Ощутив эффект внедрения ИИ, компании совершают одну ошибку — сокращают разработчиков. Но выигрывают не те, кто увольняют, а те, кто меняет саму роль этих специалистов: с писателей кода на управляющих ИИ. Объясняем, как
В феврале 2026 года Мустафа Сулейман, глава ИИ-подразделения Microsoft, заявил в интервью Financial Times: в ближайшие 12–18 месяцев искусственный интеллект достигнет человеческого уровня производительности в большинстве офисных профессий. Под ударом — юристы, бухгалтеры, менеджеры проектов. И разработчики. По данным платформы Layoffs.fyi, мировые технологические компании уже уволили с начала 2026 года больше 103,57 тыс. человек. Например, Duolingo расчитал 10% подрядчиков, прямо указав на внедрение ИИ. Klarna заявила, что ее ИИ-ассистент справляется с работой 700 специалистов техподдержки (правда,компания потом начала возвращать уволенных обратно: выяснилось, что ИИ без человека не справляется с нюансами реального бизнеса).
Эти и многие другие факты означают, что ИИ уже серьезно меняет картину на рынке труда в сфере IT: роли и сферы занятости сильно поменяются.
Что именно изменил ИИ в разработке
Раньше junior-разработчик стоил недорого и закрывал простые задачи: написать тест, сверстать экран по макету, поправить баг по инструкции. Сегодня все это делают GitHub Copilot, Cursor или Claude — быстрее, без больничных и без необходимости объяснять трижды. По данным GitHub, более 40% кода в командах, активно использующих ассистентов, уже генерирует ИИ.
Параллельно возникают профессии, которых два года назад не существовало: ИИ-инженер, промпт-архитектор, тестировщики с ИИ (AI QA). И наконец оформился принципиально новый подход к разработке — агентный.
При агентном подходе разработчик перестает быть исполнителем задач и становится оркестратором. Он ставит цель, определяет контекст, задает ограничения — и ИИ-агенты выполняют целые цепочки задач самостоятельно: пишут код, тестируют его, ищут ошибки, предлагают рефакторинг, документируют результат.
Что это означает на практике: один инженер, работающий в агентном режиме, закрывает объем задач, который раньше требовал участия трех-четырех человек. Объем, который раньше делали пять человек за месяц, теперь закрывают двое за две недели.
Этот тезис подтверждается исследованием Ассоциации РУССОФТ, по итогам 2025 года индустрии программного обеспечения потребовалось бы дополнительно 41 тыс. чел для выполнения тех же задач в разработке, которые закрываются с помощью ИИ.
Агентный подход и самоавтоматизация: в чем разница
Агентная разработка — это то, что принято называть Индустрией 4.0 применительно к миру программирования. Умные фабрики заменили конвейерных рабочих не потому, что рабочие стали ненужными — а потому что их роль изменилась: от физического труда к управлению системами. В разработке происходит ровно то же самое. Это смена производственного уклада — и она уже идет.
Есть два сценария того, как ИИ попадает в работу разработчика. Они выглядят похоже, но имеют принципиально разные последствия для бизнеса.
- Самоавтоматизация. Разработчику поставили задачу на 8 часов. Раньше он бы сидел над ней весь день. Теперь с помощью ИИ закрывает ее за 2 часа — а оставшиеся 6 часов уходят в никуда. Внешне все хорошо: задача сдана в срок. Но скорость поставки для бизнеса не изменилась. Команда выдает ровно тот же объем, что и раньше. Прибыли компании это не приносит — приносит только разработчику в виде свободного времени.
- Агентный подход. Здесь меняется не скорость отдельного человека, а сама архитектура работы команды. Разработчик, освободившись от механики, берет на себя задачи следующего порядка: проектирование, оркестрацию агентов, контроль качества, рефакторинг, документацию. Эффективность команды растет кратно.
Разница в том, в чьих интересах работает ускорение от ИИ. Селф-автоматизация — в интересах одного человека. Агентный подход — в интересах всей системы: бизнеса, команды, разработчика.
Большинство компаний сегодня живет в первом сценарии и считает, что уже «внедрили ИИ», но по-настоящему прибыль бизнес получает — во втором.
