"ПРОГРАММИСТЫ - В С Ё"
В С Ё ли? И программисты ли?
Манифест о том, как ИИ разделит IT-отрасль на победителей и банкротов
На рынке IT сейчас царит паранойя. Руководители с горящими глазами пересказывают друг другу истории: «недавно наш ИИ переписал сервис за два дня, который люди бы переписывали два месяца». Волны увольнений накатывают одна за одной. Заголовки пестрят: «программисты больше не нужны», «век кода закончился».
Но одновременно с этим растёт число проектов, которые сдаются с отставанием на месяцы, а качество кода падает до уровня, не поддающегося поддержке. Отраслевые обзоры за 2025 год фиксируют: в компаниях, активно заменявших разработчиков на генеративные модели, технический долг вырос в среднем на 40–60%, а количество критических инцидентов на промышленных системах увеличилось в 2–3 раза. Заказчики звереют. Разработчики, которых ещё не уволили, проводят дни в попытках понять, что нагенерировал ИИ за их отсутствие.
Мы наблюдаем не гибель профессии, а её мутацию. Исход этой мутации определит не искусственный интеллект сам по себе, а то, кто и как его использует. В IT-отрасли сложились два типа руководителей. Первый — руководитель вида «Кабаныч»: он видит в ИИ способ избавиться от «дорогих» программистов, сократить штат и повысить себе премию. Второй — руководитель вида «Новатор»: он видит в ИИ способ усилить инженеров, сделать их ещё более эффективными, но не заменять.
Исход борьбы между этими двумя подходами предрешён. Но результат будет прямо противоположен тому, что ожидают «Кабанычи». Они проиграют. И проиграют не потому, что ИИ плох, а потому, что они ошиблись в его природе.
Часть 1. Три аксиомы новой реальности
Аксиома 1. Количество знаний увеличивается намного медленнее, чем нейросети на них обучаются
Все данные, которые можно было собрать, — открытые репозитории, техническая документация, статьи, форумы, — росли линейно. Нейросети же обучались на них экспоненциально быстро. Сегодня они доедают «остатки»: редкие источники, синтетические данные, собственные порождённые тексты. Принципиально новые смысловые знания — архитектурные паттерны, подходы к организации кода, методологии разработки — возникают ещё реже. На создание нового паттерна уходят годы, а нейросеть осваивает его за недели, как только он попадает в открытый доступ.
Следствие: кривая развития возможностей нейросетей уже вышла на полку. Экспоненциальный рост сменился замедлением. Дальнейший прогресс будет не качественным скачком, а экстенсивным внедрением того, что уже достигнуто.
Аксиома 2. Нейросеть — это «китайская комната»: она может эмулировать новизну, но не создаёт нового
Современные большие языковые модели — это сложнейшие комбинаторы. Они перерабатывают колоссальные объёмы текстов и кода, выучивая статистические закономерности. Но они не обладают интенциональностью. Они не понимают, зачем пишут код. Они не могут выйти за пределы того, что уже видели в обучающей выборке. Попросите нейросеть изобрести принципиально новый изолированный язык программирования, не имеющий связей с существующими, — она не сможет. Она будет комбинировать элементы Си, Python, Lisp, но не породит ничего, что не было бы смесью старого. В разработке это означает: ИИ блестяще комбинирует известные паттерны, пишет шаблонные CRUD-операции, типовые фронтенд-компоненты, стандартные SQL-запросы. Но когда задача требует нетривиального архитектурного решения, учёта уникального контекста компании, выбора между двумя одинаково неочевидными, но принципиально разными путями — ИИ оказывается беспомощен.
Следствие: для 80–90% рутинных задач эмуляции достаточно. Но именно те 10–20% задач, которые требуют создания нового, держат на себе ценность бизнеса.
Аксиома 3. Код и контекст не покидают корпоративный контур
Код, создаваемый в компании, — это продукт интеллектуальной деятельности, часто составляющий коммерческую тайну. Он не выгружается в открытые облачные сервисы. NDA, требования регуляторов (в России — ФСТЭК, законы о персональных данных), элементарная осторожность не позволяют использовать публичные нейросети для работы с реальным кодом. Даже если компания разворачивает локальную LLM, веса этой модели остаются внутри её контура. Конкуренты не получают к ним доступа. И самое главное — история принятия решений (почему десять лет назад выбрали именно эту архитектуру, какой компромисс заложили в легаси, где скрыты «подводные камни») существует только в головах разработчиков и в системе контроля версий, которая тоже закрыта.
