По данным Google, более 75% разработчиков уже используют нейросети каждый день. Новичков это пугает: вдруг их навыки скоро окажутся бесполезными?

В Яндекс Практикуме прошёл вебинар «Почему ИИ не заменит начинающих разработчиков» — эксперт с 20-летним опытом в IT Алексей Мартынов рассказал, какую роль играет ИИ в разработке, почему он не лишит джуниоров работы и как использовать ИИ в работе и жизни. Делимся самым интересным.

Что это было

В октябре в Практикуме прошла открытая встреча с участием Алексея Мартынова — программного директора направления веб-разработки в Практикуме, CTO в Akil.io, предпринимателя и разработчика с 20-летним опытом в IT. Алексей начал работать с ИИ ещё в 2005 году, а первую языковую модель написал в 2008-м.

Мы сохранили запись встречи. Посмотрите её полностью, если хотите узнать больше — например, об устройстве языковых моделей или подходе AI-first.

В этом тексте мы поделимся некоторыми моментами встречи — расскажем, в каких задачах нейросети пока не могут заменить человека, как меняется путь в профессию и как внедрить ИИ в работу. Материал рассчитан на джуниоров, но будет полезен и опытным разработчикам, которые не погружены в тему ИИ.

Почему нейросети не заменят человека — и даже джуниора без опыта

Есть по меньшей мере три задачи, которые для ИИ недостижимы.

• Собирать контекст. Чтобы ИИ качественно выполнил задачу, ему нужно много информации: документы, фрагменты кода, требования, ограничения. Все эти данные нужно оформлять, готовить и заполнять, а затем проверять, что ИИ точно правильно их интерпретирует. Заниматься таким контекст-инжинирингом может только человек.

• Проверять, что результат точно помогает решить задачи бизнеса. Большие языковые модели не понимают смысла сущностей, с которыми работают. Они могут выполнить задачу, но не проанализируют, зачем это нужно, как решение повлияет на бизнес и его показатели.

• Нести ответственность за результат. За решение всегда отвечает человек, и неважно, выполнил он задачуеё сам или с помощью ИИ. Технологии ускоряют работу, но не заменяют разработчика целиком — результат необходимо тщательно проверять и просить ИИ о доработке, если что-то не так.

Получается, что нейросети могут заменить человека только в рутинных задачах. При этом если их берёт на себя ИИ, разработчику важно подняться на уровень выше — думать не только об отдельном решении, но и о продукте целиком, а также понимать, как устроена вся программа, а не отдельная строчка кода.

А что же ждёт джунов? Есть две новости. Хорошая: всё, что вы изучаете, вам всё равно пригодится. Плохая: учиться придётся чуть больше, чтобы не только освоить базу, но и подстроиться под требования рынка. Какие именно, пока не совсем ясно — рынок меняется прямо сейчас, люди только начинают понимать, как строить команды и процессы с учётом развития ИИ.

Что можно сказать точно — как грейд джуниоры никуда не исчезнут. Есть по меньшей мере три задачи, которые будут доверять новичкам.

• Поиск и исправление ошибок. При этом ИИ будет помогать в тестировании. Умение использовать его для проверки будет конкурентным преимуществом.

• Разработка крупных частей программ. Раньше джуну давали написать функцию или класс, а сейчас будут поручать полностью разработать какой-нибудь софт. Например, внутренний сервис, который не критически важен для бизнеса, со своим бэком, фронтом, базами данных и так далее.

• Сбор контекста. Контекст-инжиниринг и формирование данных для агентов тоже станет одной из ключевых задач джуниора.

Как меняется процесс входа в профессию

Раньше процесс можно было поделить на четыре этапа:

• изучаете, чем занимаются разработчики, чтобы узнать, какую роль выбрать;

• выбираете курсы и проходите обучение;

• поступаете на стажировку, выполняете первые проекты;

• устраиваетесь на работу и развиваетесь дальше.

Сейчас всё примерно так же, но на каждом этапе вас уже будет ждать ИИ. Например, в начале пути полезно смотреть не только, чем занимаются разработчики, но и как они используют ИИ для решения своих задач.

Этап обучения важно пройти самостоятельно, чтобы понять язык, его устройство, архитектуру. Но ИИ может быть ревьюером: оценивать, насколько хороший код у вас получается, и советовать, что можно улучшить.

«Важно, чтобы вы вошли в ритм жизни, в котором вы каждый день учитесь чему-то новому. Будучи разработчиком, вы каждый день применяете то, что изучили вчера, и изучаете что-то новое, чтобы применить это завтра. И нет возможности остановиться и вырваться из этого цикла, потому что новое появляется ежедневно. С приходом ИИ это только ускоряется»

После изучения базы можно уже применять ИИ в проектах, чтобы понять, где он вам помогает и как его можно использовать для учёбы и работы.

В трудоустройстве нейросети тоже становятся важным инструментом. Например, вы можете попросить ChatGPT провести собеседование за HR-рекрутера или технического эксперта, и чат-бот даст вам фидбэек и оценку как настоящий работодатель. Есть даже инструменты, которые помогают «читерить» во время интервью. Для некоторых работодателей это даже не красный флаг, ведь им важен результат, а не то, как вы к нему пришли.

Как стать ИИ-разработчиком: пошаговый план

Результаты опросов говорят, что больше 75% IT-специалистов пользуются ИИ, но на деле это вовсе не значит, что 7 из 10 IT-специалистов действительно умеют применять его в работе.

Есть разные способы внедрить ИИ в ежедневную работу. Ниже — один из возможных пошаговых планов.

