её потеряет.
Десятилетиями разработка ПО упиралась в один простой вопрос: кто будет это реализовывать? С ИИ-агентами этот вопрос теряет силу. Новый вопрос другой: кто гарантирует, что ИИ понял правильную проблему, затронул нужное место, выполнил безопасно и принёс реальную ценность для бизнеса?
Основной тезис
ИИ не устраняет ПО — он перераспределяет власть в производственной цепочке. Исполнение дешевеет; суждение становится более ценным. ИИ решает большую часть реализации, но не устраняет неоднозначность, ответственность, риск, наследие, грязные данные или сложные бизнес-решения. Вот почему программист не исчезнет — но тот, кто только исполняет, теряет позиции, а тот, кто понимает, направляет, проверяет, управляет и берёт на себя ответственность, обретает актуальность.
Как читать эту статью
Тезисы ниже — это ставки, а не уверенности. Некоторые имеют высокую степень уверенности; другие намеренно провокационны. В некоторых местах один тезис атакует другой. Это намеренно: почти любой текст об ИИ страдает одним и тем же недостатком — все предсказания направлены в одну сторону, будто будущее линейно, чисто и неизбежно.
Будущее, вероятно, будет более противоречивым. ИИ может повысить производительность в одних контекстах и вызвать переделки в других. Он может сокращать команды, создавая новые роли. Он может делать ПО дешевле, создавая новые дорогие зависимости. Он может возвышать человеческое суждение, а затем автоматизировать часть этого суждения.
Правило чтения: не спрашивайте просто «произойдёт ли это?». Спросите: «в каких компаниях это уже начинает иметь смысл?», «какая часть этого неизбежна?», и «какая часть зависит от зрелости, управления, данных, культуры и регулирования?».
Каждый тезис имеет уровень уверенности: высокий (80%+), средний (60–79%), или низкий (<60%).
1 год — до июня 2027: делегирование выполнения начинается
1. Программист, который только пишет код, теряет место в наиболее ИИ-зрелых компаниях
Уверенность: 80%
Вашу работу программиста не уничтожит ИИ. Её уничтожит другой программист, который использует ИИ лучше вас.
Я не говорю, что CRUD, простые интеграции и предсказуемые исправления исчезнут с рынка за 12 месяцев — у большинства компаний есть наследие, требования соответствия и инерция, которые сохранят эту работу на годы. Я говорю, что в первом квартиле внедрения профиль, который просто получает задачу, пишет код и передаёт его другому для проверки, больше не оправдывает выделенного найма. Он конкурирует с очередью агентов — и проигрывает по цене, скорости и доступности.
«Нянька для Claude Code, Codex или Copilot», которая копирует, вставляет, принимает предложения и штампует pull request'ы, становится первой избыточной: если её работа — не мешать, её можно убрать без потерь. Вопрос на собеседовании перестаёт быть «умеете ли вы программировать?» и становится «можете ли вы направить ИИ к правильной, безопасной и полезной поставке?»
Что изменило бы моё мнение: если к июню 2027 года ИИ-зрелые компании всё ещё будут нанимать значительные объёмы джуниоров/мидлов, сосредоточенных исключительно на выполнении, без требований к управлению агентами, структурированной проверке или полному циклу.
2. Традиционные джуниорские роли сокращаются — и никто не решил проблему, которую это создаёт
Уверенность: 85% (85% на кризис модели; 95% на нерешённую проблему)
Задачи, которые исторически обучали джуниоров — CRUD, доработки экранов, скрипты, базовые тесты, документация, мелкие исправления — это как раз то, с чем ИИ справляется достаточно хорошо. Должности начального уровня не исчезают, но меняют природу: джуниор, который учится на ошибках в простых задачах, уступает место начинающему оператору агентов, который должен проверять, тестировать, задавать вопросы, направлять промпты, интерпретировать сбои и достаточно понимать систему, чтобы не утверждать мусор с уверенностью. И в меньших количествах.
Если джуниор исчезнет в 2027, кто будет senior'ом в 2032?
Индустрия может пожирать собственное семенное зерно. Сегодняшний senior научился техническому суждению, написав много плохого кода, исправляя ошибки, ломая продакшн и поддерживая наследие. Если эта лестница исчезнет, либо мы изобретём другой способ формирования суждения, либо у нас будет поколение проверяющих, которые никогда ничего глубоко не создавали — и поэтому не умеют проверять.
