Всем привет! Я провела три дня на AI Engineer World's Fair в Сан‑Франциско вместе с 3000 лучших AI‑инженеров мира, CTO компаний из Fortune 500 и основателями стартапов. Это третий год конференции, и она стала местом, где ведущие AI‑лаборатории, компании и инженерные команды показывают свои последние работы.

Я поговорила с инженерами и руководителями из OpenAI, Microsoft, AWS, Pydantic и YC‑стартапов. Хочу поделиться их откровенными мнениями и ключевыми инсайтами, которые определяют, как мы будем строить AI‑системы в 2025 году и далее.

18 треков конференции охватывали всё: от MCP до reinforcement learning, AI и робототехники. Доминирующая тема — AI‑агенты, но специфически агенты, готовые к production использованию. Разговор сместился от «что могут делать агенты» к «как мы деплоим их надёжно и в масштабе».

Если вам больше нравится формат видео, можете посмотреть их тут и тут на моем канале. Буду рада связаться с вами через LinkedIn, чтобы вы не пропустили новые апдейты из мира ИИ.

Часть 1: О чем говорят инженеры — Q&A с передовой

Вот самые интересные моменты наших разговоров.

Вопрос: Чувствуете ли вы ответственность за рабочие места, которые устранит ваш код?

Samuel Colvin, создатель и CEO Pydantic:

«Нет, не думаю, что это правда. Программисты последние 50 лет с гордостью сидели и заменяли людей, и мы, кажется, были вполне довольны этим. Так что думаю, это немного кармы, что теперь нас могут заменить написанным кодом.

Смотрите, я не думаю, что мы скоро достигнем AGI. У нас есть эти штуки с огромной памятью, огромным контекстным окном. Они не очень умные, но у них экстремально большая память. Они могут писать текст, который ощущается как человеческий. И мы думаем, что они умные, потому что до сих пор, когда мы встречали людей с огромными знаниями, они часто были умными. Эти штуки не умные.

Я не думаю, что AI заменит разработку ПО. Но есть ужасно много рутинного кода, который мы все писали. Некоторые сделали карьеру на его написании — больше не нужно, чтобы это писал человек. Я не жалею об этом. Думаю, это хорошо. Это захватывающе.

Сейчас у нас огромная потребность в написании всё большего количества ПО. Так что я не думаю, что многие потеряют работу. Пока.»

Вопрос: Если AI делает каждого разработчика в 10 раз продуктивнее, значит ли это, что нам нужно в 10 раз меньше разработчиков?

Dominik Kundel, специалист по Developer Experience в Open AI:

«Не думаю. Думаю, это изменит, как мы работаем.

Для меня лично причина стать разработчиком всегда была в том, что у меня было много идей, и я хотел превратить их в реальность. Думаю, многие разработчики чувствуют так же. А работа для многих превратилась в фиксинг багов и работу с бэклогом.

Я обнаружил это сам, работая над agents SDK — я делегировал много задач, которые не хотел делать, агентам, чтобы они работали в фоне, а я мог фокусироваться на вещах, которые действительно важны, которые я хочу настроить по своему вкусу.

Есть так много спроса на ПО, и я думаю, это на самом деле даст возможность большему количеству людей строить больше вещей, а не то, что мы будем строить то же количество вещей с меньшим количеством людей.»

Вопрос: Что переоценено vs недооценено в AI?

Banjo Obayomi, Senior Solutions Architect в AWS:

Переоценено — думаю, многие в восторге от агентов, но не знают, как правильно их использовать. Мы видим много восторга от агентов, но нужно немного замедлиться, подумать о том, что мы пытаемся построить.

Недооценено — голосовой conversational AI. Думаю, многие сделали большие шаги в этом, но я не видел много крутых приложений. Жду увидеть больше conversational AI agents приложений. Так что это микс.»

Shachar Azriel, Вице‑Президент в компании Baz:

«Переоценено — vibe coding. Надеюсь, люди не убьют меня, когда я буду уходить с конференции.

Недооценено — убеждаться, что сгенерированный код действительно соответствует best practices команды и что код, введенный в продукт, действительно работает.»

Samuel Colvin, создатель и CEO Pydantic:

«Недооценено — важность type safety, статической типизации только будет расти. Происходит несколько вещей:

В JavaScript/TypeScript мире нет дебатов. Никто не думает, что нужно писать JavaScript. Все пишут TypeScript. Думаю, то же произойдет в Python. Type checking от Astral, дающий нам действительно быстрый open source статический type checker и language server, снова сдвинет стрелку в Python.