Легаси-код — идеальный пример знания, которого нет в открытых источниках. Нейросеть не знает, почему поле в базе называется flg_is_active_old и почему его нельзя переименовать. Она не знает, что определённый костыль держит на себе интеграцию с устаревшей учётной системой, которую нельзя обновить до следующего квартала.
Следствие: ИИ не может «выучить» индустрию изнутри. Он всегда работает с публичным срезом, который запаздывает и не отражает реальной сложности, скрытой за NDA.
Часть 2. Кривая обучения ИИ: почему экспонента закончилась
Чтобы понять, куда движется рынок, нужно честно оценить, на какой стадии развития находится сам ИИ. Первые поколения больших моделей (GPT-3, Codex, ранние версии Copilot) производили эффект разорвавшейся бомбы. Они впитали в себя всё, что было доступно, и начали выдавать результаты, которые казались магией. Однако последние два-три года рост замедлился. Причины: исчерпание качественных данных (интернет, GitHub, Stack Overflow, научные архивы — всё собрано); вырождение моделей (обучение на синтетике ведёт к замыканию); энергетический и экономический потолок (затраты на обучение и эксплуатацию крупнейших моделей исчисляются сотнями миллионов долларов, дальнейшее масштабирование даёт всё меньший прирост); отсутствие архитектурных прорывов (трансформеры упёрлись в потолок). Это не означает, что ИИ перестал развиваться. Он продолжает развиваться — но экстенсивно: модели оптимизируют, делают дешевле, быстрее, удобнее для локального развёртывания. Но качественного скачка, который позволил бы заменить инженера-создателя, не происходит. Вывод: ИИ превращается из чуда в инструмент. Это не AGI на следующей неделе. Это мощный, но ограниченный инструмент, который требует умелого обращения.
Часть 3. Три этапа трансформации рынка
Этап 1. Познание (2025–2027)
Руководители вида «Кабаныч», опьянённые первыми успехами нейросетей, начинают массовые увольнения. Логика проста: «если ИИ пишет код за нас, зачем нам столько программистов?» Они пробуют создавать типовые примитивные системы силами одного-двух оставшихся специалистов, вооружённых ChatGPT. Внутренние отчёты показывают «рост производительности» — действительно, несколько простых CRUD-систем собираются за дни вместо недель. Ура, теперь можно платить меньше зарплат, выписать себе премию за «оптимизацию» и прикупить новую машину. Иллюзия личной эффективности подкрепляется бонусами. Руководители вида «Новатор» в это же время инвестируют в AI-инструменты, но не для сокращения штата, а для повышения эффективности. Они покупают лицензии Copilot, внедряют внутренние AI-ассистенты, но сохраняют инженерные команды. Вакансии, которые они публикуют, звучат иначе: «ищем сеньора с опытом использования AI-ассистентов, готового менторить джунов и работать со сложным легаси».
Этап 2. Осознание (2028–2029)
Рынок начинает задыхаться от низкокачественных проектов, созданных методом вайбкодинга. Заказчики, получившие приложение, которое работает только на тестовых данных и падает при первом нестандартном сценарии, отказываются платить. В компаниях «Кабанычей» кодовая база превращается в неподдерживаемое месиво. Легаси, которое раньше худо-бедно работало, после попыток «оптимизации» ИИ начинает сыпаться. Дефекты множатся, время исправления растёт, бизнес-логика оказывается нарушена. Разработчики, уволенные «Кабанычами», перетекают к «Новаторам». Те с радостью их принимают, создают корпоративные инкубаторы для выращивания новых кадров, потому что понимают: дефицит инженеров-создателей будет только нарастать. Начинается автоматизация бюрократических функций: ИИ-агенты ведут коммуникацию с заказчиками, отслеживают риски, строят роадмапы. Функции операционных менеджеров, которые только проводили совещания и перекладывали бумажки, становятся избыточными.
Этап 3. Прозрение (2030–...)