Что изменило бы моё мнение: если быстро появится чёткая, масштабируемая, широко принятая модель технического обучения, основанная на агентах, симуляциях, лабораториях, направленных ревью и осознанной практике.
Наняла бы ваша компания джуниора сегодня? Если ответ «нет», кого, по-вашему, вы наймёте senior'ом в 2032?
3. Бэклог становится очередью выполнения для агентов
Уверенность: 75%
Задачи, известные баги, миграции, отсутствующие тесты и доработки UI назначаются напрямую специализированным агентам. Человек приоритизирует, уточняет, утверждает, разрешает неоднозначности и исправляет, когда ИИ сбивается. Новый навык — не написание тикета; это написание единицы работы, которую агент может выполнить безопасно, с ограничениями и критериями приемки.
Это меняет требования к качеству бэклога. Плохая задача больше не сбивает с толку одного человека — она запускает последовательность плохой работы: плохие PR, хрупкие тесты и вводящую в заблуждение документацию в масштабе и со скоростью агента.
4. Узкое место смещается от написания кода — но выгоды могут быть меньше, чем кажутся
Уверенность: 90% (90% на смещение узкого места; реальная неопределённость в размере выгоды)
Проблема перестаёт быть «кто пишет код» и становится «кто гарантирует, что ИИ понял правильную систему, изменил нужное место и не сломал что-то трудно заметное». И здесь кроется самый тонкий риск: проблема не только в том, что ИИ ошибается. Проблема в том, что ИИ выглядит достаточно правильным, чтобы быть утверждённым. Плохо сделанный Human-in-the-Loop — это просто автоматизация с человеческой печатью.
Теперь самый неудобный пункт данных в этой статье, с которым я столкнусь, а не спрячусь. Исследование METR (июль 2025) с опытными разработчиками в хорошо знакомых репозиториях показало, что при использовании инструментов ИИ они были примерно на 19% медленнее — при этом считая себя на 20% быстрее. Исследования с открытым исходным кодом указывают на то же: больше видимой активности, больше переделок, падение продуктивности основных разработчиков.
Неудобный вывод: часть выигрыша, который мы ощущаем, может быть иллюзорной. Затраты проявляются в ревью, переделках, несоответствиях, техническом долге и будущем обслуживании — объём поставок растёт, а чистое качество падает. Контраргумент: эти исследования измеряли рабочие процессы 2024/2025 годов с разработчиками, которые были экспертами в своём коде; в зелёных полях и фрагментированных задачах выгоды могут быть высокими. Моя ставка в том, что выгоды реальны, но сконцентрированы, и что метрика, которая имеет значение, — это не «сколько кода было сгенерировано», а сколько подтверждённой ценности достигло продакшна без увеличения будущего риска. Но это ставка, а не факт.
5. Появляется AI Builder — профессионал, управляющий сборочной линией
Уверенность: 85% (на появление роли; см. тезис 8 трёхлетнего горизонта для подвоха)
Техническо-продуктовый универсал, который превращает бизнес-намерения в работающее ПО через сеть агентов. Смесь программиста, аналитика, QA, DevOps, продакта, данных и архитектуры. Ему не нужно быть лучшим экспертом в чём-то одном, но нужно знать достаточно, чтобы оспаривать ИИ, собирать контекст, интерпретировать логи, проверять код, измерять влияние и решать, когда передавать человеку-специалисту.
Название всё ещё будет варьироваться: AI Software Operator, AI Builder, AI-Native Builder, Agentic Software Architect, Software Orchestrator, AI Delivery Engineer. Но: это может быть переходная профессия. Если проверка сама частично автоматизируется, AI Builder'у придётся снова подняться по цепочке ценности — мы вернёмся к этому.
6. Agentic AppOps перестаёт быть аутсорсингом и становится маржой ПО
Уверенность: 70%
Компании уже нанимают третьи стороны для поддержки и развития ПО — в этом нет ничего нового; целые отрасли построены на этом. Новое — это структура затрат. В традиционной модели клиент отправляет неполные требования, и человеческая команда уточняет, разрабатывает, тестирует, исправляет и поддерживает. В модели агентов клиент отправляет требования переменного качества; агенты уточняют, специфицируют, реализуют, тестируют, анализируют влияние и открывают PR; подрядчик управляет потоком и обеспечивает качество. Услуга, на которую требовалось 15 человек, теперь требует 2–4 операторов агентов.
