Когда ИИ пишет код: инженерные навыки, которые приобретают ценность

Написание кода превращается в самую простую часть работы над программным обеспечением. Решение вопроса о том, что следует создать, проверка результата работы ИИ и определение момента его ошибки становятся ключевыми навыками.

Постоянно возникает вопрос: если ИИ может написать большую часть кода, что остается для разработчиков? Это неверный вопрос. Лучше спросить, что должен выучить человек, начинающий карьеру в программировании сегодня, то, что ИИ не сможет легко заменить.

Очевидно, что что-то изменилось. Инструменты вроде Claude Code, Codex, Copilot, Cursor и подобные уже давно вышли за рамки функции автодополнения. Они читают целые репозитории, редактируют несколько файлов, выполняют команды, пишут тесты, устраняют сбои и продолжают работу над задачей до её завершения. Особенно Claude Code давно вышел за рамки простого запроса «напиши функцию» и теперь ведёт себя скорее как инженерный агент, работающий внутри репозитория. Это меняет саму суть работы.

Код становится дешёвым

Недавно разработчик мог тратить полдня на одну функцию. Теперь эту функцию можно описать агенту:

Add JWT authentication.
Create login and refresh-token APIs.
Add PostgreSQL persistence.
Write integration tests.
Run the test suite.
Fix failures.

Затем агент приступает к работе. Он создаёт файлы, редактирует существующие классы, запускает тесты, сталкивается с ошибками, корректирует реализацию и снова запускает тесты. Всё это уже не является гипотезой.

Примечательно то, что разработчик не исчез из этого процесса. Разработчик стал ответственным за результат, и это имеет большое значение.

К чему указывает пример Anthropic

Anthropic — один из наиболее ясных примеров, поскольку там используется Claude Code для серьёзной разработки. Его создатель, Борис Черный, публично рассказывал о том, насколько изменилась инженерия внутри компании, а в отчётах в начале этого года говорилось о том, что ИИ генерирует почти весь код в некоторых из их инженерных рабочих процессов.

Разработчикам следует сосредоточиться на одном аспекте: увеличение объема генерируемого кода не означает уменьшения объема инженерной работы. Это может означать увеличение ответственности. Предположим, Claude генерирует 5 000 строк кода. Теперь кто-то должен ответить на следующие вопросы:

Is the architecture correct?

Is authentication secure?What happens under 10,000 requests?Can this transaction fail halfway?Will this leak memory?What happens when Redis is unavailable?What happens when the database is slow?Did the AI introduce a race condition?

Искусственный интеллект может обеспечить реализацию, но вы всё равно несёте ответственность за последствия.

Более широкие дискуссии на эту тему

Согласно публичным сообщениям, бывший исследователь компании Anthropic Джейкоб Коксон объявил о своём уходе в сентябре 2026 года. Его предупреждение касалось не того, способен ли Claude писать качественный JavaScript или может ли искусственный интеллект создавать API на базе Spring Boot. Оно касалось того, куда движутся всё более мощные системы искусственного интеллекта. Его пост в X, по сообщениям, достиг более 100 миллионов человек; в нём утверждалось, что ведущие лаборатории слишком быстро движутся к созданию автономных и потенциально опасных систем.

Это предупреждение имеет вес, поскольку оно исходит от человека, работавшего в компании, разрабатывающей эту технологию. Дискуссия стала настолько серьёзной, что генеральный директор Anthropic Дарио Амодей также призвал замедлить темпы разработки передовых решений и усилить независимую оценку систем искусственного интеллекта.

Таким образом, ситуация в 2026 году представляет собой интересную картину. Одна группа утверждает, что ИИ может значительно ускорить разработку программного обеспечения. Другая группа, состоящая из тех, кто создает эти системы, считает, что всем следует быть гораздо осторожнее в отношении того, куда приведет это ускорение. Обе точки зрения могут быть верными одновременно.