В‑третьих, если у вас AI агенты пишут код, будь то cursor style или более автономные coding агенты вроде Claude Code, они любят static type checking, потому что могут проверить точность написанного кода и поймать огромное количество ошибок.

На счет переоцененного — не думаю, что MCP переоценен. Я большой фанат. Думаю, это действительно ценно. Сегодня говорил о 'MCP is all you need'. Он очень быстро рос в адопции, и в некоторых отношениях люди, вероятно, предлагают использовать его для вещей, для которых он не подходит. Нужно быть осторожными, используя его для правильных вещей, не для всего.»

Вопрос: Сколько вы лично тратите на AI-инструменты в месяц?

Rene Brandel, Кофаундер и CEO Casco (YCombinator x 25):

«Мне нужно посчитать. Я плачу за Cursor, Crunchbase — не уверен, считается ли это, но у них теперь AI поиск. И Warp, Gemini, Claude, OpenAI. Я бы сказал, счет примерно близок к $1000 на этом этапе. Максимальные версии большинства из них.

Да, точно. Мы стартап, поэтому пытаемся строить вещи как можно быстрее. Наш подход — когда нам нужно делать быстро, мы запускаем на каждой платформе одновременно, потом возвращаемся и выбираем лучшие результаты. Это работает довольно хорошо.

Вот идея для стартапа: если вы можете построить что‑то, что запускает всё это одновременно для меня и просто дает результаты в конце, я бы заплатил и за это.»

Tanmai Gopal, Кофаундер и CEO Hasura и PromptQL:

Я бы сказал, мы забюджетировали около $100–120 на человека в месяц — это наш бюджет. Так мне нравится об этом думать. Не знаю, сколько мы использовали из этого бюджета, но это примерный бюджет.

На чистые AI инструменты мы тратим — бюджет где‑то между 100 и 300K. Примерно так.»

Вопрос: Какая часть вашей работы будет автоматизирована через год?

Banjo Obayomi, Senior Solutions Architect в AWS:

«Я бы хотел, чтобы некоторые встречи были заменены автоматизацией. Я пытаюсь сделать агента, который может посещать встречи за меня, как Banjo‑агент для первого звонка. Потому что иногда я прихожу на встречу, и они не очень знают, задают очень базовые вопросы. Если бы AI‑агент мог это делать за меня, а я подключался только когда необходимо, думаю, я бы хотел, чтобы это было автоматизировано. И я активно пытаюсь построить агента для решения этого для себя.»

Shachar Azriel, Вице‑Президент в компании Baz:

«Одна из вещей, которая раздражает людей — AI забирает вещи, которые они любят делать. Точно. Я рисую и люблю рисовать. Так что факт, что кто‑то говорит мне, что мне больше не нужно это делать и AI сгенерирует это для меня — я не хочу этого. Не хочу, чтобы AI забрал это у меня. Я хотел бы, чтобы он складывал мое белье и убирал дом вместо этого.»

Вопрос: Какой совет дать тому, кто только начинает в tech?

Jim Bennett, ведущий специалист из Galileo:

«AI не уйдет. Вы должны его изучить. Знайте об инструментах. Не бойтесь инструментов, но понимайте — AI это просто инструмент, и он ошибается. Так что да, вы можете vibe‑кодить приложение, но это не production‑ready приложение. Изучайте инструменты, изучайте основы тоже. Когда ваше vibe‑кодированное приложение сломано, вы сможете понять достаточно, чтобы починить.»

Tanmai Gopal, Кофаундер и CEO Hasura и PromptQL:

«Действительно важно вернуться к first principles компьютерных наук. Это действительно важно — вернуться к ним и избавиться от жаргона.

Много разработки за последние 10–15 лет стало о том, кто знает последний жаргон в правильный момент времени. Кто знает последние инструменты, последние фреймворки. Это всё еще там. Даже на этой конференции — 'О, это последний инструмент, последняя техника, последний фреймворк, давайте использовать'. Это должно прекратиться.

Мы должны понять фундаментальные принципы того, как вещи работают. Любая работа, любой продукт, который вы строите, углубляющий это понимание first principles, важен. Это важнее, чем когда‑либо, потому что всё сверху AI сделает. Мне даже не важно, какой последний фронтенд фреймворк сейчас, потому что я просто говорю 'построй это для меня'. Мне всё равно. Это больше не важно.»

