Вибра Coding, ИИ и новая реальность инженерии

Десять лет назад идея о том, что ИИ может писать код вместо программистов, звучала как захватывающая фантазия. Сегодня это стало частью повседневной реальности. MVP создаются за несколько дней, интерфейсы генерируются из текстовых подсказок, и помощники ИИ становятся полноценными участниками инженерных команд.

На этом фоне все больше людей задают одни и те же вопросы: действительно ли ИИ заменяет программистов? Может ли искусственный интеллект по-настоящему соответствовать и заменить опытного инженера? И что произойдет с профессией в ближайшем будущем?

Я сам являюсь разработчиком, и у меня есть свое мнение на этот счет. Давайте разберемся.

Какова суть проблемы?

Существует доминирующий нарратив об программировании ИИ, который звучит примерно так:

ИИ становится чрезвычайно эффективным в написании кода и, что важно, уже избегает многих распространенных ошибок, которые совершают люди. Более интересно, что ИИ может быть лучше в обработке так называемых краевых случаев: редких и необычных сценариев, которые повсеместны в программной инженерии и часто трудны для разработчиков предвидеть заранее.

Когда программист говорит: «Я хочу кнопку здесь», он получает ответ: «Вот кнопка, вот 18 краевых случаев, которые вы должны рассмотреть, вот тесты, которые вы должны запустить, и кстати, вы можете также добавить это и это». Вы можете посмотреть на это и подумать: «Да… это действительно имеет смысл». Самостоятельно вы могли бы понять эти проблемы через несколько недель – после того, как что-то уже пошло не так в производстве. ИИ часто предлагает решения сразу. Для инженеров, которые уже имеют работу, это значительно увеличивает производительность и эффективность.

И этот нарратив приводит直接 к экономическому вопросу: если компания ранее нуждалась в 100 разработчиках, чтобы справиться с определенной нагрузкой, теоретически теперь может понадобиться только 20 – потому что эти 20 могут выполнить ту же работу с помощью ИИ.

Что скрывается за этой ускорением?

Все чаще я вижу очень сильных программистов, которые боятся за свои позиции, место на рынке и доход. Казалось бы, скоро не останется работы для кодеров.

И мой ответ обычно такой: ребята, это, вероятно, не так драматично, как кажется. На самом деле опытные инженеры приобретают новый вид ценности прямо сейчас. Потому что мы можем быть одним из последних поколений разработчиков, которые действительно писали код вручную и глубоко понимают, как системы работают под капотом. Следующее поколение все больше работает с помощью инструментов ИИ – и вместе с этим сама инженерная практика меняется.

Вот что ранее нарратив не учитывает:

Код, сгенерированный ИИ, часто выглядит идеально. Задачи решаются, интерфейсы работают, и все запускается. Но со временем, на большом расстоянии, начинают появляться более тонкие проблемы: компромиссы в архитектуре, слабые инженерные решения, проблемы с структурами данных или вопросы масштабируемости. И это происходит потому, что ИИ уже очень хорош в решении локальных задач, в то время как долгосрочная логика больших систем все еще требует человеческого опыта и инженерного суждения.

Поэтому, когда эти проекты доходят до серьезных производственных сред – банков, платформ электронной коммерции, крупномасштабных сервисов – командам в конечном итоге все равно нужны люди, которые могут глубоко проанализировать архитектуру, выявить коренные причины и восстановить общую логику системы.

Я часто получаю звонки от друзей, которые говорят что-то вроде: «Михаил, сможете ли вы прыгнуть и помочь нам понять, почему система начинает разваливаться?» Хотя сегодня я работаю над Физическим ИИ в Introspector, я все еще иногда могу помочь с таким трудным ручным инженерным трудом: восстановлением логики системы, анализом архитектуры и выяснением, где проблемы начали накапливаться.

И это именно почему я считаю, что сильные инженеры останутся очень ценными в течение долгого времени. В то же время это часто опытные инженеры, которые помогают улучшать и обучать модели ИИ сегодня. В Keymakr мы увидели это лично, когда искали опытных разработчиков для проверки кода и помощи в обучении моделей – людей, которые могут полагаться на реальное инженерное мышление, практический опыт и глубокое понимание того, как системы ведут себя в реальном мире.

Основные гипотезы

И это приводит нас к самому большому вопросу о будущем: куда все это в конечном итоге приведет? Как мы вырастим следующее поколение инженеров, если они будут входить в отрасль через совершенно другой путь с самого начала?

Если мы посмотрим на ситуацию объективно, без хайпа или страха, я вижу несколько возможных сценариев.

• Неясное будущее

Первый и, вероятно, самый честный ответ заключается в том, что очень немногие люди сегодня действительно думают так далеко вперед. Просто потому, что никто еще не полностью понимает, как это будущее будет выглядеть на практике.

Может быть, через несколько лет агенты ИИ действительно смогут писать почти идеальный код – с сильной архитектурой, масштабируемостью и контекстным пониманием. Сейчас этот вопрос все еще полностью открыт.

В то же время крупные технологические компании, такие как Apple, Microsoft и Google, продолжают активно нанимать сильных исследователей, специалистов PhD и людей из академической среды. Это, вероятно, означает, что они считают, что глубокое понимание инженерии будет важно даже в мире, где большинство кода генерируется автоматически.

Меньшие компании, однако, часто работают с совершенно другим горизонтом планирования. Когда вы не знаете, будет ли ваш стартап еще существовать через шесть месяцев, становится трудно серьезно подумать о том, что может произойти через десять лет. Конечно, никто намеренно не хочет строить что-то фундаментально сломанное. Команды все еще пытаются выявить потенциальные риски и слабости.