Самая большая ошибка

Самой серьезной ошибкой является не избегание ИИ, а его использование без понимания того, что он производит. Вот пример:

@GetMapping("/users")
public List<User> getUsers() {
    return userRepository.findAll();
}

Искусственный интеллект может написать это за две секунды. Стоит ли его использовать? Возможно. Но что, если в таблице 20 миллионов строк? Что, если нет пагинации? Что, если конечная точка является общедоступной, или тип User содержит конфиденциальные поля, или пять тысяч человек обращаются к ней одновременно? Код технически корректен, но инженерное решение всё равно может оказаться ужасным. В этом и заключается разница.

Чему стоит научиться вместо этого

Тем, кто только начинает свой путь в 2026 году, стоит тратить меньше времени на запоминание синтаксиса и больше — на понимание того, как на самом деле работают системы:

• проектирование систем и распределённые системы
• базы данных, API и сети
• безопасность
• отладка и тестирование
• производительность и возможности мониторинга
• облачная инфраструктура
• как работают ИИ-агенты

Написание кода по-прежнему важно, но критерий оценки разработчика смещается от количества введённых строк к способности превратить сложную проблему в надёжную систему. ИИ уже очень хорошо справляется с подобными задачами:

Write this.
Refactor this.
Explain this.
Test this.
Fix this.
Convert this.

Все более ценным разработчиком является тот, кто может ответить чем-то вроде этого:

Don't build it this way.
Here's why.
Here's the simpler architecture.
Here's the failure mode you missed.
Here's what we should measure in production.

Искусственный интеллект не устраняет необходимость в размышлениях

Вот в чём проблема. Искусственный интеллект облегчает программирование, но это может привести к появлению менее квалифицированных программистов, если они перестанут размышлять. Уже существуют доказательства этого: исследование компании Anthropic показало, что разработчики, использующие помощь ИИ, показывали худшие результаты на тестах на понимание при изучении незнакомых библиотек программирования, хотя ИИ действительно повышает производительность в других ситуациях.

Урок заключается не в том, чтобы перестать использовать ИИ, а в том, чтобы не полностью передавать ему процесс обучения. Когда Claude пишет решение, прочитайте его, проанализируйте, измените. Спросите, почему оно работает и где допускает ошибки. Попробуйте вручную создать более простую версию, а затем снова обратитесь к ИИ. Это значительно лучше, чем постоянное возвращение к одному и тому же циклу.

Prompt → Copy → Commit → Next task

Новый инженер по программному обеспечению

Сам инженер не исчезает, но условия его работы становятся более сложными. Младший разработчик, который просто преобразует требования в код типа CRUD, оказывается в гораздо более уязвимом положении, чем раньше. Человек, понимающий бизнес-задачи, архитектуру, вопросы безопасности, причины сбоев в производственной среде и способы использования инструментов ИИ, становится значительно более компетентным. Один инженер с хорошими навыками теперь может разрабатывать идеи, которые раньше требовали целой команды.

Это вдохновляет, но в то же время представляет опасность: по мере снижения стоимости разработки программного обеспечения снижается и качество продуктов. Вскоре может появиться миллион приложений, написанных с помощью ИИ. Создавать их будет несложно, но определить, какие из них заслуживают существования, будет сложно.

Что делать разработчику сегодня

Соревноваться с ИИ в написании кода — бесполезная затея. Используйте ИИ активно, но научитесь тщательно его проверять. Узнайте, почему срываются реальные системы. Понимайте структуру базы данных, лежащей в основе API, и то, что происходит после развертывания. Изучайте вопросы безопасности и принципы работы агентов. Сохраняйте способность создавать что-то без использования ИИ, когда это необходимо.

В будущем, скорее всего, дело не будет между человеком и ИИ. Скорее это будет соперничество между разработчиком, использующим ИИ, и разработчиком, который им не пользуется. А ещё выше на уровень — разработчики, которые понимают, что и зачем создавать, а когда лучше этого не делать, могут оказаться ценнее тех, кто просто генерирует код. ИИ снижает стоимость написания кода, но делает инженерный опыт и суждения ещё более ценными.