Agentic AppOps — это эволюция обслуживания ПО: меньше укомплектования людьми, больше оркестрации агентов, управления и результатов. Тот, кто видит это первым, работает с SaaS-маржой, продавая то, что всегда было услугой. Жёсткая обратная сторона — в тезисе 7 трёхлетнего горизонта.
7. Документация становится инфраструктурой для агентов
Уверенность: 85%
Документация перестаёт быть чем-то, написанным только для людей, и становится частью операционной инфраструктуры агентов. README, ADR, runbooks, критерии приемки, Definition of Done, политики безопасности и файлы вроде AGENTS.md напрямую направляют работу агентов — Technology Radar от Thoughtworks уже рассматривает AGENTS.md и Agent Skills как центральные методы для этого.
Линия проста: плохая документация порождает плохих агентов. Компания с организованным контекстом имеет преимущество; полагающаяся на неписаное знание получает запутанных, небезопасных, дорогих в эксплуатации агентов. Тот, кто относился к документации как к затратам, обнаружит, что уничтожал топливо для своих агентов.
8. Human-in-the-Loop становится узким местом — и начинает гнить
Уверенность: 80%
Рынок начинает осознавать, что новое узкое место — не только ИИ, но и человек, проверяющий ИИ. Профессионалы, которые штампуют PR, не понимая сгенерированный код, «проверяют» документы, не читая их, принимают хрупкие тесты, потому что они прошли зелёными, будут порождать инциденты, переделки и недоверие. Появляются методы для дисциплинированной проверки: структурированное ревью ИИ-сгенерированных PR, сравнение между намерением и реализацией, анализ рисков перед слиянием.
Но есть более глубокая проблема, известная в авиации с 1980-х (Лизан Бейнбридж, «Иронии автоматизации»): те, кто не практикует, теряют навык. Разработчик, который годами только проверяет сгенерированный код, теряет способность глубоко писать, отлаживать и оценивать код. Парадокс: человек остаётся в цикле, потому что может судить; но если автоматизация лишает практики, которая сформировала это суждение, сам HITL теряет качество. Мы вернёмся к этому в 6-летнем горизонте.
3 года — до июня 2029: роли сжимаются, операции меняются
1. Команды из 1–4 человек выдают операционный результат команд из 10–20
Уверенность: 75%
Ваш отряд из 15 человек становится признаком неэффективности, а не силы.
Это не означает массовых увольнений; это означает рекомпозицию. Меньше людей, выполняющих фрагментированные задачи, больше людей, принимающих решения, проверяющих качество, управляющих рисками и понимающих бизнес. Размер команды перестаёт быть признаком мощности и становится вопросом: сколько из этих людей принимают реальные решения, и сколько просто передают работу, которую могли бы выполнить агенты? Вопрос становится таким: «какова реальная подтверждённая мощность поставки этой системы из людей и агентов?»
2. SDLC становится непрерывной оркестрацией
Уверенность: 80%
Жизненный цикл перестаёт быть линейным процессом с отдельными ролями и становится непрерывной операцией, охватывающей людей, агентов, конвейеры, среды, политики, тесты, документацию, наблюдаемость и управление — от обнаружения до обслуживания.
McKinsey продолжает твердить это в своих отчётах о генеративном ИИ в разработке: наибольшие выгоды требуют переосмысления рабочих процессов и операционных моделей, а не покупки инструментов. Купить лицензию ИИ и сохранить тот же процесс — это самый дорогой способ ничего не изменить. Реальная выгода приходит, когда весь поток перепроектирован: как поступает требование, как собирается контекст, как агент выполняет, как проверяется PR и как защищается продакшн.
3. PO, QA, DevOps и дизайнер не исчезают — исчезают границы между ними
Уверенность: 80%
Дисциплины не заканчиваются; заканчивается необходимость в отдельном человеке для каждой операционной микроактивности в каждом проекте. Сокращение будет не по ролям, а по качеству.
| Область | Что поглощает ИИ | Что остаётся более человеческим |
|---|---|---|
| Dev | CRUD, рефакторинг, простые тесты, предсказуемые интеграции | Архитектура, компромиссы, диагностика, технические решения |
| QA | Сценарии, тестовые данные, автоматизация, регрессия | Риск, реальное покрытие, воспринимаемое качество |
| DevOps | IaC, конвейеры, типовое устранение неполадок | Управление, безопасность, стоимость, надёжность |
| Product | Пользовательские истории, начальные критерии, анализ обратной связи | Приоритет, стратегия, конфликты, рыночное видение |
| Design | Вариации, прототипы, копирайтинг, типовые экраны | Дифференциация, опыт, позиционирование |
Ценный профессионал будет меньше «владельцем коробки» и больше тем, кто способен устранять блоки, чтобы сеть агентов работала без трения.
