Пролог

Я работаю тимлидом в достаточно крупной компании и хочу поделиться некоторыми мыслями относительно AI: как его применяют в моей команде и как я использую его сам, а также описать некоторые наблюдения и личные ощущения. В IT я работаю уже около 20 лет, соответственно, повидал всякое, но AI, на мой взгляд — нечто совершенно новое.

Рассвет

Я помню как появились первые модели и все начали массово использовать GPT. Вначале это выглядело очень забавно: сырая технология выдавала результат такого качества, что почти любой джун мог написать лучше. Примерно все тогда сходились во мнении, насколько это слабый инструмент для практического использования. Но в целом потенциал был понятен уже тогда, и многие кинулись смотреть в сторону транспиляции существующих проектов на другой стек. Так уж исторически сложилось, что в компании есть множество легаси‑проектов на устаревших языках, и был сильный запрос от разработчиков по переходу на новый стек. Задача выглядела логично: закидываем кусок кода на одном языке, получаем на выходе на другом — профит. Но всё оказалось не так просто — качество кода было низким, множество багов, невозможность перевода некоторых конструкций один к одному, особенно между интерпретируемым и компилируемым языками, сторонние библиотеки или внутренние библиотеки и фреймворки, не говоря уже про производительность, которая является критичной для наших проектов.

Итог — попытки заброшены, осталось ощущение, что пока это скорее какой‑то умный калькулятор, чем AI.

Но уже в тот момент у меня зародилось какое‑то чувство, что это что‑то совершенно новое. Это как сильный разряд молнии: сначала видишь вспышку, а потом какое‑то время тишина, и ты считаешь про себя, и знаешь, что эффект обязательно будет, надо лишь подождать. И только потом приходит гром — вот здесь то же самое. Однако некоторые позитивные результаты возникли сразу, например, большая часть команды все‑таки начала использовать Copilot, и в некоторых моментах он довольно сильно помогал. Именно в тот ранний период присутствие AI как невидимого, едва заметного призрака, стоящего рядом с программистом, уже стало ощущаться. Кто написал этот код или придумал логику — пока даже не ставилось под сомнение, но некоторые небольшие функции уже были иногда целиком написаны AI.

Полдень

Что я вижу на данный момент — все в компании используют AI, у многих команд и отделов есть цели по AI на квартал, полгода, год. Масса моделей, масса инструментов, и скорость появления новых порой удивляет. В других компаниях и в целом в индустрии всё то же самое. Все бегут наперегонки: внедряют, улучшают, переделывают существующие проекты, процессы и инфраструктуру. Хайп вокруг AI впечатляет, есть эффект и на экономику, и на оценки акций компаний в мире, но это какая‑то большая отдельная тема (по которой, думаю, напишу отдельный обзор, так как финансы — это еще одна большая область моих интересов).

Все вокруг меняется с огромной скоростью. Это как в «Алисе в Стране чудес»: чтобы оставаться на месте, надо бежать, а чтобы куда‑то попасть — надо бежать со всех ног. И все бегут, и бегут очень‑очень быстро. Поднять новый проект или сайт за день — бам! Новое приложение под Android, технология, в которой ты вчера не мог сделать ничего, — сегодня проще простого: создать мультфильм, видео и так далее. А будем ли мы успевать, и какой будет конечная скорость, чтобы не отставать от лидеров? Возможно, шкала измерения уже изменилась: если раньше всё мерилось в удобных для человека временных единицах — день, неделя и так далее, то сейчас это релизные циклы новых технологий, и интервалы между ними всё меньше и меньше. Может, сингулярность где‑то рядом?

Еще немного деталей: у нашей команды очень нагруженный и сложный проект, терабайты данных, миллиарды запросов и нетривиальная бизнес‑логика, которую на протяжении многих лет одновременно писали несколько разработчиков. Сложность проекта такова, что в команде нет специалиста, который одновременно понимал бы весь проект целиком; скорее есть области знаний, в которых человек постепенно набирает опыт, решая задачи разного уровня сложности, и при необходимости может подсказать что‑то коллегам или провести образовательный митинг.