«Кабанычи» банкротятся. Их компании либо закрываются, либо продаются за бесценок «Новаторам». Попытки нанять разработчиков обратно разбиваются о два факта: денег на рыночные зарплаты уже нет, а те, кто остался на рынке, не хотят идти в компании, где их уже однажды предали. Рынок аутстаффа практически исчезает. Классическая модель «сдадим вам программистов на почасовку» умирает, потому что спрос на «просто руки» рухнул, а для сложных контекстных задач компании предпочитают держать людей в штате, чтобы сохранить знание внутри контура. Компании «Новаторов» становятся доминирующими. Они консолидируют рынок, устанавливают стандарты инженерной культуры. Дефицит квалифицированных разработчиков-создателей достигает пика, их зарплаты растут даже на фоне общей автоматизации.
Часть 4. Кто выживет, а кто исчезнет
Разработчики
Реализаторы
Чья работа сводится к написанию типового кода по готовому ТЗ, оказываются в зоне риска. Их функции успешно берёт на себя ИИ.
Создатели
Сеньоры, архитекторы, техлиды, способные проектировать сложные системы, принимать неочевидные решения, держать в голове контекст компании — становятся элитой. Их ценность растёт, их дефицит становится критическим.
Джуниоры
Проходят через жёсткое сито. «Вкатуны», пришедшие в профессию ради денег после трёхмесячных курсов, больше не нужны. Джунов будут выращивать сами «Новаторы» в собственных инкубаторах, прививая им не только синтаксис, но и инженерное мышление.
Аналитики
Аналитики начального уровня, занимающиеся сбором и формализацией требований, вымирают. ИИ справляется с этим быстрее и точнее. Выживают аналитики-гибриды: бывшие разработчики или тестировщики, понимающие, как устроен код, и способные на равных общаться и с заказчиком, и с инженерами. Их роль сближается с архитектурной.
Тестировщики
Ручное тестирование не исчезает: исследовательское тестирование, UX-проверки, сценарии, требующие человеческого восприятия, остаются. Но объём такой работы сокращается. Автоматизаторы тестирования интегрируются в разработку, становясь частью инженерной культуры. Они пишут тесты так же, как разработчики пишут код, и используют те же AI-инструменты.
Менеджеры
Прослойка менеджеров, занимающаяся только коммуникацией, эскалацией и перекладыванием документов, исчезает полностью. Их функции автоматизируются. Функции управления рисками, роадмапа, взаимодействия с заказчиками переходят либо к ИИ-агентам, либо к техническим лидерам (архитекторам, техлидам), которые добавляют к своей инженерной роли управленческую компетенцию. Элитные менеджеры со стратегическим видением и техническим бэкграундом могут сохраниться, но их количество сокращается, а роль становится ближе к продакт-менеджменту высокого уровня.
Отдельно стоит сказать о разросшемся аппарате «заместителей заместителей» — управленцах, чья единственная функция заключалась в транслировании информации между отделами и согласовании документов. Их работа — идеальный кандидат на полную автоматизацию. ИИ-агенты, настроенные на корпоративные регламенты, способны вести согласования, заполнять отчёты и контролировать сроки без человеческого участия. HR-функция также претерпевает радикальные изменения. Закрытие массового найма «кодеров» делает бессмысленными отделы подбора из десятков рекрутеров, работающих по принципу «закрыть вакансию любой ценой». На смену приходит точечная охота за редкими инженерами-создателями, где рекрутер превращается в агента, разбирающегося в технологиях и инженерной культуре. Оставшиеся HR-подразделения будут либо встроены в инженерные команды, либо заменены AI-сервисами оценки навыков и автоматического скрининга.
Легаси-код как особая зона
Легаси-код — это идеальный пример контекста, недоступного ИИ. Ни одна нейросеть не знает, почему в системе три разных способа авторизации и почему их нельзя унифицировать. Это знание живёт только в головах разработчиков, которые работали с этой системой годами.
Следствие: компании, обладающие сложным легаси, не могут просто «заменить программистов ИИ». Любая попытка сделать это приведёт к катастрофе. И наоборот, программисты, умеющие работать с легаси, становятся стратегически незаменимыми.
Часть 5. Российский контекст: ловушка для «Кабанычей»
В России к описанным выше закономерностям добавляются специфические факторы, которые превращают стратегию «Кабанычей» из просто ошибочной в самоубийственную.