4. Архитектура становится иммунной системой против беспорядка, созданного ИИ
Уверенность: 85%
ИИ без архитектуры не ускоряет ПО. Он ускоряет энтропию.
Чем больше кода генерирует ИИ, тем ценнее архитектура, которая не даёт ему деградировать систему — выбирать пути, технически возможные, но архитектурно запрещённые. Technology Radar от Thoughtworks уже предупреждал об «архитектурном дрейфе»: агенты ускоряют разрыв между реальным кодом и предполагаемой архитектурой.
Архитектура перестаёт быть техническим чертежом и становится иммунной системой: она определяет, что ИИ может трогать, как он должен это трогать, какие пути запрещены, какие решения требуют одобрения и как обнаружить, когда реальный код отклоняется от намерения. Чёткие границы, контракты, архитектурные тесты, ADR, живая документация и ограждения перестают быть лучшими практиками и становятся выживанием. Код, сгенерированный ИИ без чётких границ, — это технический долг на стероидах — и прагматичный архитектор снова становится необходимым, потому что кто-то должен остановить ИИ от чрезмерной креативности.
5. Контекстная инженерия становится ключевой компетенцией
Уверенность: 85%
Лучший профессионал — не тот, кто знает больше синтаксиса, а тот, кто собирает лучший контекст для безопасной работы ИИ — объяснённый домен, организованные бизнес-правила, задокументированные решения, ограниченный объём, явное указание того, что ИИ не должен делать — и сохраняет это понятным для людей.
Задача не в добавлении большего контекста; задача в том, чтобы поместить правильный контекст в нужный момент для нужного агента. Слишком много контекста тоже становится проблемой: противоречивые инструкции, шум и стоимость. Тот, кто владеет контекстной инженерией, будет иметь лучших, дешёвых и более надёжных агентов — продуктивное преимущество, которое трудно скопировать.
6. Традиционные метрики продуктивности устаревают
Уверенность: 80%
Измерение продуктивности по коммитам, PR, стори-поинтам или закрытым тикетам становится опасно вводящим в заблуждение, когда агенты производят объём на высокой скорости. Объём — это не ценность, и компания, которая измеряет только видимый вывод, будет обманута агентами, очень эффективными в производстве мусора. (Помните METR: ощущение скорости уже обманывает даже самих разработчиков.)
Метрики мигрируют к бизнес-ценности, снижению переделок, инцидентам, стоимости обслуживания и надёжности. И финансовая метрика тоже меняется: значение имеет не стоимость за токен, а стоимость за подтверждённый результат. Ловушка — тратить много на ИИ, не замечая невидимых затрат на ревью, переделки и плохо управляемых агентов.
7. Почасовая оплата рушится — и увлекает за собой традиционную софтверную мастерскую
Уверенность: 70%
Если команда с агентами доставляет быстрее, почасовая оплата наказывает эффективных. Телочная контора продаёт именно то, что ИИ превращает в товар: человеко-часы фрагментированного исполнения. Мастерские, которые выживают, переходят на другую модель — меньше штата и больше результатов, меньше человеко-часов и больше управления, меньше раздутого отряда и больше Agentic AppOps. Те, кто продолжает продавать «мидл-разработчика за $X/час», будут конкурировать с предельными издержками, стремящимися к нулю.
И это несёт социальное измерение, более глубокое, чем любая отдельная страна. Технологии были одним из главных лифтов дохода в последние десятилетия — путём в средний класс во многих экономиках. Если ИИ сжимает промежуточную массу и вознаграждает только элиту оркестраторов, разговор перестаёт быть о карьере и становится об экономической политике.
8. Самый неудобный тезис в этой статье: человек-проверяющий тоже автоматизируем
Уверенность: 50% (и именно поэтому это важно)
Многое в этой статье опирается на удобную предпосылку: код автоматизируем, но суждение, проверка и управление остаются человеческими. Но почему, собственно?