Priyanka Vergadia, Senior Director в Microsoft:

«Вы, вероятно, должны больше времени тратить на получение first principles о том, что вы возьмете с собой как навык — способность учиться, способность быть креативным, способность вести бизнес, и набор навыков, который больше на мягкой стороне — способность лучше презентовать себя. Эти вещи — навыки, которые никогда не преподают в школе, и попадают в категорию soft skills, которые станут всё более важными в каждой работе, даже технической.»

Вопрос: Какой навык должен выучить каждый программист в 2025?

Samuel Colvin, создатель и CEO Pydantic:

«Думаю, есть много людей, которые думают, что им не нужно изучать фундаментальные принципы хорошей разработки ПО, что я бы широко назвал computer science. Думаю, это всё еще невероятно ценно, даже если у вас агент пишет код за вас. Это очень похоже на наличие интерна. Так что я бы не указал на какую‑то конкретную технологию. Думаю, каждому нужно использовать AI, но быть циничным и предполагать, что он ошибется. Так же, как если у вас есть интерн — очень ценно, что он делает работу за вас, но вы не примете это verbatim и не предположите, что это правильно.»

Вопрос: Что изучать детям, начинающим в tech?

Darko Mesaros, Принципал Адвокат из AWS:

«Есть две вещи. Первое — им нужно научиться учиться, потому что это абсолютно меняется. В прошлом нужно было учиться по книгам, прилагать усилия. Сегодня вам дают знания бесплатно, что угодно. Думаю, способ, которым дети учатся, которым мы учимся, должен измениться. Мы должны использовать преимущества этих инструментов, но также убедиться, что информация остается в какой‑то core части наших навыков. Иначе мы просто получим информацию, которая может быть неправильной в будущем. Так что учиться учиться, изменять способ обучения будет по‑другому. У меня нет решения — учителя, вы те, кто должны придумать решение.»

Провокационное мнение о Python:

«Номер два — дети должны прекратить использовать Python. Конец истории. Прекратить использовать Python. Выслушайте меня. Есть так много лучших языков, не потому что я фанатка языков, но потому что если вы собираетесь использовать coding assistants для написания вашего языка, вы должны использовать очень безопасный язык.

Что я говорю — вы должны использовать язык, который компилируемый, статически типизированный, безопасный. Причина в том, что если вы отдаете все задачи кодирования AI ассистенту, вы можете также дать ему язык, который более робастный и не склонен к сбоям во время выполнения. Это значит, вы поймаете ошибки рано, во время компиляции, во время линтинга, вместо того чтобы он просто крашился посреди рантайма. Это теплый тейк, но я очень рекомендую людям это делать, потому что теперь у вас есть инструменты для этого.»

Julie Gunderson, Директор из Freeman & Forrest:

«Вам всё еще нужно учиться писать, критически думать. Мы можем использовать эти модели, чтобы изменить способ обучения, но есть критические навыки, с которыми модели просто не справляются. И этот кусок критического мышления, кусок человеческого взаимодействия — вам всё еще нужно на это фокусироваться.

Но другая вещь — адаптивность. Всё меняется так быстро сейчас. Вам нужно — или мне следует сказать, нам нужно, может быть, новому поколению не нужно так много — выйти из зоны комфорта и быть готовыми пробовать новое и не бояться.

Когда всё остальное не работает, изучите ремесло.»

Вопрос: Какой самый большой вызов в AI нужно решить?

Suman Debnath, Принципал AI Адвокат из AWS:

«Их много. Для начала, я лично вижу, что много работы идет вокруг evaluation и observability. Год назад мы были очень взволнованы этими LLM, и они могли отвечать на наши вопросы. Это очень общая задача. Но теперь модели так зрелы и могут хорошо рассуждать, разработчики и клиенты хотят знать, почему они дают такой ответ.

Observability и evaluation — насколько этот ответ релевантен моему запросу. Думаю, это две вещи, которые большинство клиентов, особенно enterprise, ищут, помимо просто большой модели, которая может хорошо обобщать. Было много работы с Langfuse, если подумать, и Arize. Все работают над тем, чтобы мы могли получить хорошее понимание того, что модель отвечает и насколько это релевантно нашему use case.»

