Поворотная точка: AI стал реально полезен. Но синьора не отменил
Текст написан с позиции июля 2025 года: так, как тема выглядела тогда, без технологий и событий, появившихся позже.
Есть редкая категория наблюдений, которые осознаёшь не в момент анонса, а спустя время, задним числом. Где-то к середине 2025 года у меня накопилось именно такое. Если в 2023-м отношение к AI-ассистентам в разработке у меня было откровенно скептическим, а всю весну 2024-го я в основном фиксировал, где они подводят, то сейчас придётся честно признать обратное: точка перелома пройдена. AI в разработке стал реально полезен. Не «обещает быть», не «когда-нибудь», а прямо сейчас, в обычном рабочем дне, на боевых задачах. И это первое, что я хочу зафиксировать прямо, без оговорок про будущее.
Но сразу же придётся зафиксировать и второе, без чего первое превращается в опасную полуправду. Я не встречал ни одной связки инструментов, где быстрый AI-код можно было бы влить в долгоживущую систему без разбора и проверки взрослым инженером. Прирост скорости реальный и измеримый. Но он не бесплатный, и платит за него синьор — своим вниманием на ревью, своими решениями по архитектуре, своей способностью отличить правдоподобный код от правильного. AI не заменил инженера, а сдвинул точку, где инженер тратит время: меньше на печать, больше на проверку и решения. Это и есть суть перелома, и в этом нет ни грамма противоречия.
Самая вредная реакция на эту новость — услышать «AI стал полезен» и решить, что теперь можно посадить за задачи джуна с ассистентом и убрать ревью как узкое место. Вторая по вредности — услышать про границы и по старой привычке отмахнуться: «ну значит, по-прежнему игрушка». Обе крайности одинаково мимо. Правда лежит ровно посередине и звучит непривычно скучно: инструмент стал хорош настолько, что его глупо не использовать, и при этом ровно настолько же он опасен в руках того, кто не умеет проверять результат. Дальше я попробую приземлить это до конкретики — где именно появилась польза, где осталась цена и почему роль синьора не просто сохранилась, а стала важнее.
Что именно перестало быть проблемой
Начну с честного списка того, что реально работает. Не потому что хочется похвалить технологию, а потому что без конкретики разговор о «пользе» превращается в маркетинг. За последние месяцы AI закрыл несколько категорий работы, на которых раньше уходило непропорционально много времени относительно их интеллектуальной ценности:
- Рутина и бойлерплейт. Очередной CRUD-слой, маппинг DTO в доменную модель, фикстуры для тестов, типовые обвязки вокруг HTTP-клиента, повторяющиеся редьюсеры. Это никогда не было сложно — это было утомительно и долго. Здесь ассистент не ошибается почти никогда, потому что и думать особо не над чем.
- Разбор незнакомого кода. Попросить объяснить, что делает чужой модуль на 600 строк, куда уходит вот этот вызов, почему здесь стоит такой-то флаг — это раньше стоило получаса чтения. Сейчас это первый проход за минуту, после которого читаешь уже прицельно.
- Отладка и формулирование гипотез. Скормить стек-трейс и контекст, получить три правдоподобные версии причины — это экономит не столько код, сколько ту самую фазу, когда ты тупо смотришь в ошибку и не знаешь, с чего начать. AI хорош именно как генератор гипотез, которые ты потом проверяешь сам.
- Перевод намерения в первый черновик. «Сделай функцию, которая делает вот это» — и получаешь рабочую заготовку, которую быстрее довести, чем писать с нуля.
Важно не перепутать: общий знаменатель тут не «AI стал умным». Общий знаменатель — это задачи, где цена ошибки низкая, а контекст хорошо локализован. Чем больше задача похожа на «много печатать понятного», тем выше отдача. И именно таких задач в обычной разработке неприлично много. Перелом случился не потому, что модели вдруг научились архитектуре, а потому, что они стали стабильно хороши на огромном пласте работы, которая раньше съедала часы и не приносила радости.
Почему перелом случился именно сейчас, а не год назад
Стоит зафиксировать, что изменилось технически, потому что это объясняет, почему скепсис весны 2024-го был оправдан, а сейчас уже неуместен. Дело не в одном скачке качества генерации текста. Дело в том, что вокруг модели наконец сложилась рабочая инфраструктура.
Во-первых, reasoning-модели стали нормой, а не экзотикой. Модель, которая способна развернуть рассуждение перед ответом, гораздо реже выдаёт уверенную чушь на задачах в несколько шагов. Это не сделало её непогрешимой, но сместило баланс: правдоподобного и при этом правильного кода стало заметно больше, чем правдоподобного и неправильного.
