ИИ пишет треть кода в Microsoft и четверть — в Google. Duolingo становится AI-first. Shopify просит сотрудников объяснять, почему задачи не может решать нейросеть. И при всём при этом бигтех сокращает почти 94 тысячи IT-специалистов.

Неудивительно, что связка «ИИ + работа» вызывает сильные эмоции и радикализирует людей. Я замечаю, что мои знакомые — все одинаково сильные специалисты — делятся на два лагеря: на чёрных и белых.

Одни говорят: «У меня тут Cursor, у меня вайб-кодинг, я кайфую и экономлю время». Правда экономят и круто используют ИИ. Вторые утверждают, что всё это бесовское: «Пробовал я нейросети, не понравилось, не наше». И тоже делают отличные проекты.

Коллеги периодически перетекают из лагеря в лагерь, пишут своё мнение в каналах и на Хабре. Но вот в середине особо никто не остаётся, разве что мы, CTO.

Привет! Я Саша Сергеев, CTO в Профи.ру. И у технических директоров есть мантра: «Используй скучные технологии». Нельзя брать что-то совсем новое: оно не проверено в проде, мало поддерживается. Лучше что-то надёжное. 

Но для ИИ приходится делать исключение: прищуриться и подумать. Делюсь тем, о чем я думаю сейчас — с позиции «серого». 

Чтобы работать с нейросетями, нужно самому понимать результат

Круто используют нейросети те, кто сам крутой специалист. ИИ — это как джун, которому нужно всё разжевать и объяснить, как должен выглядеть результат. Если у пользователя нет навыка и он сам не понимает, что делает, то и нейросеть ничего нормального не выдаст. 

Но тут есть нюанс: часто вайб-кодинг больше тратит, чем экономит время специалиста. Нейросеть справляется с тем, чтобы просто подбирать команды, но не понимает, что делает, и тем более не осознаёт архитектуру продукта. ИИ не понимает детали: неявные правила, соглашения, незадокументированную культуру кода. В результате ИИ не ускоряет, а, наоборот, замедляет опытного разработчика.

Это подтверждает недавнее исследование METR. Учёные пригласили 16 разработчиков, у которых в среднем по пять лет опыта работы над крупными open-source-проектами. Этим программистам дали 246 реальных задач из зрелых репозиториев. Каждая задача случайным образом назначалась в одну из двух групп: «можно использовать ИИ» или «нельзя использовать ИИ». В конце исследователи оценивали, сколько времени специалисты потратили на задачи.

Разработчики прогнозировали, что инструменты на базе нейросети ускорят их работу на 24%. Оказалось, наоборот: выполнение задач с ИИ заняло на 19% больше времени. Да, программисты меньше писали код и искали информацию, зато дольше составляли промпты, ждали отклик. Тратили время на правки или откат предложений ИИ. Программисты, которые всё делали сами, справлялись со сложными задачами быстрее.

Мы как-то тоже пытались подключить ИИ к сложной задаче — передать ревью схемы API. Казалось, нейросеть сможет взять это на себя. Не взлетело. Каждой новой версии моделей приходилось всё объяснять заново, иначе они выдавали разные результаты. Поддерживать систему оказалось сложнее, чем делать по-старому, без ИИ. В итоге часть ответа нейросети мы всё же обмазали алгоритмами, а часть продолжает смотреть человек.

Вывод: без живого программиста, который объяснит нейросети результат, ничего не получится.

Вайб-кодинг накапливает ошибки

Нейросети правда позволяют быстро запускать проекты. Можно сесть вечером, написать в чат: «Сделай мне сайт для продажи котят» — и через три минуты получить результат. Кривой, но рабочий. Следом — попросить страницу оплаты, потом каталог. Всё вроде бы просто и удобно. Но такая разработка держится на иллюзии: она кажется быстрой и дешёвой, пока не наступает момент поддержки. И вот тогда всё начинает сыпаться.

Как только проект вырастает и нужно вносить изменения или чинить ошибки, ты оказываешься в тупике, потому что ИИ не объясняет, что он делал. Он не знает, что генерировал на прошлой неделе. У него нет логики, причин — есть только результат, который сложно расшифровать.

Так что поначалу вайб-кодинг может сработать, особенно в руках сильного разработчика. Но чем больше проект пишет ИИ, тем больше технический долг. Рано или поздно придётся перейти на человеческую промышленную разработку, если компания хочет развивать стабильный продукт.

Вывод: продукт можно запускать на коленке с помощью ИИ, но через какое-то время он всё равно должен переходить в руки живых специалистов. И чем раньше, тем лучше.