После ковидных времен практически вся команда продолжает работать на удаленке, и есть некоторые люди, которых я никогда не видел вживую. Для меня это никогда не являлось каким‑то определяющим критерием, ибо критерий был всегда один: мне было важно, как выполнена поставленная задача, её качество, скорость, отсутствие багов, соблюдение сроков, продуктовых требований и тому подобное. Всё остальное в целом более‑менее вторично, так как бизнесу нужен результат — компания зарабатывает на этом, и то, кто и как реализует новые фичи, в целом не важно.

Практически все разработчики в моей и соседних командах используют AI‑ассистентов. Невооруженным глазом видно, что решение простых задач уже вытеснено AI, так как скорость гораздо выше, а качество в целом не уступает человеческому, особенно если запустить проверки несколькими агентами, а потом еще проревьюить код. И вот уже этот призрак, который вначале был просто едва заметной дымкой и что‑то шептал нам на ухо, уже приобретает отчетливые очертания. В некоторых ревью я отчетливо вижу, кем и как был написан этот код.

И вот в какой‑то момент ты осознаешь, что вклад AI в этот патч уже больше, чем самого разработчика.

Девальвация знаний

Но почему нам так важно, кто написал этот код? И какое‑то время я не мог ответить себе на этот вопрос, но в начальную фазу использования AI стал замечать, что с кодом, созданным не человеком, есть проблемы, масса проблем. Этот код мог делать не то, что ожидалось, не соответствовать требованиям заказчика, иметь баги или бессмысленные куски кода, уже не говоря про бесполезные форматирования всего и вся под свой стиль. Но проблема была не в этом.

Начну чуть издалека: я по образованию ни разу не айтишник. Да, технарь, но программирование и тому подобное изучал сам, так как это было: А — интересно, Б — денежно. По поводу интереса всё понятно. А что насчёт денег? В IT платили (да и сейчас ещё платят) заметно выше, чем в других областях, но деньги эти ни разу не лёгкие, так как далеко не все могут или могли разбираться в сложных вещах и в том, как всё устроено. Я прекрасно помню, сколько у меня было тревожных вечеров, когда задача никак не поддавалась и казалась вообще нерешаемой, и только на следующий день всё оказывалось проще простого. Это боль, знание, понимание — добытое через усилие. Не все люди к этому готовы, большинство бросит, столкнувшись с проблемой средней сложности.

И в целом система получения знаний была построена похожим образом. В школе и университете не имело большого смысла запоминать доказательства теорем или решения однотипных задач — надо было понять принцип, разобраться, как это устроено, шаг за шагом, от базовых основ до самых темных глубин. И если ничего не было упущено, то понимание или знание возникало в голове, и дальше его можно было использовать без опасений. Это был ключ к получению хороших оценок, построению архитектурно правильных или высокопроизводительных систем и тому подобное. Были разные типы книг: в одних всё смешивали в кучу, и казалось порой, что автор сам не понимает, как получается тот или иной вывод уравнения (соответственно, по таким книгам и невозможно было ничего понять), и другой тип, в которых всё разложено по полочкам, последовательно, без пропуска важных элементов, после прочтения которых ты ощущал и понимал логику — как надо правильно мыслить, чтобы получить искомый результат.

Так в чём проблема? А проблема именно в этом: когда разработчик пытается реализовать средний или сложный патч с использованием AI, то зачастую он сразу получает готовый результат и дальше уже работает именно с ним. То есть пытается от ответа прийти к решению, но это неправильно, это так не работает — по крайней мере, на текущем уровне развития AI. Программист не читает спецификацию, не читает код проекта и то, как это работает сейчас, не думает над тем, как это надо встроить в текущую реализацию, часто даже не задумывается, как должно выглядеть решение. Кроме того, действуя таким образом, разработчик не погружается должным образом в проект: после такой работы остаточные знания оказываются скудными, и если начать спрашивать про что‑то смежное с патчем или про детали реализации — можно очень сильно удивиться. Контекст остается у того, кто делал, а делал AI.

Либо ты понимаешь, как это работает, и тогда ты — король, либо нет, и тогда сами знаете кто.

И я не хочу сказать, что везде и у всех так, нет. AI‑ассистенты — это мощнейший инструмент, и при правильном его использовании можно всё сделать гораздо быстрее и лучше, чем раньше. Но одно дело — использовать его в области, в которой ты сам разбираешься и можешь проверить результат, и совсем другое дело — когда нет.

