В июле более 200 экономистов и исследователей ИИ, включая 16 нобелевских лауреатов, предупредили, что искусственный интеллект способен трансформировать мировую экономику быстрее и масштабнее Промышленной революции. Разработка софта проходит эти изменения одной из первых: меняются профессии, состав команд и сама экономика производства.Создатель проекта «Битрикс24 // Университет»Об эксперте: Евгений Шеленков — создатель проекта «Битрикс24 // Университет». Более 15 лет разрабатывает продукты в Битрикс24, прошел путь от разработчика до UnitLead. Готовит IT-специалистов через практико-ориентированные курсы и консультирует вузы по адаптации молодых кадров к реальным задачам бизнеса.
Профессия программиста замещается профессией продукт-инженера
Узкие специализации теряют смысл
Еще недавно команды разработки делились по компетенциям: фронтенд, бэкенд, мобильные приложения, инфраструктура. Нейросети размывают эти границы: ИИ-агент генерирует код на любом языке и в любой части технологического стека. Главным навыком инженера становится умение провести задачу целиком — от продуктовой идеи через архитектурные решения до работающего продукта.
Таких специалистов называют продукт-инженерами. Один человек может принимать продуктовые решения, проектировать архитектуру, вести фронтенд, бэкенд и мобильную часть, а также настраивать серверы. Спрос смещается к инженерам сквозного профиля — фулстекам и T-shape-специалистам, которые глубоко знают свою область и уверенно ориентируются в смежных. Запрос на эту трансформацию прослеживается даже в образовании: учебные курсы по отдельным специализациям устаревают быстрее, чем методисты успевают выпустить первый поток.
Команды сжимаются, стоимость разработки падает
Продукт, для которого раньше собирали команду из 15−20 человек, сегодня способны сделать три-четыре опытных продукт-инженера с ИИ-инструментами. Причем это зачастую получается сделать и быстрее, и более качественно. Каждый участник такой команды закрывает полный цикл задач, поэтому исчезают затраты на координацию, передачу контекста между специалистами и ожидание выполнения смежной части работ.
Компактные команды сокращают главную статью расходов IT-компании — фонд оплаты труда. Ввиду этого, кратно падает и себестоимость продукта. Рынок регулирует это естественным образом: на вакансии классических разработчиков приходят тысячи откликов, и избыток предложения снижает зарплаты. Дорогими остаются специалисты нового типа — те, кто умеет строить производство вокруг ИИ-инструментов.
Дешевое производство перекраивает и правила конкуренции между компаниями. Когда продукт способна собрать малая группа, преимущество получает тот, кто быстрее выводит решения на рынок. Поэтому и найм перестраивается под поиск наиболее эффективных специалистов: грейд кандидата значит меньше, чем умение работать с ИИ. Инженер, грамотно управляющий нейросетями, существенно снижает расходы компании на создание продукта.
Главный актив новой разработки — слой знаний
В новой системе ключевым производственным активом компании становится слой знаний — формализованный опыт всех ее разработчиков: архитектурные правила, требования к безопасности, паттерны, известные ограничения. Со слоем знаний ИИ-агент работает внутри понятных рамок и выдает предсказуемый результат, а инженер любого уровня получает поддержку, которая раньше требовала личного участия тимлида или старшего специалиста.
Раньше освоить технологию значило потратить недели на самостоятельную настройку и эксперименты. Теперь инженеру достаточно знать о существовании подхода и понимать его плюсы и минусы — развертывание берет на себя ИИ. Ценность специалиста смещается от навыка «умею сделать руками» к кругозору: знанию, какие решения существуют и какое из них подходит проекту.
Слой знаний позволяет существенно упростить вход новых разработчиков в проект, спецификация на его основе дает сопоставимый и предсказуемый результат. Компании, которые формализовали свою экспертизу, могут позволить разработчику почти любого уровня стабильно давать результаты высокого качества. Команды без такого слоя получают от тех же ИИ-инструментов непредсказуемый выход при одинаковых вводных.
Готовых методик построения слоя знаний на рынке нет — каждая компания ищет подход самостоятельно. И делиться находками никто не спешит: как именно устроена внутренняя система знаний, становится коммерческой тайной уровня рецептуры. Это новый водораздел конкуренции в отрасли — он проходит уже не между теми, у кого сильнее инженеры, а между теми, у кого лучше структурирована и задокументирована вся экспертиза.
Какие шаги предпринимать
Трансформация ставит компании перед выбором стратегии. Шаги, которые помогут пройти переходный период максимально эффективно:
Выбрать сценарий роста вместо экономии. Производительность выросла, и прежний объем работы закрывает меньшее число людей. Сокращение штата дает разовую экономию, сохранение команды с кратным ростом амбиций — долгосрочное преимущество: больше продуктов, фич и экспериментов на той же численности.
Помочь сотрудникам перестроиться. Самое сильное сопротивление изменениям часто идет от лучших инженеров: они годами оттачивали мастерство, любят писать код руками и воспринимают новую роль как отказ от профессии. Задача руководителя — показать, что управление ИИ-инструментами расширяет инженерные возможности: специалист решает задачи, которые раньше считал недостижимыми, и выходит на новый уровень продуктивности. Обучение уже погруженной в контекст команды дешевле и быстрее, чем поиск готовых AI-инженеров на дефицитном рынке.
Начать строить слой знаний. Формализация экспертизы — архитектурных правил, требований, паттернов — превращает опыт отдельных людей в актив компании и делает результаты работы с ИИ предсказуемыми.
Пересмотреть критерии найма. Умение работать с ИИ-инструментами становится важнее формального грейда и списка технологий в резюме.
Точный пункт назначения этой трансформации пока не знает никто — понятен только курс. Выиграют компании, которые начнут перестраивать производство, найм и обучение инженеров уже сейчас, до того, как изменения почувствует каждый.