• Научиться использовать Cursor. Cursor — это IDE со встроенным агентом для генерации кода, работающий на базе Visual Studio Code. В идеале вы должны не просто запускать интерфейс и задавать вопросы агенту, а научиться правильно его настраивать, подключать MCP-сервера, писать сложные и структурированные правила (обычно это документы в формате Markdown) — объяснять, над каким проектом работаете, какие ограничения стоит соблюдать, какой стек использовать, г��е искать ту или иную информацию, на какие примеры ориентироваться. Важно составлять такие правила не в одном файле, а структурировать по субагентам. Тогда у вас случится та самая ИИ-магия — Cursor начнёт предсказуемо выдавать протестированный production ready-код без галлюцинаций и ошибок.

• Установить Claude Code. Следующий по сложности — CLI-инструмент, который можно встраивать в большое количество автоматизаций и интегрировать одновременно с другими инструментами. Например, использовать в командной строке одновременно Claude, Gemini и Codex.

• Научиться писать правила для агентов и подключить их к MCP. Вы можете попросить тот же Claude написать сервер, который будет совершать определённые действия. Когда вы подключите агентов к MCP, они получат «руки» — смогут запускать команды, обращаться к файлам, деплоить приложения, забирать данные из баз и так далее. 

• Собрать агента с RAG. Следующий шаг — сборка приложения, которое использует возможности ИИ вместе с векторной памятью. Вы поймёте, как из запроса пользователя планировать действия, запрашивать память, дополнять контекст, делать реранкинг и возвращать пользователю готовый результат. Такой агент — это не просто запрос, обёрнутый в интерфейс, а продвинутое решение, реализация которого выделит вас среди других джуниоров.

• Собрать мультиагента. Высший уровень — собрать мультиагента через LangChain или другим способом, то есть объединить несколько агентов в одну систему. Например, сделать голосовой чат. Возможно, сейчас эта задача покажется вам сложной, но если вы пройдёте предыдущие этапы, то удивитесь, насколько просто реализуется такое решение.

С каждым уровнем понимание ИИ будет глубже, а новые инструменты будут даваться проще. План реализуем за несколько недель — можно совместить с обучением, чтобы добавить навык использования нейросетей и первые проекты в резюме и портфолио.

Топ инструментов для обучения, личных задач и работы

Для обучения

• ChatGPT. Чат-бот, который подходит для брейнштормов и решения базовых задач. Но не полагайтесь только на чат, а заведите бизнес-аккаунт, чтобы получить доступ к дополнительным настройкам. Попробуйте поработать с API, создать своих агентов и субагентов.

• NotebookLM. Инструмент от Google для работы с текстами, изображениями и видео. Работает так: даёте ему много ссылок, а потом просите представить информацию в удобном виде, задаёте вопросы о контенте и так далее.

• Jupyter Notebook. Jupyter Notebook — это «тетрадка», в которой мы пишем текст и код на Python. В ней удобно работать с Python-библиотеками, на основе которых написана большая часть ИИ-моделей, импортировать готовые датасеты или делать новые. Можно натренировать свои модели, если позволяют возможности компьютера. Это поможет разобраться, как работают нейросети «под капотом». А для более серьёзных задач в этом направлении можно использовать TensorFlow.

• Easy Diffusion. Easy Diffusion — это дистрибутив системы искусственного интеллекта Stable Diffusion, популярной модели для генерации изображений. Но к Easy Diffusion можно скачивать и дополнительные модели с Hugging Face, например, для генерации видео. Классная игрушка, которая затягивает.

Для личных задач

• Perplexity. Поисковик с функциями GPT и встроенным факт-чекингом. Выдаёт мало галлюцинаций и дополняет информацию ссылками на источники.

• Cluely. Скрытый ассистент для встреч, к которому можно обращаться на вебинаре или онлайн-собеседовании. Только помните, что у некоторых работодателей тоже есть инструменты для обнаружения таких помощников.

• Firefly. Транскрибатор, который превращает содержание созвона в текст. Таких инструментов много, но Firefly один из самых качественных.

• Gemini. Агент, который встроен в Drive, Gmail и другие сервисы Google. Позволяет работать с данными в облаке, письмами в почте или файлами на «Диске». А в Veo от Google можно ��енерировать видео — делать мемы, видеопрезентации или, например, анимации для роликов.

Для работы

• Claude Code. Основной агент для генерации кода — на данный момент лучший на рынке.

• N8N или Make. Редакторы пайплайнов автоматизации. Помогают создавать сценарии с агентами и большим числом интеграций. На этом строится MVP многих проектов — когда освоите, станете ещё интереснее для работодателей.

• LangChain. Фреймворк для создания мультиагентных программ. В отличие от пайплайнов их можно запустить у себя или на сервере.

• Reve Image. Генератор и редактор изображений, который распознаёт и работает с содержимым картинки — может убрать или переместить объект, заменить цвет или отредактировать детали. Подходит для решения небольших рабочих задач, связанных с графикой.

ИИ становится всё более важным инструментом в работе любого разработчика. Нейросети не заменяют человека, но подходы и задачи IT-специалистов уже изменились. 

Посмотрите запись встречи, если хотите узнать больше о концепции разработки AI-first и разобраться в базовом устройстве языковых моделей.

А если только начинаете путь в разработке, присмотритесь к курсам Яндекс Практикума. На них вы не только освоите необходимую базу, но и узнаете, как выбирать подходящие ИИ-инструменты, писать промпты и оценивать результат работы нейросетей. Почти у всех курсов есть открытая вводная часть — начать учиться можно бесплатно.