Привет, Хабр! Меня зовут Иван Самсонов, я CPO of AI в MWS, где делаю так, чтобы все эти модные технологии не просто красиво звучали на митапах, а реально работали в операционке. Сейчас уже никого не нужно убеждать, что AI «пришел» и его пора интегрировать в любой подходящий утюг. Фокус сместился: я все меньше убеждаю топов в необходимости ML, и больше — мидл-менеджмент и инженеров. И доказываю им, что нужно изучать работу нейронных сетей и пристально следить за их развитием. Для этого у меня есть очень весомый довод — на горизонте 5–7 лет огромный пласт технических задач уйдет людям, умеющим грамотно формулировать запрос. В этом материале я расскажу, как это может произойти и кому уже надо задуматься о будущем с ИИ.

Как мы двигаемся в сторону делегирования задач ИИ

Если посмотреть широко, то у нас с вами идет вполне логичная эволюция. Когда-то мы были настоящими HDIY — Human Do It Yourself. Все делали сами: чашку из глины, программу на ассемблере, верстку в HTML. Мой научный руководитель, например, 25 лет назад писал трансляторы, которые перекомпилировали код из одного низкоуровневого языка в другой. Оттуда мы постепенно дошли до библиотек и фреймворков.

В какой-то момент наступила эпоха Stack Overflow, когда можно было просто скопировать и вставить код, а если он не работает, то посмотреть первый, второй третий десятый коммент. Если и они не помогли, то твоя проблема уникальная.

А теперь взгляните на график посещаемости Stack Overflow за последние два года:

Все больше людей идут с вопросами не к сообществу, а к LLM. Потому что они отвечают быстро, уверенно, чаще всего в тему. Всего год назад это были скорее заготовки, которые приходилось допиливать. Сейчас они все ближе к рабочему коду, хотя, конечно, полного замещения пока нет.

Но это тоже только этап, который когда-нибудь пройдет. На горизонте 5–10 лет мы можем перейти от написания кода к постановке целей. Ты говоришь: «Хочу, чтобы вот тут работал фильтр, а здесь — конструктор формы». И модель сама разбирается, как это реализовать и какие шаги нужны.

Сила машинного обучения позволяет не следовать инструкциям, а прийти к результату, даже если путь к нему заранее не задан. Нейросети, с их способностью «угадывать» через десятки итераций, туда добираются. Иногда криво, иногда странно, но добираются.

Почему изменения, которые раньше занимали века, теперь происходят за месяцы?

Технологии сейчас развиваются по экспоненте. Я в ML всего 7–8 лет, но даже за это короткое время вижу, как изменились задачи. То, что я делал в 2020-м и в 2025-м, различается кардинально. Теперь нужно не строить пайплайн, а управлять агентами, цепочками рассуждений, откликами и прямым фидбеком от пользователя.

Сейчас у нас есть модели, которые умеют рассуждать. Они задают себе вопросы: «А все ли я учел? А точно ли я понял, что хотел пользователь? А может, ему нужно еще что-то, о чем он не сказал?». Это на самом деле и есть тот переломный момент, который случился в конце 2024 года — модели начали додумывать. Пока еще не идеально, но направление уже задано.

Мы идем в сторону, где достаточно будет сказать: «Сделай мне приложение, которое отслеживает количество воды, которую я выпил в течение дня. Оно должно работать и на телефоне, и в браузере, с логированием и безопасным хранением». Модель сама пройдет этот чек-лист. Главное, чтобы в шаблоне эти пункты были заложены.

Кому станет плохо от генерации по запросу

Все цифровые продукты, с которыми мы ежедневно сталкиваемся, условно можно разделить на два больших класса.

Первый — это сложные, тяжелые системы типа Excel, Notion, Photoshop, SAP. Это гигантские приложения с огромной командой разработки, которые годами обрастают фичами.

А второй класс — это маленькие одноразовые приложения, делающие ровно одну вещь. Я как-то потратил время и просто посмотрел, чем я сам пользуюсь в течение недели. И выяснилось, что около 46% задач решаю через такие одноразовые штуки: сервисы для сжатия видео, конвертации форматов, генерации коротких ссылок.

Я пользуюсь ими постоянно и каждый раз ищу их заново через поисковик. Некоторые мои знакомые на этих «однофункциональных» приложениях делают вполне ощутимый бизнес, потому что попали в узкую боль и не стали усложнять.

Эти сервисы закрывают определенный запрос, собирают трафик и при этом не требуют ни ML, ни сложной архитектуры. Но именно они, как мне кажется, одними из первых и уйдут в историю. Когда у нас появятся более универсальные инструменты с генерацией по запросу, все эти утилиты потеряют смысл. Зачем идти на сайт, если можно сказать модели: «сделай мне из этих трех PDF один и отправь по почте» — и все.