Во-вторых, ассистент переехал из чат-окна в рабочую среду. Появились зрелые агентные IDE и CLI-инструменты, которые видят весь проект, читают файлы, запускают команды, гоняют тесты и итеративно правят результат — Claude Code и его аналоги работают именно так. Это принципиально другой класс пользы, чем копипаст из браузера. Контекст перестал быть тем, что человек вручную перетаскивает в окно; теперь инструмент сам достаёт нужные куски проекта.
В-третьих, появился MCP — и это уже стало частью обихода. Протокол, через который ассистент получает доступ к внешним источникам: репозиторию, документации, базе, трекеру задач. Не «знает из обучения», а подключается к актуальному состоянию системы. Именно связка reasoning + агентная среда + MCP и дала тот сдвиг, который я называю переломом. Не одна модель поумнела — поумнел весь контур вокруг неё.
И вот здесь важно не свалиться в эйфорию. Всё перечисленное уменьшает количество глупых ошибок и расширяет то, что ассистент может сделать сам. Но ничто из этого не делает его субъектом, который отвечает за результат. Агент, который сам прогнал тесты, — это всё ещё агент, который прогнал те тесты, которые есть, так, как он их понял. Инфраструктура сняла механическую часть недоверия. Она не сняла необходимость доверять осознанно, то есть после проверки.
Скорость от AI — это не скидка, а кредит
Теперь честная половина, без которой первая половина опасна. Скорость, которую даёт AI, — это не скидка, а кредит. Кредит можно использовать с пользой, а можно набрать долгов, которые отдаёшь потом с процентами. И различие между этими двумя сценариями целиком держится на том, читает ли кто-то взрослый то, что сгенерировано.
Первая статья расходов — правдоподобность. AI-код почти всегда выглядит правильным. Он опрятный, согласованный, в правильном стиле, с комментариями. Именно поэтому он опаснее небрежного кода джуна: небрежный код вызывает подозрение сам по себе, а гладкий — усыпляет. Ошибка тут не в синтаксисе, а в незаметных вещах: чуть неверная граница цикла, проигнорированный edge case, обработка ошибки, которая глотает исключение, оптимистичное предположение о том, что вход всегда валиден. Это не ловится беглым взглядом. Это ловится тем, кто понимает, как код поведёт себя под нагрузкой и через полгода.
Вторая статья — локальность мышления. Ассистент отлично решает задачу в границах того контекста, который ему дали. Но он по умолчанию не держит в голове, что эта функция — часть системы, у которой есть инварианты, история решений, неочевидные зависимости и причины, по которым «очевидное» решение было отвергнуто два года назад. AI выдаёт локально разумный код, который может быть глобально неуместен. Видеть этот разрыв — работа человека, у которого есть архитектурная оптика.
Третья статья — накопление. Один непроверенный AI-фрагмент — это мелочь. Сто таких фрагментов за месяц без разбора — это система, которую никто целиком не держит в голове, потому что её писали по кускам, и каждый кусок был «вроде нормальный». Быстрый AI-код без проверки не превращается в проблему сразу. Он превращается в быстрый технический долг, который выстреливает позже, когда систему нужно менять, а никто уже не помнит, почему здесь так. Это и есть главная цена перелома: инструмент позволяет производить код быстрее, чем команда способна его осмысленно принять — если убрать фазу осмысления.
Роль синьора не исчезла, а стала концентрированнее
Отдельно про то, ради чего вообще написан этот текст. Логично было бы предположить, что раз AI закрывает рутину, то ценность синьора падает: меньше кода пишет руками — меньше нужен. На практике вышло ровно наоборот, и это самый важный сдвиг. Синьор стал нужнее, просто его работа сместилась.
Раньше значительная доля времени даже опытного инженера уходила на производство — набрать код, оформить, провести через типовые шаги. Эта доля теперь ужалась. Но то, что осталось, — это и есть самая дорогая, самая невзаимозаменяемая часть инженерной работы: решить, что вообще нужно строить; проверить, что построенное правильно; взять на себя ответственность за то, что это переживёт прод. AI отлично делает «как». Он не делает «что» и «стоит ли». И он точно не отвечает за последствия.
Конкретно роль взрослого инженера в AI-усиленной разработке сводится к нескольким вещам, которые нельзя делегировать модели:
- Постановка. Сформулировать задачу так, чтобы её вообще имело смысл решать, и так, чтобы у ассистента был правильный контекст. Плохая постановка — и быстрый AI просто быстрее уедет не туда.
- Проверка. Прочитать сгенерированное не как «компилируется ли», а как «правильно ли, уместно ли здесь, что оно сломает». Это ревью более высокой плотности, чем раньше, потому что кода на единицу времени стало больше.
- Архитектурные решения. Где провести границы, какие инварианты держать, что не должно попасть в систему вообще. AI генерирует внутри рамок; рамки ставит человек.
- Ответственность. Подпись под мерж-реквестом по-прежнему человеческая. Никакой агент, даже прогнавший тесты, не несёт ответственности за инцидент в три часа ночи.
