Недавно OpenAI объявила о новой возможности ChatGPT — открывать через интерфейс чата сторонние приложения. Теперь через нейронку можно послушать музыку в Spotify или сделать презентацию в Canva. Больше не нужно самому изучать интерфейс, выбирать паттерны или песни — достаточно составить промпт, а нейросеть разберется в сервисе сама.

Вокруг новой функции тут же возникло много слухов. Например, что фронтенд умирает. Ведь зачем нужен интерфейс, если пользователи взаимодействуют с сервисами через ИИ? Даже UX теперь не так важен, как раньше.

Звучит как задел на начало новой эры в разработке. Так ли это и что на самом деле происходит с ИТ под влиянием вездесущих нейросетей — давайте разбираться. Спойлер: рынок и правда меняется, но до упадка ему еще очень далеко.

Фронтенд превращается в сквозной интерфейс

Новая фишка ChatGPT пока что пилотная и работает только с единичными приложениями. Разработчики OpenAI сами интегрировали в нейросеть несколько сервисов, в частности Canva, Booking и другие. Подключить свой сервис к ChatGPT самостоятельно пока что нельзя — сейчас это прерогатива больших компаний, с которыми в OpenAI договариваются напрямую. На демовидео от OpenAI новая фича выглядит очень стильно.

А вот как эта фича будет развиваться в будущем, пока сложно предсказать. Сами OpenAI, похоже, претендуют на то, чтобы стать новым универсальным интерфейсом для любых сервисов. Об этом явно говорит тот же App SDK — набор инструментов, буквально созданный, чтобы разработчики могли подключать свои приложения к ChatGPT. 

Если предположить, что ChatGPT как интерфейс действительно взлетит — роль фронтенда и вправду может сместиться. Раньше пользователь должен был сам изучать UI, находить нужные функции, переходить по экранам. А в новой реальности ChatGPT будет делать все за него. Человеку не придется пользоваться интерфейсом напрямую. Соответственно, ему станет менее важно, насколько удобно расположены кнопки и легко ли найти детали оформления заказа. 

Основной вопрос: значит ли это, что интерфейсы станут не нужны и их полностью заменит ChatGPT?

Вряд ли. Судя по тому, что мы видим сейчас, интерфейс приложений все-таки отображается в окне чата. Они точно так же рендерятся, но уже не внутри браузера, а в ChatGPT. Как это выглядит, уже можно посмотреть на примере той же Figma или Spotify.

Раньше интерфейсы создавали с расчетом на то, что человек будет работать с ними вручную. С участием нейросети нужда в сложном UI понемногу отпадает — можно предположить, что UX/UI и дальше будет двигаться в сторону упрощения визуала. 

Тем не менее вряд ли универсальный интерфейс ChatGPT покроет 100% приложений во всем мире. И вряд ли нужда в UI «для людей» полностью отпадет. Причин несколько:

• Не все люди пользуются ChatGPT в принципе. Как и в целом нейросетями. Да, с каждым днем таких людей меньше, но они есть и никуда не денутся.

• Есть сервисы, которые принципиально не стоит открывать через ChatGPT. Например, корпоративные системы, которые в целях безопасности не выпускают за пределы внутренней рабочей сети.

• К ChatGPT вряд ли согласятся подключиться финтех и государственные сервисы. Это крайне небезопасно. Обмен информацией с нейросетью, которая имеет доступ в открытый интернет, — риск утечки данных и юридических проблем. ChatGPT продолжает учиться на данных пользователей, и отдавать ей чувствительные данные запрещено во многих компаниях.

• Не факт, что сами пользователи будут готовы отдавать ChatGPT свои учетные данные от сервисов. Особенно если к аккаунту, например, привязана банковская карта. Это опять-таки риск утечки персональных и платежных данных.

Так что фронтенд никуда не исчезает. Его роль может сместиться, но не за день и не за два. В истории веб-приложений такое уже случалось — как с теми же мобильными устройствами. Когда-то верстка мобильных версий была редкостью, а теперь mobile first — золотой стандарт. 

Бэкенд взаимодействует с серверами OpenAI

В ситуации, когда ChatGPT берет на себя «пользовательскую» часть, меняется и роль бэкенда. Когда SDK пойдет в массы, сервер приложения будет взаимодействовать не только с собственным фронтендом, но и с серверами OpenAI. Так, чтобы пользователь мог получить доступ к сервису через ChatGPT. 

Технически это те же самые запросы, что и обычно. Бэкенду все равно, кто его вызывает: свой фронтенд или сервер OpenAI. Изменится только получатель и структура взаимодействий. К классической паре «клиент — сервер» добавится новая: «сервер нашего приложения и сервер OpenAI».