5.1. Юридическая петля
С 1 марта 2026 года действует приказ ФСТЭК №117, запрещающий использование облачных ИИ-сервисов для обработки государственной тайны и информации ограниченного доступа. Это касается не только госсектора, но и компаний, работающих с критической информационной инфраструктурой. В марте 2026 года опубликован законопроект Минцифры, предусматривающий возможность полного запрета или ограничения трансграничных ИИ-технологий (ChatGPT, Claude, Gemini и аналоги). Предполагаемая дата вступления в силу — 1 сентября 2027 года.
Следствие: бизнес-модель, построенная на использовании зарубежных облачных ИИ, несёт в себе юридический риск. Даже если сегодня доступ открыт, завтра он может быть ограничен.
5.2. Инфраструктурная ловушка
Доступ к зарубежным ИИ в России уже сейчас нестабилен. Роскомнадзор систематически блокирует VPN-сервисы, а оставшиеся методы обхода (личные VPN, VPS) подвержены сигнатурному анализу: протоколы распознаются и блокируются в течение короткого времени. «Кабанычи», построившие процессы разработки на ChatGPT и подобных сервисах, оказываются в положении, когда их «станок» может отключить третья сторона в любой момент. «Новаторы», полагающиеся на собственные команды и локальную инфраструктуру, от этой зависимости свободны.
5.3. Технологическая реальность
Российские большие языковые модели (GigaChat, Алиса Pro, модели от Сбера и других игроков) существуют и развиваются. Однако их возможности для промышленной разработки программного обеспечения пока ограничены. Создавать сложные приложения методом вайбкодинга на российских моделях невозможно. Они не способны даже собрать базовый проект с JWT-авторизацией без постоянной ручной доработки, не говоря уже о поддержке легаси-кода или проектировании архитектуры. Кроме того, локальное развёртывание даже самых продвинутых открытых моделей (например, DeepSeek, Qwen) требует дорогостоящего железного обеспечения: серверов с мощными GPU, которые есть далеко не у каждой компании, особенно у тех, кто только что провёл массовые сокращения.
5.4. Синтез: кто в выигрыше
Руководители вида «Новатор» в этой ситуации ничего не теряют. У них есть команды, которые могут работать хоть с ИИ, хоть без. Они могут спокойно внедрять российские модели по мере их созревания, не подвергая себя риску. Им не нужно молиться на стабильность VPN. Руководители вида «Кабаныч» оказываются меж двух огней. Зарубежные ИИ — под угрозой блокировки и запрета. Российские ИИ — не тянут их задачи. А людей, которые могли бы настроить инструменты, переписать процессы, адаптировать легаси, уже нет. Они их уволили.
Заключение
Программисты — не «ВСЁ» в смысле «всё, конец профессии». ВСЁ — это те программисты-ремесленники, которые не умеют создавать новое и держать контекст. Их заменяет ИИ, и это не трагедия, а естественный этап автоматизации.
Но программисты-инженеры, способные проектировать сложные системы, принимать неочевидные решения, удерживать в голове многолетнюю историю кодовой базы, понимать бизнес-контекст глубже любого промпта — становятся самым дефицитным ресурсом рынка.
ИИ не заменяет инженеров. Он заменяет тех, кто отказался от инженерии.
Руководители вида «Кабаныч», которые увидели в ИИ способ избавиться от «дорогих» разработчиков, уже проиграли. Их банкротство — лишь вопрос времени. Руководители вида «Новатор», которые усилили инженеров ИИ и сохранили инженерную культуру, захватят рынок.
Код — это не строчки, а застывший контекст. ИИ не создаёт контекст, он только перерабатывает его. Пока контекст рождается в головах разработчиков, программисты будут нужны.
Говорить, что программисты - В С Ё и каждого заменит ИИ в общем-то глупо. Следует задаться вопросами о том, какие программисты исчезнут, а какие станут новой элитой и смогут ли нынешние руководители адаптироваться к новой реальности, сохранить и усилить свой бизнес или упасть в пучину банкротства из-за своей гордыни, надменности и недальновидности.
"Гордость предшествует гибели, надменность духа — падению."
Соломон 16:18