Какие задачи в итоге уйдут гуманитариям?

Я часто общаюсь с инвесторами, которые фокусируются на софте — многие из них по-прежнему больше всего интересуются инструментами, помогающими быстро писать код, разбираться в архитектуре и не мучаться с рутиной. Долгое время основной интерес был как раз вокруг генеративных IDE, но с осени прошлого года появился тренд — кодинг с помощью естественного языка, который может быть доступен и простому человеку:

Он про простейшие приложения для пользователей, которые хотят быстро создать что-то рабочее. Да, генеративные IDE все еще на первом месте — ими пользуется больше людей. Но растет популярность Bolt, Lovable, всяких no-code- или text-to-app-интерфейсов:

Среди пользователей этих инструментов уже не только разработчики, но и продакты, и дизайнеры. Это то самое «снижение порога входа», о котором так долго говорили, — теперь достаточно хорошо формулировать свои желания. Основное ограничение  — в количестве изменений, которые он проглатывает. Если внести 8–10 правок, то контекст переполняется и качество начинает деградировать. Но это уже легко фиксится — давай дадим text-to-app приложениям 1,5 года и увидим, как они нас удивят.

И вот мой аккуратный прогноз: это может вытеснить часть спроса на разработчиков

Cложные системы останутся, но простые задачи — сделать форму, прикрутить отчет, автоматизировать подписку — все это уйдет в руки тех, кто раньше вообще не трогал разработку. Условный гуманитарий, который умеет писать эссе, структурировать информацию и немного дружит с GPT, соберет нужную ему штуку быстрее, чем мы с вами протащим ее через Jira.

Есть, конечно, один контраргумент: люди ленивы. Я пробовал собрать простое приложение, склеивающее три PDF в одно, и устал. Мне все ещё легче перейти по первой ссылке в Гугле, пройти регистрацию и потерпеть рекламу. Но скоро создать будет проще, чем найти. И все то, что мы сейчас долго, дорого и сложно делаем внутри, постепенно будет вытесняться такими конструкторами.

Почему разработчикам нужно повышать ценность своих навыков уже сейчас?

Я немного эксплуатирую свою возможность учить детей. Один из них стал участником мини-эксперимента: мы с ним за полтора часа собрали обычное приложение-хелпер, считающее, сколько воды мне нужно выпить в течение дня. Логика простая: восемь стаканов в день, если не нажал вовремя кнопку, пусть через 15 минут придет пуш.

Приложение собирали в Lovable, и нам понадобилось всего четыре автоматизации. А теперь давайте подумаем, что может пойти не так:

Во-первых, ни одна из моделей пока не собирает по одному текстовому запросу готовое PWA-приложение. Приходится руками пробрасывать ключи, настраивать схемы, подключать внешние сервисы. Вроде бы no-code, но он отнимает много времени и сил. Если вы автоматизируете сценарии пользовательского опыта, то копайте глубже. Там есть реальная потребность — и это настоящая золотая жила.

Второй момент — стоимость. У нас были генерации приложений в несколько этапов, которые из-за длинного контекста обходились дорого (по 12, 15, 20 долларов). Если не пользуешься корпоративным аккаунтом, то очень быстро упираешься в лимиты. Мы в какой-то момент платили по 1,5 доллара за одно исправление.

Затем мы уперлись в скорость. Пробовали склеивать все через n8n: от добавления в базу новой записи до ее отображения в интерфейсе проходило до 10 секунд. Все могло сломаться от малейшей правки JSON-файла или настройки структуры. Более того, выяснилось, что часть функциональности, которая нужна для нормальной работы, вообще-то появилась только в iOS 16.4. Если у пользователя iPhone 10 или ниже, то ничего не взлетит. Огромный кусок аудитории просто отваливается.

И вот, глядя на все это, я прихожу к не самой приятной мысли:

Зарплаты квалифицированных специалистов, которые делают понятные вещи — фронт, бэки, MVP-интерфейсы, микроприложения, — через 5–7 лет, скорее всего, упадут. Самих приложений станет больше, но ценность разработчика для их создания будет ниже.

И тут встает вопрос: как им удержать свою ценность? Как сделать так, чтобы через пять лет она была хотя бы такой же, как сейчас, а лучше выше? Умение писать простые штуки — это уже не конкурентное преимущество. Его заберут платформы, агенты и те самые гуманитарии, которые научились нормально общаться с LLM.

Они не заменят инженеров полностью, но кардинально перестроят ландшафт, забрав себе понятные вещи. А вот все сложное останется инженерам, которые должны уметь проектировать масштабные системы и хорошо разбираться в технических тонкостях и нюансах. И здесь им важно будет понимать возможности нейросетей, потому что они станут теми кирпичиками, из которых и будут собираться такие системы.