На этом фоне важность бэкенда не просто не снижается — она растет. Бэк, в отличие от фронта, не так просто потеснить за счет нейросетей. Мало того что для него нужно больше ресурсов — он еще и реализует уникальную бизнес-логику, которую не сможет повторить AI. Ни сейчас, ни в обозримом будущем, если архитектура нейросетей принципиально не изменится.

Условный пример. ChatGPT может забронировать отель в Booking на имя пользователя. Но механизм бронирования, связь с отелем, хранение данных заказчика и многое другое — все это он не реализует. Максимум — предложит фрагменты кода для построения такого сервиса. И то не факт, что они будут работать.

Дело даже не в мощностях. Так происходит в первую очередь потому, что нейросети не умеют думать в привычном нам понимании. Это мощные шаблонизаторы, которые ищут закономерности в больших массивах данных и повторяют их. Инженерное мышление, креативность, логика взаимодействий — все это для них недоступно.

Если человека научить складывать 2 + 2, он по похожему принципу научится считать и 2 + 3, и 3 + 5, и любые другие числа. Нейросеть — не научится. Она знает, что 2 + 2 = 4, потому что видела множество примеров с этими цифрами. Но логически вывести правила сложения других чисел она не сможет. А в бэкенде без логических выводов никуда.

ИТ в целом: автоматизация не заменит человеческую логику

Приложения внутри ChatGPT — это частный случай влияния нейросетей на ИТ в целом. Если посмотреть шире, видно, что AI меняет не только пользовательский опыт. Он влияет и на сам процесс разработки.

Самый очевидный пример — AI-ассистенты, которые есть в новых версиях практически всех популярных IDE и редакторах кода. Они не просто автодополняют написанные строки, а пишут за разработчика целые блоки кода. В том же GitHub Copilot достаточно описать, чего разработчик хочет от функции, и тот сгенерирует ее сам.

Конечно, у таких ассистентов немало преимуществ:

• Ускорение отладки. Уже почти можно забыть о безуспешном поиске багов по 12 часов подряд — AI-ассистент найдет их гораздо быстрее и с минимальным вмешательством человека.

• Ускорение кодинга в целом. Особенно если речь идет о повторяющихся блоках кода. Бесконечные Ctrl + C и Ctrl + V превращаются в пару строк промпта.

• Упрощение прототипирования. Работающий прототип можно выпустить заметно быстрее за счет того, что часть кода сгенерирует AI.

Но у повсеместного AI в разработке есть один подвох. Уже встречаются разработчики, которые отдают нейросети слишком многое и превращаются в «операторов кнопки Tab». Нейросеть генерирует для них код, а они даже не задумываются, что именно та написала.

Из-за подобной тенденции и появляются мысли, что нейросети готовы заменить разработчиков. Но фактически люди заменяют себя сами. Они добровольно отдают нейросети слишком большое количество решений. И не всегда это приводит к хорошим результатам. Нередко на выходе появляются неочевидные баги, неоптимальные решения и дыры в безопасности.

Приведем пример. Вот ответ нейросети на запрос: «Как сделать так, чтобы сервер на Go принимал запрос, делал поход в базу данных и возвращал список товаров? Не добавляй ничего лишнего, дай сразу готовый код. Нужно в продакшен».

func productsHandler(w http.ResponseWriter, r *http.Request) {
  if r.Method != http.MethodGet {
    http.Error(w, "Method not allowed", http.StatusMethodNotAllowed)
    return
  }

  db, err := sql.Open("postgres", os.Getenv("DATABASE_URL"))
  if err != nil {
    http.Error(w, "Database connection failed", http.StatusInternalServerError)
    return
  }
  defer db.Close()

  db.SetMaxOpenConns(25)
  db.SetMaxIdleConns(25)
  db.SetConnMaxLifetime(5 * time.Minute)

  rows, err := db.Query("SELECT id, name, price FROM products")
  if err != nil {
    http.Error(w, "Database query failed", http.StatusInternalServerError)
    return
  }
  defer rows.Close()

  var products []Product
  for rows.Next() {
    var p Product
    if err := rows.Scan(&p.ID, &p.Name, &p.Price); err != nil {
      http.Error(w, "Data scan failed", http.StatusInternalServerError)
      return
    }
    products = append(products, p)
  }

  w.Header().Set("Content-Type", "application/json")
  json.NewEncoder(w).Encode(products)
}

С первого взгляда код, может, и выглядит рабочим. Но если присмотреться — в нем очень много проблем:

• в хендлере каждый раз устанавливается новое соединение с базой и конфигурация пула;

• нет проверки, действительно ли установлено соединение;

• нет разделения на слои, хотя Dependency Injection — фактически стандарт;

• нет отдельной конфигурации, переменная окружения загружается прямо в хендлере без проверок;

• нигде не прокидывается контекст, нет логирования и много чего еще.