Ревью PR имеет входы, выходы и критерии. Проверка документации имеет чек-лист. Проверка следования архитектуре может быть частично автоматизирована. Во многих случаях агент может проверить лучше, чем уставший, отвлечённый или находящийся под давлением дедлайнов человек. Если это подтвердится к 2029 году, AI Builder из 1-летнего горизонта может оказаться профессией с истекающим сроком годности, а HITL — переходной фазой.
Это не значит, что человек исчезает завтра: юридическая ответственность, институциональное доверие и репутационный риск удерживают его в контуре. Но заметьте, что это означает — человек остаётся в цикле по юридическим и политическим причинам, а не техническим. Это гораздо более хрупкая позиция, чем «человеческое суждение незаменимо».
9. Управление агентами становится обязательным — вероятно, после первого крупного инцидента
Уверенность: 90% (90% на управление; 60% на инцидент как триггер)
Агенты больше не чат-боты; они стали операционными акторами с доступом к репозиториям, учётным данным, конвейерам и данным. Ни одна серьёзная компания не позволит им работать без ответа на вопросы: какой агент внёс изменение, кто его авторизовал, с какими разрешениями, используя какой контекст, какие тесты запускались, какой риск был принят, как откатить, как аудировать. Это создаёт новую поверхность атаки: инъекции промптов, цепочки поставок навыков, вредоносные MCP и автоматизированные решения с легитимными разрешениями.
Дополнительная ставка: серьёзное управление придёт не от благоразумия, а от реакции. В какой-то момент между 2026 и 2029 годах автономный агент вызовет инцидент, достаточно крупный, чтобы стать заголовком, контрактом, аудитом и требованием страховки. После этого управление перестаёт быть слайдом консалтинга и становится обязательным пунктом.
6 лет — до июня 2032: рынок реконфигурирован
1. Программная компания с очень малым числом людей становится нормой
Уверенность: 70%
Будет обычным делом, когда релевантная SaaS-компания работает с 3–15 людьми и десятками или сотнями специализированных агентов, занимающихся разработкой, поддержкой, анализом данных, документацией, мониторингом, QA, безопасностью, биллингом и онбордингом. Люди остаются в стратегии, управлении, взаимоотношениях, юридической ответственности, продуктовом видении и решениях, связанных с риском, репутацией и неоднозначностью. Следующий единорог может родиться с меньшим количеством людей, чем традиционный enterprise-отряд.
2. ПО начинает генерироваться по требованию — и это открывает два опасных пути
Уверенность: 65% (на генерацию по требованию)
Вместо открытия тикета для создания экрана администратора пользователь просит: «создай просмотр просрочек по подразделению с еженедельным оповещением и правами только для менеджеров». ИИ генерирует интерфейс, запрос, разрешение, тест, документацию и, возможно, контролируемый деплой. ПО перестаёт быть просто проектом и становится организмом, за которым непрерывно ухаживают агенты. Но это открывает два пути: одноразовое ПО (сгенерировать, использовать, выбросить и регенерировать при необходимости — обслуживание умирает в некоторых слоях) и мгновенное наследие (миллионы строк, которые ни один человек никогда не читал, интегрированные в критические системы).
ИИ может не покончить с наследием. Он может создавать его с промышленной скоростью.
Моя ставка: у нас будет и то и другое одновременно, в разных слоях стека — и «археология кода, сгенерированного ИИ» станет прибыльной услугой.
3. Дифференциатором перестаёт быть ПО и становятся операционные знания
Уверенность: 85%
Код дешевеет. Дорожает глубокое понимание бизнеса, данных, процессов, ограничений, рисков, клиентов, реальной операции и причин, по которым были приняты предыдущие решения. Преимущество будет не в том, что «у меня есть разработчики, которые кодируют»; оно будет в том, что «у меня есть контекст, данные, история, интеграции, процессы и агенты, обученные работать в этой области лучше, чем у конкурентов». В мире после ИИ операционные знания становятся продуктом.
