Вайб-кодинг, ИИ и новая реальность разработки программного обеспечения

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 сравняться по уровню с опытным инженером и заменить его? 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 о программировании с помощью ИИ, который звучит примерно так:

ИИ становится чрезвычайно эффективным в написании кода и, что важно, уже избегает многих распространенных ошибок, которые совершают люди. Еще интереснее то, что ИИ может быть лучше в обработке так называемых пограничных случаев: редких и необычных сценариев, которые повсеместны в программной инженерии и которые разработчикам часто трудно предвидеть.

Когда программист говорит: «Я хочу кнопку здесь», он получает ответ: «Вот кнопка, вот 18 пограничных 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 рабочей среде. ИИ часто предлагает решения сразу. Для инженеров, которые уже имеют работу, это значительно увеличивает производительность и эффективность.

И этот нарратив приводит непосредственно 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 этим 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 чего не учитывает предыдущий нарратив:

Код, сгенерированный ИИ, часто выглядит вполне исправным. Задачи решаются, интерфейсы работают, и все запускается. Но со временем, в долгосрочной перспективе, начинают появляться более тонкие проблемы: компромиссы в архитектуре, слабые инженерные решения, проблемы со 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 сложных рабочих 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: «Майкл, можешь подключиться 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 именно поэтому я считаю, что сильные инженеры останутся очень ценными в течение долгого времени. В то же время именно опытные инженеры часто 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 подготовить следующее поколение инженеров, если они с самого начала приходят в отрасль совершенно иным путем?

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 надежной архитектурой, масштабируемостью и контекстным пониманием. Сейчас этот вопрос все еще полностью открыт.

В то же время крупные технологические компании, такие как Apple (AAPL ), Microsoft (MSFT ) и Google, продолжают активно нанимать сильных исследователей, специалистов с докторскими степенями и людей из академической среды. Это, вероятно, указывает на то, что они считают, что глубокое понимание инженерии будет важно даже в мире, где большая часть 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 во многих проектах «позже» постоянно откладывается на неопределенный срок.

• 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 появилось поколение 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. Эту кодовую базу до сих пор поддерживают программисты, которым за шестьдесят или за семьдесят, — 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: каждому новому поколению инженеров уже 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 обрабатывает всю эту скрытую сложность в фоновом режиме – большинство людей просто никогда не думают об этом.

Конечно, есть еще специалисты, которые понимают все это низкоуровневое волшебство. Но для большей части 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

Еще одна моя гипотеза заключается в том, что вайб-кодинг — или разработка с помощью ИИ — в конечном итоге перестанет восприниматься как «бесплатное ускорение». На самом деле, это уже не совсем бесплатно; это просто то, что пока не все тщательно рассчитывают реальные затраты и экономический эффект этого подхода.

Модели, токены, инфраструктура, постоянные запросы, поддержание всего конвейера работы ИИ – все это постепенно становится значительными операционными расходами. Именно поэтому я считаю, что компании скоро начнут гораздо внимательнее оценивать 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 об обслуживании, развитии и поддержке продуктов в долгосрочной перспективе.

Однако я думаю, что это именно то место, где может появиться новый тип инженерной команды: очень небольшие группы очень опытных специалистов, сосредоточенных на поддержании стабильности и устойчивости самой инфраструктуры. 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 почти 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 поразительно высокий уровень безопасности во многих сценариях по сравнению с водителями-людьми. 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 ИИ для программирования – 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. Крайне маловероятно, что этот процесс можно остановить. Это означает, что нам придется научиться жить в этом новом мире – постепенно учиться находить с ним равновесие, общаться с ним и, возможно, даже вырабатывать новую форму сосуществования.