Как было раньше: человек мог не понимать всего проекта, но он разбирался в той части, которую делал, и это давало какую‑то гарантию. А сейчас, на текущем уровне развития, AI не дает никакой гарантии.

И да, мне бы не хотелось говорить что‑то плохое про всех: есть множество разработчиков, которые продолжают писать хороший код, есть люди, у которых выросла производительность без заметной потери качества, есть и такие, которые стали заметно лучше понимать проект через совместное исследование с AI. Ведь это мощный инструмент, особенно в контексте инвестигаций, понимания того, как работает система, и тому подобное

Открытые вопросы

Но не будем пессимистами. При всём при этом патчи, сгенеренные с помощью AI, работают, проект не падает, производительность приемлемая. Докрутят технологию — и заживем!

Уже сейчас я часто замечаю, что недостатки в реализации связаны не с тем, что AI чего‑то не может, а с тем, что у него нет полного набора инструментов, которые используют разработчики: полного доступа ко всей новой и прошлой документации, возможности посмотреть старые задачи, уточнить контекст у заказчиков или провести поиск в релевантных ресурсах. Запрос на тему того, как работают связанные проекты, доступ к их коду или запрос дополнительной информации через коммуникацию, вопросы, митинги и тому подобное. Доступ к ресурсам для проведения полноценных инвестигаций: дашбордам, логам, базам данных. Но, кажется, эта область тоже в скором времени будет существенно улучшена.

Глядя на последние патчи на ревью, на меня порой накатывает ностальгия. Я вспоминаю те времена, когда у каждого разработчика был свой уникальный стиль: в нейминге переменных, организации функций и тому подобное. Были холивары или целые горячие обсуждения в ревью — почему именно так, а не иначе, — в результате которых порой рождались кодинг‑стайлы и тому подобные странные вещи.

Еще один интересный вопрос: с текущими инструментами джуны уже вполне способны решать задачи уровня мидлов, а мидлы — уровня сеньоров. Но какой буст получают сеньоры? Ведь этот инструмент усиливает любого человека, который его использует. Прилив поднимает все лодки или нет? На самом деле у меня нет однозначного ответа, но есть предположение: на текущем этапе этот инструмент, возможно, вообще не может превзойти определенный потолок. Модели обучены на данных, собранных, по сути, на наиболее частотных, «средних» ответах. То есть, если в большинстве случаев на вопрос есть один наиболее частый ответ, он и считается правильным. Но это не так. Есть класс задач и профессионалов, способных выдать уникальный ответ, который не является общепринятым, но приводит к более оптимальному решению. Соответственно, это и есть один из способов обыгрывать тех, кто слепо верит в ответы AI.

Закат

Но тот, кто умеет планировать, даже в жаркий день знает: обязательно наступят вечер и закат. Хайп спадет, технология станет зрелой и массовой, и будут появляться другие новые открытия, будоражащие умы.

Это смена эпохи. Я не знаю, что будет дальше, но того, что было, уже не вернуть. Так же когда‑то появились фреймворки, и развернуть проект с нуля стало проще простого — тогда на всё это косо смотрели бородатые программисты, которые делали всё сами. Но теперь это шире и гораздо масштабнее, и касается практически каждого.

Возможно ли появление полностью автономных сотрудников с зарплатой, скажем, в 10 раз ниже рыночной, способных решать такой же круг задач? Продажа их по подписке кому угодно напрямую от AI‑компаний?

Кем станут разработчики в новой реальности: менеджерами, промпт‑мастерами, продактами или работниками в сфере услуг?

Почему в личных проектах я наблюдаю кратный прирост скорости, а в задачах разработчиков в среднем нет (хотя это бывает заметно у некоторых людей, но в целом много статей и исследований, в которых сообщают, что производительность не выросла)? В среднем по команде и соседним командам я вижу, что скорость доставки задач такая же, как и раньше, несколько лет назад. Но всякие парсеры и сайты для личного использования, которые раньше потребовали бы нескольких дней или изучения новых технологий, сейчас могу создать за 1–2 часа.

А так ли на самом деле плохо доверять AI при решении задач, не разбираясь в деталях реализации? В конце концов, используем же мы современные авто с огромным количеством электроники, полностью доверяя ей. При условии гарантии качества, конечно.