ИИ не подходит для аппаратной разработки

ИИ для разработки нормально справляется с шаблонными задачами. Написать тест, натянуть интерфейс на сайт — это легко. Особенно в вебе, где проектов много, логика повторяется, а решений в открытом доступе море. Там нейросети правда могут ускорить процесс и разгрузить команду. Поэтому в студиях, продуктовых стартапах и аутсорс-разработке ИИ охотно используют. И в целом — по делу.

Но как только мы выходим из зоны шаблонов, нейросеть пасует. В первую очередь это касается низкоуровневого программирования. Микроконтроллеры, прошивки для электроники — всё это требует индивидуального подхода. Тут нет стандартных решений, и у каждой задачи может быть уникальный контекст.

В таких продуктах код часто пишется под конкретное «железо». Один чип — один алгоритм. Открытых примеров, на которых можно было бы учиться, почти нет. Поэтому ИИ не может предложить адекватный вариант: он просто не видел ничего подобного. 

Это касается не только электроники. Сложные, уникальные B2B-системы, кастомные алгоритмы, R&D — всё, где нужно изобретать, а не копировать, пока остаётся полностью в руках человека. 

Вывод: ИИ (пока) не может программировать «железо». Это остаётся на людях.

Нейросети не помогают зарабатывать на долгой дистанции

ИИ справляется с оптимизацией. Он ускоряет типовые задачи, помогает с тестами, собирает саммари изменений в коде. Это удобно, экономит время, сокращает для бизнеса издержки.

Но вот что нейросети пока не умеют — так это зарабатывать. Они не понимают, что хочет бизнес, не держат в голове десятки зависимостей и не учитывают ограничения. ИИ может сократить косты, но не может создать новую ценность. Он не понимает пользователей. Не чувствует рынок. Не придумывает фичу, которая выстрелит. Пока мы видим, что он отлично работает как инструмент поддержки, но вряд ли может заменить креативного и контекстного разработчика. И тем более — продуктовую команду.

Вывод: живые специалисты всё ещё полезнее для бизнеса, но только те, кто решает задачи, где нужно подумать.

***

ИИ не заменит того, кто думает. Чтобы оставаться нужным, надо как можно быстрее и дальше уходить от механической разработки и увеличивать сложность и комплексность решаемых задач. 

Комментарии (19)


  1. durka
    16.07.2025 14:56

    Как и с любым инструментом. Одному дай топор - он баню построит. А другой - отрубит себе пальцы.


  1. elzvi
    16.07.2025 14:56

    полгода назад крепко подсела на курсор. но что-то он в последний месяц работает совсем дико и не может даже с цсс справиться


    1. 1VK
      16.07.2025 14:56

      кнопку не может покрасить?


  1. kenomimi
    16.07.2025 14:56

    Но вот что нейросети пока не умеют — так это зарабатывать. Они не понимают, что хочет бизнес, не держат в голове десятки зависимостей и не учитывают ограничения. ИИ может сократить косты, но не может создать новую ценность. Он не понимает пользователей. Не чувствует рынок. Не придумывает фичу, которая выстрелит. Пока мы видим, что он отлично работает как инструмент поддержки, но вряд ли может заменить креативного и контекстного разработчика. И тем более — продуктовую команду.

    Топовые мультиагентные сетки уже выигрывают бизнес-игры у кожаного с разгромным счетом, вот только недавно из заперещенной компании хвалились, Маск вроде тоже говорил об этом. Сетке разом доступны все знания кожаных, включая приватные (расскажите мне сказочку, что сетку не учат на переписках и прочих закрытых данных, которые есть в распоряжении корпораций), доступ к данным у железного надежный и мгновенный, чего нельзя сказать о кожаном.

    В первую очередь это касается низкоуровневого программирования. Микроконтроллеры, прошивки для электроники — всё это требует индивидуального подхода. Тут нет стандартных решений, и у каждой задачи может быть уникальный контекст.

    Там еще больше ехал шаблон через шаблон, а "история одного байта" потому и лежит в нетленке, что была один раз на миллиард железных задач. Еще чуток - и будет "сунул в ИИ даташит - вынул типовой HAL", и пиши приклад, больше о железе не вспоминая.


    1. arantar
      16.07.2025 14:56

      Ещё бы они не хвалилась, они ж на этом сейчас деньги делают


  1. SunR1sen_1
    16.07.2025 14:56

    Установил я Gemini как асистента в телефоне.

    Даю ему команду: "Установи таймер на 5 минут"

    Всё ок, таймер на 5 минут установлен.