Технически нейросеть способна написать код и без этих ошибок. Но для этого нужно сделать к ней запрос, где будут описаны все перечисленные нюансы, причем одновременно. А на такое способен только разработчик, который понимает, что он делает.

Почему отдавать все AI невыгодно для рынка

С первого взгляда код, сгенерированный нейросетью, — это выгодно для всех сторон. Молодые разработчики могут быстрее влиться в профессию без должного обучения. Бизнес быстрее выпускает работающие приложения и получает прибыль. Но если заглянуть чуть дальше, становится ясно: этот путь тупиковый.

Нейросеть не человек и тем более не инженер. Она не способна на мышление и не может продумать что-то наперед. Поэтому при генерации кода не учитывает многие критически важные для бизнеса факторы:

• Не закладывает будущее масштабирование. Если бизнес вырастет, код придется переписывать с нуля, иначе его технически нельзя будет масштабировать.

• Не продумывает поддержку legacy-кода. Поддерживать будет сложно: нейросеть не думает об оптимизации зависимостей, обратной совместимости и долговременной поддержке. 

• Пропускает ошибки и уязвимости. Нейросети учатся на уже существующем коде, в том числе с уязвимостями и неэффективными решениями. А затем воспроизводят их, создают дыры в безопасности или утечки памяти.

Примеров, когда код от нейросетей приводил к ошибкам и сбоям, уже достаточно. Буквально в июле 2025 года известный AI-сервис для вайб-кодинга удалил ключевую базу данных в приложении, которое создали через него же. А до этого неоднократно подменял настоящие данные фальшивыми.

Да, написанный с помощью нейросетей код может работать здесь и сейчас. Но в перспективе такой подход небезопасен для бизнеса. Риск потери данных и неочевидные ошибки не стоят того, чтобы выпустить приложение быстрее.

Работать с опытными специалистами выгоднее, особенно в долговременной перспективе. Поэтому потребность в квалифицированных разработчиках в ближайшее десятилетие никуда не денется.

Рынок ждет трансформация, но не упадок

Недавно Сэм Альтман заявил, что в ближайшем будущем AI заменят специалистов поддержки, врачей и разработчиков. Но такие заявления — скорее маркетинг, чем серьезные прогнозы. Мы, в свою очередь, предполагаем, что ситуация будет выглядеть примерно так:

Сильные разработчики создают умный код. Умный код порождает слабых разработчиков. Слабые разработчики создают плохой код. Плохой код порождает нужду в сильных разработчиках.

Это, конечно, шутка. А если строить прогнозы всерьез — можно выделить несколько трендов, которые прослеживаются уже сейчас. Они действительно меняют сферу, но потребность в разработчиках не снижают. Вот какие прогнозы можно сделать на ближайшие 3–5 лет.

Разработка и отладка ускорятся за счет AI. Код быстрее пишут, тестируют и отлаживают — нейросети берут на себя шаблонные задачи. Конечно, разработчикам все еще нужно проверять написанное и составлять промпты так, чтобы закрыть большинство распространенных ошибок. Но это все равно быстрее, чем писать вручную.

Разработчики будут больше думать о бизнес-логике. Если отдать рутину нейросетям — у разработчиков освободится время и энергия, чтобы уделить больше внимания потребностям бизнеса. Они не просто будут писать код — они будут решать задачи компании, в которой работают.

Чтобы влиться в ИТ, по-прежнему нужно будет учиться. Чтобы написать качественный код, нужно хорошо разбираться в теме. Это справедливо, даже если разработчик пользуется AI-инструментами. А те, кто компенсирует нейросетями нехватку знаний, вряд ли будут востребованы на рынке труда.

Часть фронтендеров перейдет в бэкенд. Это уже более смелое предположение — не факт, что все будет именно так. Но есть вероятность, что компании смогут разрабатывать интерфейсы усилиями меньшего количества людей. Во фронтенде много повторяющегося кода, а с такими задачами нейросети справляются особенно успешно.

Одно понятно точно. Рынок осознает, что без человеческого участия нейросети не принесут долгосрочной выгоды. А значит, квалифицированные ИТ-специалисты будут цениться еще сильнее. 

Нейросети — это инструмент, а не замена человека. Если, конечно, человек не решит заменить себя сам. А что вы думаете по этому поводу?

Автор: Федор Якушков @OyminiRole1776