Отсюда же вытекает неприятный, но честный вывод про джунов, который я не хочу обходить. Перелом не делает новичка синьором. Он даёт новичку инструмент, который генерирует код, который новичок пока не умеет проверять. Это не повышает планку входа — это сдвигает риск. Тот, кто не способен отличить правдоподобный код от правильного, с AI производит технический долг быстрее, а не медленнее. Поэтому ценность умения читать, проверять и нести ответственность не упала — она стала тем самым дефицитным ресурсом, вокруг которого теперь всё и крутится.
У инструмента есть форма, и не во всякую щель он лезет
Чтобы не было перекоса в одну сторону, зафиксирую и зоны, где я по-прежнему не доверяю ассистенту и где перелом ещё не наступил. Это не «он сломан», а трезвое понимание его границ.
Плохо работает там, где решение требует знания неписаного контекста системы: исторических причин, скрытых договорённостей между сервисами, особенностей конкретного прода, которые нигде не задокументированы. AI не телепат — он работает с тем, что видит, и уверенно достраивает остальное. Плохо работает на задачах, где цена ошибки высокая и неочевидная: тонкая конкурентность, безопасность, денежные расчёты, миграции данных. Здесь правдоподобность особенно коварна. И плохо работает там, где задача по сути исследовательская — нужно не написать известное решение, а понять, какое решение вообще существует. Тут AI помогает думать, но не думает за тебя.
Общее правило, к которому я пришёл: чем выше цена ошибки и чем больше задача завязана на неявный контекст, тем плотнее должно быть человеческое участие — и тем меньше можно доверять гладкости сгенерированного результата. Это не недостаток технологии. Это просто карта, на которой видно, где инструмент сильный, а где синьор обязателен не для красоты, а под угрозой инцидента.
Как это меняет рабочий день на практике
Если приземлить всё сказанное до того, как реально выглядит день, картина такая. Доля времени, которая уходила на набор и оформление, заметно сократилась. Доля времени на чтение, проверку и принятие решений — выросла. Суммарно стало быстрее, но не потому, что исчезла работа, а потому что исчезла самая механическая её часть. Это не упрощение профессии, а её взросление: меньше ремесла в смысле «руками набить», больше инженерии в смысле «понять и отвечать».
Поменялся и характер усталости. Раньше уставал от объёма набора. Теперь устаёшь от плотности ревью: за смену через тебя проходит больше кода, и каждый кусок требует осознанного «да» или «нет». Это другой тип нагрузки, и его нельзя недооценивать. Команда, которая разогналась на генерации, но не усилила проверку, не стала быстрее — она просто перенесла узкое место с производства на приёмку и сделала вид, что его нет. Узкое место от этого не исчезает; оно копится молча.
Поэтому здоровый процесс в середине 2025-го выглядит не как «AI пишет, человек смотрит одним глазом», а как «AI берёт на себя объём, человек берёт на себя суждение». Генерация дешёвая, проверка дорогая — и именно в этом перекосе сосредоточена вся ценность. Если команда честно держит фазу проверки, прирост скорости реальный и устойчивый. Если она пытается сэкономить на проверке ради ещё большей скорости, она не ускоряется — она берёт кредит под высокий процент.
Перелом пройден, но это не отмена инженера
Я долго относился к AI-ассистентам с осторожностью, и весной прошлого года эта осторожность была оправданной. Сейчас придётся признать честно: точка перелома пройдена. AI стал реально полезен — он закрывает рутину, ускоряет бойлерплейт, помогает разбираться в чужом коде и формулировать гипотезы при отладке. Прирост измеримый, и игнорировать его теперь — не скепсис, а упрямство. Вокруг модели сложилась зрелая инфраструктура: reasoning стал нормой, агентные среды и CLI видят весь проект, MCP вошёл в обиход. Это и есть тот сдвиг, который превратил игрушку в инструмент.
Но перелом — это не отмена инженера, а перераспределение его времени. Всё, что AI наделал, должен разобрать и проверить взрослый инженер. Без этой фазы быстрый код превращается в быстрый технический долг, который выстрелит позже. Правдоподобность генерации усыпляет, локальность мышления упускает контекст системы, а непроверенные фрагменты тихо накапливаются. Роль синьора не упала — она сконцентрировалась в самой дорогой части: постановка, проверка, архитектурные границы, ответственность.
Если сформулировать главный практический вывод совсем прямо, то он такой: AI не заменил инженера, а сдвинул точку приложения его сил — меньше печати, больше проверки и решений; прирост реальный, но он держится на синьоре, который разбирает и подписывает результат, и без него скорость превращается в долг. Это и есть взрослое отношение к перелому: пользоваться инструментом в полную силу и при этом ни на минуту не делать вид, что он берёт на себя то, что по-прежнему остаётся человеческой работой.