Darko Mesaros, Принципал Адвокат из AWS:

«Думаю, главный вызов AI сейчас — мы дали всем этот удивительный молоток, и все видят гвозди. Все пытаются использовать generative AI для всего. Вещи, которые не должны использовать generative AI, вдруг используют его. Причина в том, что это так легко — просто сказать модели 'переименуй мои файлы'. Модели не должны это делать. Вы можете написать что‑то, что это делает, потому что это намного более cost‑эффективно, энерго‑эффективно и быстрее.

Думаю, образование людей о том, как и где AI должен существовать в том, что вы строите — критический элемент. Фреймворки должны существовать, которые помогают даже генерировать код для определенных задач, которые AI не должен делать. Например, если у вас AI модель, которая парсит JSON в CSV, вместо парсинга она должна просто сгенерировать кусок кода, который будет это делать навсегда. Немного больше на стороне оптимизации, как с точки зрения инструментов, так и с человеческой перспективы. И они должны использовать AI для вещей, для которых они должны использовать AI.»

Часть 2: Мои главные выводы и наблюдения

После трех дней погружения в передовую AI‑инженерии, вот ключевые паттерны, которые я увидела:

1. Спецификации становятся продуктом

Компании помещают свою бизнес‑логику в markdown файлы (claude.md файлы), которые говорят AI агентам, как работают их системы, что делают их API, что означает их домен. И это не просто промпты — это настоящие спецификации для AI‑native компаний. Они версионируют их, тестируют, улучшают. Ваше преимущество не в сгенерированном коде. Оно в том, насколько точно вы выражаете, что нужно построить.

2. Evals обязательны, не опциональны

LLM outputs — вероятностные результаты, которые дрейфуют со временем. То, что работало вчера, может провалиться завтра. Компании прикрепляют pass/fail проверки к каждому шагу пайплайна, каждому retrieval, каждому вызову инструмента. Думайте об evals как о unit тестах для традиционного кода. Если вы их пропускаете, ваш агент становится непредсказуемым.

3. Интеллект уровня GPT-4 стоит в 100 раз дешевле, чем в 2023, но мы используем в 20 раз больше compute на запрос

• Миллион‑токенные контексты

• Reasoning модели, выводящие в 10 раз больше токенов

• Agentные workflows, связывающие десятки вызовов

Паттерн: когда AI становится дешевле за токен, мы склонны использовать экспоненциально больше токенов.

4. MCP создает business-to-agent экономику

Model Context Protocol позволяет AI агентам автономно обнаруживать и использовать сервисы. Amazon присоединился к руководящему комитету MCP. AI агенты становятся клиентами с бюджетами. Если ваш продукт не agent‑friendly, вы будете невидимы для автоматизированных покупателей.

5. Команды сжимаются, пока output взрывается

• Одиночные инженеры оркестрируют то, что требовало департаментов

• 10-person стартапы конкурируют с тысяча‑person компаниями

• Дело не в меньшем количестве людей. Дело в том, что каждый человек становится драматически более способным через AI оркестрацию

6. Модели становятся агентами

Мы провели год, строя scaffolding вокруг LLM — agent frameworks, routing logic, memory systems. Теперь многое из этого переезжает в модели. Новые reasoning модели планируют, откатываются назад, используют инструменты, поддерживают контекст внутренне. Фокусируйтесь на том, что уникально ваше — данные, доменная экспертиза, семантический слой — и позвольте моделям обрабатывать агентную логику.

7. Документация становится всё более важной

AI агенты могут использовать только то, что понимают. Лучшая документация означает лучшую AI производительность, более счастливых клиентов и больше revenue. Компании создают семантические слои — структурированное доменное знание, которое становится тренировочными данными, контекстом агента и операционными guardrails. Ваш семантический слой — это ваш moat.

8. Скорость исполнения — единственная устойчивая дифференциация и преимущество

Когда AI реплицирует фичи за часы и регенерирует кодовые базы с нуля, скорость важна — как быстро вы шипите, итерируете, инкорпорируете фидбек. Стройте для скорости — автоматизированное тестирование, continuous deployment, feedback loops. И убедитесь, что не забываете о качестве, потому что качество идет первым. Но в AI эру вам нужны и качество, и скорость.

Помните: AI — это 6-летний Эйнштейн. У него огромная память, но не обязательно глубокое понимание. Ваша роль — направлять его правильно.

Надеюсь вам было интересно. У меня еще очень много материала после интересных разговоров с работниками Open AI, Stanford, Microsoft и других. Обязательно подписывайтесь на мой канал. Буду рада добавить вас в LinkedIn.