Но на самом деле логика часто намного проще: сначала построить продукт, который работает и генерирует доход – а затем позаботиться об архитектуре, оптимизации и переписывании системы позже. Проблема в том, что в многих проектах «позже» постоянно откладывается.

• Эволюция в спиралях

Второй ответ, на мой взгляд, еще более интересен. Если вы посмотрите на историю отрасли, она уже прошла через подобные переходы много раз. Первые программисты работали с перфокартами. Затем пришла генерация инженеров, писавших на языке ассемблера – что уже трудно для многих современных разработчиков даже представить. Тогда вам приходилось буквально понимать, как работает аппаратное обеспечение, думать в терминах процессорной логики и держать в голове огромное количество низкоуровневой сложности.

Затем пришла эпоха COBOL. На нем были построены целые банковские мейнфреймы, и самое удивительное заключается в том, что значительная часть глобальной банковской инфраструктуры до сих пор работает на этих старых системах. Еще есть программисты в возрасте 60 и 70 лет, которые поддерживают этот код – и они остаются очень ценными специалистами.

Следующее поколение перешло на C++, Python и JavaScript. Я сам принадлежу к этой эпохе. Например, я едва понимаю, как работает COBOL. Теоретически я мог бы выучить это – но для меня это уже кажется чем-то далеким и чужим.

И когда вы смотрите на это исторически, появляется интересная закономерность: каждое новое поколение инженеров больше не нужно глубоко понимать, как работала технология предыдущего поколения. Со временем знания встраиваются в саму инфраструктуру.

Перфокарты исчезли давным-давно – их логика теперь встроена в процессоры. Язык ассемблера в значительной степени исчез как инструмент мейнстрима, потому что его сложность стала скрытой внутри операционных систем, драйверов и более низкоуровневых абстракций. Даже ваши наушники сегодня, вероятно, содержат крошечную операционную систему, которая запускает все это скрытое сложности на фоне – большинство людей просто никогда не думают об этом.

Конечно, есть еще специалисты, которые понимают все это низкоуровневое волшебство. Но для большинства отрасли это уже стало слоем абстракции.

И это приводит к очень логичной идее: может быть, ИИ просто следующий этап этой эволюции. Может быть, следующее поколение действительно не будет нуждаться в таком глубоком понимании классического программирования, как мы.

• Экономика рынка

Другая гипотеза, которую я имею, заключается в том, что вибр-коды – или разработка с помощью ИИ – в конечном итоге перестанут восприниматься как «бесплатное ускорение». На самом деле, это уже не совсем бесплатно; это просто то, что пока не все тщательно рассчитывают истинную экономику, стоящую за этим.

Модели, токены, инфраструктура, постоянные запросы, поддержание всей трубопроводной ИИ – все это постепенно становится значительными операционными расходами. Это почему я считаю, что компании скоро начнут смотреть намного ближе на реальную стоимость разработки с помощью ИИ и задавать очень прагматичный вопрос: что на самом деле более эффективно – расширять инженерную команду или поддерживать всю инфраструктуру ИИ вокруг разработки?

Очень реалистичный сценарий заключается в том, что сильные инженерные команды в конечном итоге могут оказаться более экономически устойчивыми, особенно когда речь идет о поддержании, эволюции и поддержке продуктов в долгосрочной перспективе.

Однако я думаю, что это именно то место, где может появиться новый тип инженерной команды: очень небольшие группы высококвалифицированных специалистов, сосредоточенных на поддержании стабильности и устойчивости инфраструктуры самой по себе. Со временем это может стать одной из самых ценных инженерных специализаций в отрасли.

• Люди, которые будут работать вместе с ИИ

И, наконец, предположение – хотя и очень реалистичное – заключается в том, что следующее поколение инженеров, скорее всего, будет вынуждено строить свою карьеру в совершенно другой среде. И это далеко выходит за рамки программирования. Аналогичные изменения уже начинают менять право, финансы, медицину и几乎 все области, где ИИ может взять на себя значительную часть интеллектуальной рутинной работы.

Несмотря на все это, я все еще склонен рассматривать то, что происходит, довольно положительно. Вероятно, потому что в целом я действительно люблю прогресс. Мне нравится идея о том, что технологии могут улучшить жизнь людей, освободить людей от огромного количества повторяющейся работы и сделать многие процессы более безопасными и эффективными.

Например, системы автономного вождения, такие как Tesla или Waymo, уже демонстрируют замечательные уровни безопасности во многих сценариях по сравнению с человеческими водителями. И это действительно впечатляет.

В то же время мир, в который входят наши дети, будет намного более сложным в плане профессиональной идентичности. Им придется искать свое место и цель в быстро меняющемся ландшафте.

Если ребенок сегодня хочет стать юристом, финансовым аналитиком или программистом, есть большая вероятность, что эти профессии будут выглядеть совершенно иначе в будущем. Может быть, они станут специалистами, которые будут работать в тесном сотрудничестве с юридическим ИИ, финансовым ИИ или кодированием ИИ – людьми, которые будут эксплуатировать системы ИИ, проверять выводы, предоставлять контекст и принимать ключевые решения.

Я думаю, что важно признать, что почти каждый из этих сценариев уже кажется реалистичным сегодня. И независимо от того, нравится ли нам это или нет, все, что происходит сейчас, является частью гораздо большей волны технологического прогресса. Это очень маловероятно, что этот процесс можно остановить. Это означает, что нам придется научиться жить в этом новом мире – постепенно учиться балансировать его, общаться с ним и, возможно, даже развивать новую форму сосуществования вместе с ним.