Как меняется сам процесс разработки
Раньше процесс выглядел линейно. Аналитик описал задачу, передал тимлиду, тимлид — разработчику. Разработчик ушел выполнять и через неделю принес результат. По дороге терялся контекст, искажались требования, всплывали недопонимания. На входе — одно, на выходе — другое, а на код-ревью все хватаются за голову. В крупной enterprise-разработке этот сценарий стоит десятки и сотни миллионов рублей в год — на переделках, простоях, исправлениях.
При агентном подходе контекст задачи теперь живет не в голове одного разработчика, а в управляемой среде: в агентах, в промптах, в правилах архитектуры, в автотестах. Каждый шаг фиксируется и проверяется. Разработчик перестает быть «черным ящиком» — он становится оператором прозрачного процесса. Для бизнеса это означает меньше потерь информации между людьми, раннее обнаружение ошибок, воспроизводимость процессов и реальную управляемость сроками. Если завтра уйдет ключевой разработчик — контекст не исчезнет вместе с ним.
Но все это работает только при одном условии: процессы под агентную разработку нужно выстраивать заново. Нельзя взять старый Scrum, добавить Cursor и ждать чуда. Это другая методология работы — и компании, которые этого не понимают, получают селф-автоматизацию вместо агентного подхода.
Ограничения агентного подхода
Санкционные риски и зависимость от иностранных вендоров
Сегодня ядро агентной разработки — это Claude, GPT, Cursor. Все они находятся вне российской юрисдикции. Достаточно одного решения зарубежной компании — и команда, переведенная на эти инструменты, в понедельник утром остается без них. Для компании, у которой на ИИ завязаны производственные процессы, это неприемлемый риск.
Отсутствие локальных вендоров с зрелым продуктом
Российский рынок только начинает формировать собственные альтернативы. Они есть, они развиваются, но пока не закрывают весь спектр задач западных моделей. Это значит, что для надзорных требований, работы с персональными данными, критической инфраструктуры — приходится строить гибридные решения.
Независимая инфраструктура для кода
Нельзя представить ситуацию, при которой банк или энергетический холдинг сливает исходный код в публичный ChatGPT. Это утечка интеллектуальной собственности, нарушение требований ФСТЭК, репутационные риски. Поэтому для серьезной агентной разработки нужна изолированная инфраструктура: локально развернутые модели, контролируемые контуры, аудит запросов и ответов. Это инвестиция немаленькая — но альтернатива хуже.
Ошибки ИИ
Он галлюцинирует, придумывает несуществующие библиотеки, генерирует уязвимый код, пропускает крайние случаи (edge-кейсы). Это не значит, что им нельзя пользоваться. Это значит, что должен быть человек, который проверяет. Без этого слоя контроля агентная разработка превращается в бомбу замедленного действия.
Что значит агентный подход для компаний и команд
Агентный подход не означает просто дать разработчикам Cursor. Это управленческое решение, которое меняет природу работы целой организации.
Структура команд становится иной: меньше людей, больше ролей у каждого. Разработчик становится мультифункциональным — он и архитектор, и тестировщик, и операционник для своих агентов. Метрика закрытых задач теряет смысл: на первый план выходят скорость поставки бизнес-ценности и качество результата. Стоимость одной фичи падает, но требования к каждому конкретному инженеру растут — потому что он теперь управляет системой, а не пишет строчки.
Нанимать junior-разработчиков «на массу» в этой логике больше не имеет смысла. Имеет смысл нанимать сильных людей и доращивать их до уровня, на котором они эффективно работают с агентами. А тех, кто уже в команде и знает бизнес изнутри — переучивать, а не увольнять.
История с Klarna здесь показательна. Они гордо объявили о замене 700 человек ИИ — а потом тихо начали нанимать их обратно. Потому что реальные клиенты с нестандартными ситуациями, недовольством и эмоциями требуют человеческого суждения. ИИ справляется с типовым потоком, но именно нетиповые случаи определяют репутацию компании. Разработчик с контекстом вашего бизнеса — это актив, который нельзя купить быстро.
Компании, которые сохранят команды и обучат их работать с ИИ эффективно, получат кратное преимущество в скорости и качестве. Компании, которые сократят людей ради экономии, через год будут нанимать новых, теряя деньги и время.