    Следом ему говорю: "Оповести меня когда на таймере останется одна минута"

    А в ответ: "Извините, я не могу это сделать"

    Занавес.

    Вот вам и причина, по которой они не заменят, по крайней мере точно не в ближайшее время:)


  1. astenix
    16.07.2025 14:56

    …но это временно ©


  1. RedHead
    16.07.2025 14:56

    Этот тигр, ему 5 месяцев, он не кусает. Поэтому он никогда не укусит. Ога.


    1. tryamk
      16.07.2025 14:56

      Извините, но ваш сарказм строится на том, что тигр точно вырастет и может изменить своё поведение... Но про нейросетки такого сказать однозначно нельзя :)


      1. Hardcoin
        16.07.2025 14:56

        Да и про тигра нельзя. Может умереть рано, может быть совершенно неагрессивным. Все прогнозы всегда приблизительные.

        Вот только на прогноз "нейросети остановились в прогрессе и точно не станут в два раза умнее" я бы деньги не поставил. Станут, без сомнения.


        1. tryamk
          16.07.2025 14:56

          Ох, а давайте не будем? :)
          Ведь тогда придётся вывести полное и непротиворечивое определение слова "ум"... А потом как-то прикрутить к нему количественные показатели :(


          1. Hardcoin
            16.07.2025 14:56

            Не придется. Прогресс AI не так уж сильно зависит от того, сможем ли мы в комментариях придумать хорошее определение.

            Какой бы бенчмарк вы не придумали, если он объективен и хотя бы частично доступен людям, AI сделают в нем прогресс за следующий год. Любой.

            Конечно это не что-то, что я смогу математически строго доказать, но давайте вопрос проще. Можете ли вы придумать задачу, в которой AI не сделает прогресса? Что это за задача?


            1. tryamk
              16.07.2025 14:56

              Вы знаете... Не могу придумать такой задачи, ведь они прогрессируют даже в самых неожиданных XD

              https://habr.com/p/920924/


            1. uldashev
              16.07.2025 14:56

              зачем придумывать? семь математических проблем, гипотеза римана, гипотеза ходжа и т. д. когда там chatgpt выдаст их решение?


  1. Javian
    16.07.2025 14:56


  1. iamkisly
    16.07.2025 14:56

    Соседняя новость

    King, стоящая за культовой франшизой Candy Crush, готовится уволить около 200 сотрудников в связи с масштабными внутренними изменениями. Источники, знакомые с ситуацией, сообщили, что сотрудники таких отделов, как дизайн уровней и нарративные тексты, потратили годы на разработку ИИ-инструментов для ускорения рабочих процессов, а теперь эти же инструменты делают их роли ненужными.


    1. Javian
      16.07.2025 14:56

      Думаю что в ближайшем времени наиграются с ИИ и в рекламе будет использоваться оборот "сделано без ГМО ИИ


  1. TimurZhoraev
    16.07.2025 14:56

    Если смотреть на структуру ИИ то всё в основном определяется датасетами как основой для реализации, а она выражена на человеческом языке с возможностью вариаций. Поэтому, скорее всего, то что имеется сейчас будет крайне сложно масштабировать без изменения подхода к обучению ИИ и внутреннему представлению того что человек называет алгоритмом. Если посмотреть на техотчёт Дипсик [arXiv:2412.19437] - на обучение потрачено 3 млн машино-часов карточки H800, потребляющей, скажем 1 кВт (с учётом инфраструктуры) Итого имеем 3 ГВт*ч электричества для обучения только одной версии. Это конечно не сравнится с битком, но тенденция будет явная и скоро начнут все торговать некий токен-койн как монета для обучения ввиду ограничения ресурсов. Соответственно для более продвинутой потребуются уже сотни гигаватт-часов и сложность скорее всего растёт экспоненциально. Представьте главного админа, нажатие кнопки "learn" которого приведёт к годовой выработке условной Калининской АЭС.


  1. amazingname
    16.07.2025 14:56

    Сейчас использую агента в двух ситуациях

    Первая - надо написать что то со слишком редким для меня синтаксисом. Например, разбор дерева выражений или рефлексия по динамически генеренному коду.

    Вторая - я устал и больше не в состоянии активно формировать код влезая в детали, а задача пока не требует вылизывания и довольно линейная. Например, это тесты, небольшие очевидные фитчи или POC.

    В этих двух случаях ускорение реально в разы.

    В остальных случаях ощущение как описано в статье - проще сразу сделать нормально самому, чем пересматривать пять итераций с агентом.

    Однако видно, что возможности агентов прирастают со временем, как и опыт их использования. До какой точки этот процесс дойдет, пока не ясно.