4. В командах будет больше агентов, чем людей — и профессионалы будут продавать свои сети агентов
Уверенность: 75% (75% на первую часть; 55% на вторую)
Каждый senior будет иметь личную сеть агентов — код, тестирование, безопасность, инфраструктура, документация, продукт, финансы, инциденты — и будет оцениваться по способности собирать, координировать, обучать и аудировать этот набор. Senior с хорошими агентами будет выглядеть как мини-компания, обслуживающая несколько клиентов одновременно. Признанные профессионалы будут лицензировать свои процессы, шаблоны, навыки и потоки проверки. Методология становится продуктом, и резюме будущего может говорить не только о том, где человек работал, но и какими агентами он умеет управлять.
5. Ваша производственная мощность становится подпиской вендора
Уверенность: 80%
Это тезис, который рынок предпочитает не обсуждать. Если производство ПО будет зависеть от передовых моделей, API и закрытых платформ, вы перестаёте контролировать часть своей собственной производственной мощности. Что произойдёт, когда цена утроится? Когда обновление изменит поведение модели, питающей ваш конвейер? Когда политика заблокирует вариант использования или геополитическое решение ограничит доступ?
ПО было активом: вы его написали, оно ваше. Мощность ИИ-производства может стать арендованной землёй. Открытые модели, локальное выполнение, мультимодельная маршрутизация, кэширование и дообучение перестают быть оптимизацией затрат и становятся стратегией операционного суверенитета. ИИ-производственная мощность может стать новой блокировкой вендора в облаке — и тот, кто построит операцию на 100% привязанной к одному поставщику, почувствует это в самый неподходящий момент.
6. Возвращение модульного монолита
Уверенность: 55% (намеренно низкая — самая контр-интуитивная ставка в этой статье)
Предсказание, идущее против консенсуса последнего десятилетия: ИИ может сделать модульные монолиты более привлекательными, чем чрезмерно распределённые архитектуры. Агенты работают лучше, когда понимают контекст целостно. Системы с десятками репозиториев, множеством конвейеров, разбросанными контрактами и фрагментированной наблюдаемостью труднее понимать, изменять и проверять агентам.
Хорошо организованные модульные монолиты предлагают централизованный контекст, чёткие внутренние границы, более простые тесты и меньший риск несогласованности между сервисами. Это не означает отказа от микросервисов в каждом случае. Провокация иная: ИИ может не убить монолит — он может сделать его более конкурентоспособным во многих сценариях.
7. Фигура технического лида, ответственного за поставку, становится формальной
Уверенность: 60%
Когда агенты управляют продакшном, вопрос «кто отвечает, когда что-то идёт не так?» перестаёт быть философским. В критических системах — финансы, здравоохранение, государство, инфраструктура, платежи — может появиться фигура человека-техлида, ответственного за поставку. Даже если 90% работы было сделано агентами, кто-то должен будет подписать риск, соответствие требованиям и гражданскую ответственность — аналог лицензированного инженера, ставящего печать на здание.
Ирония: это может сохранить часть человеческой занятости не из-за технического превосходства, а из-за юридической, страховой и институциональной необходимости — кого-то, кого можно привлечь к ответственности.
8. Кризис обучения: как формировать суждение, если практика автоматизирована?
Уверенность: 70%
Набор на компьютерные специальности в США уже падает. Длинные учебные программы готовят людей к задачам, которые автоматизируются в процессе самого обучения; буткемпы, обучающие только CRUD, теряют ценность ещё быстрее. Диплом теряет силу как достаточный сигнал компетентности, и ничто консолидированное его не заменяет. Вопрос остаётся без ответа: как сформировать техническое суждение — то единственное, что, по мнению этой статьи, остаётся человеку — если автоматизация устранила практику, которая создавала это суждение? (Да, это та же рана, что и в тезисе о джуниорах. За 6 лет она не заживёт.)
Резюме: кто выигрывает, кто проигрывает
Выигрывают: AI Builder, который управляет агентами с суждением. Прагматичный архитектор, определяющий границы. QA, ориентированный на риск и системную проверку. DevOps, занимающийся платформой, безопасностью и стоимостью. PO со стратегическим видением и правом принимать решения. Консалтинг, продающий результаты, управление и эволюцию. Компания с организованным контекстом, данными и документацией.
Проигрывают: Кодировщик хорошо специфицированных задач. Разработчик, слепо доверяющий выводу ИИ. Чисто исполнительский ручной QA. Повторяющийся операционный DevOps. Бюрократический PO, который только пишет истории. Телочная контора, основанная на человеко-часах. Компания с неписаным знанием и плохой документацией.
