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.