Финальный тезис
Несмотря на все преобразования, ИИ не устраняет бизнес-неоднозначность, конфликты между командами, давление дедлайнов, плохо написанное наследие, грязные данные, политические решения, производственные инциденты, нерешительных клиентов, внешние зависимости или архитектурные компромиссы. Он решает выполнение, но не устраняет ответственность.
И, возможно, это главный сдвиг: чем больше автоматизируется выполнение, тем важнее становится знать, за что стоит брать ответственность.
Двенадцать утверждений, сжатых из тезисов выше. Соглашайтесь, не соглашайтесь, поделитесь тем, что вас больше всего беспокоит:
- Вашу работу программиста не уничтожит ИИ. Её уничтожит другой программист, который использует ИИ лучше вас.
- Самая большая жертва ИИ будет не senior. Это будет джуниор, который всё ещё зависел от простых задач для обучения.
- Компании захотят senior'ов, умеющих управлять агентами, но не будут знать, как обучить этих senior'ов.
- Самая большая ошибка ИИ — выглядеть достаточно правильным, чтобы быть утверждённым.
- Плохо сделанный Human-in-the-Loop — это просто автоматизация с человеческой печатью.
- ИИ без архитектуры не ускоряет ПО. Он ускоряет энтропию.
- Код, сгенерированный ИИ без чётких границ, — это технический долг на стероидах.
- Компании, которые относятся к документации как к затратам, уничтожают топливо для своих агентов.
- Софтверная мастерская, продающая часы, продаёт именно то, что ИИ хочет уничтожить.
- ИИ может не покончить с наследием. Он может создавать его с промышленной скоростью.
- Человек может остаться в цикле не потому, что он незаменим, а потому что кто-то должен подписать ответственность.
- ИИ-производственная мощность может стать новой блокировкой вендора в облаке.
Пять фронтов, на которых эта статья, скорее всего, провалится — опровергните их в комментариях:
- Сроки. Всё, что сказано про «1 год», может занять три; всё про «3 года» — семь. Технологии меняются быстро; организации, контракты, регулирование, культура и бюджет — медленно. История автоматизации — это история правильных предсказаний с неправильными датами.
- Способности моделей. Я предполагаю, что модели, инструменты и агенты продолжат развиваться темпами 2023–2026 годов. Если наступит техническое плато, запретительная стоимость или регуляторные ограничения, многие тезисы сильно сдвинутся — и 6-летний сценарий станет 15-летним.
- Организационное внедрение. Даже если технология существует, компании могут не менять свои процессы. Многие продолжат использовать ИИ как дорогой автодополнитель внутри старого SDLC, и в этом случае почти ничего из этого не материализуется в предсказанные сроки.
- Сам AI Builder. Я описал его как профессионала будущего. Но если тезис 8 трёхлетнего горизонта верен, это переходная профессия — последняя человеческая работа перед тем, как часть проверки сама автоматизируется. Я включаю себя в этот риск.
- Социальная и регуляторная реакция. Рынок может замедлить автоматизацию из страха, политики, профсоюзов, соответствия, страховщиков или законодательства. Техническая способность — не единственная сила, определяющая будущее.
Заключение
ИИ не устраняет потребность в ПО — наоборот, он может резко увеличить объём производимого. Меняется распределение ценности внутри этого производства.
Повторяемое выполнение дешевеет. Код становится более обильным. PR становятся легче генерировать, интерфейсы — собирать, тесты — писать, документацию — производить.
Но неоднозначность остаётся дорогой. Решения остаются трудными. Риск остаётся реальным. Бизнес остаётся полным конфликтов. Безопасность остаётся войной. Наследие продолжает существовать. И ответственность всё ещё требует того, кто её возьмёт.
Финальная ставка: самый ценный профессионал ближайших лет будет не тем, кто пишет больше всего кода, а тем, кто превращает человеческую неоднозначность в безопасные, развиваемые, аудируемые и полезные системы — используя агентов, не подчиняясь им.
И вопрос для вас, дочитавшего до этого места: какой из 26 тезисов выше вы готовы поставить годовой зарплаты, что он неверен? Если ни один — вы слишком сильно согласны с текстом о будущем, и это должно беспокоить вас так же, как беспокоит меня.
Оригинал опубликован на adsoares.github.io/the-end-of-the-programmer · 26 тезисов · 3 горизонта · написано, чтобы его оспаривали.