Вечный ревьювер: как ИИ меняет работу разработчиков

Автор, работающий в крупной ИТ-компании, описывает трезвый сценарий внедрения ИИ в разработку. Он скептичен к «вайбкодингу», где человек без бэкграунда пытается решать сложные бизнес-задачи через LLM: качество и безопасность такого кода слишком рискованны для корпораций, поэтому полный отказ от разработчиков в обозримом будущем маловероятен.

Ключевые ограничения ИИ связаны с контекстом: модели плохо держат в голове сложные связки между сервисами, брокерами, БД и клиентами, особенно в условиях легаси и рассинхрона спецификаций. Без единой документации, стандартов кодогенерации, подходов к транзакциям и работе с инфраструктурой даже автотесты от ИИ не решат системные проблемы качества.

Ближайшее будущее разработки автор видит как «вечный код-ревью»: LLM генерирует значительную часть кода, а оставшиеся в штате разработчики — в первую очередь сеньоры — бесконечно его ревьюят и правят. Джуны в этой модели оказываются лишними: им не хватает опыта, чтобы критично оценивать вывод ИИ, тогда как архитектурные решения и ответственность остаются за старшими инженерами.

Сильнее всего ИИ уже давит веб-разработку с низким порогом входа; позже волна затронет другие клиентские платформы и лишь затем в полной мере — бэкенд с его высокими требованиями к отказоустойчивости и сложной архитектуре. Крупные компании будут делать ставку на сеньоров, умеющих эффективно использовать LLM, нанимать мидлов — только при дефиците кадров и с обязательным обучением ИИ-инструментам, а джунам придётся искать опыт в небольших компаниях и пет-проектах.

Читайте также

  1. Мультиагентная разработка в Cursor: как заставить субагентов работать на большие проекты
  2. Руководители верят, что ИИ повышает продуктивность, но на самом деле он обесценивает навыки сотрудников — мнение профессора
  3. Кейс Т-Банка для позиции AI-продакт-менеджера
  4. Вайбкодинг: почему знания важнее инструментов
  5. GitHub SpecKit: вайб-кодинг на основе спецификаций
Ключевые инсайты из новости (по версии ChatGPT)
  • Ограничения LLM в сложных распределённых системах: Большие языковые модели слабо справляются с пониманием сложных связей между сервисами, брокерами сообщений, БД и клиентскими приложениями, если видят только фрагменты кода. Наличие легаси и рассинхрона спецификаций между фронтендом и бэкендом дополнительно увеличивает долю ошибок генерации. Для production-систем ИИ можно использовать только в связке с четкой архитектурой и контролем человека.
    [engineering-process]
Для получения полного доступа оформите подписку PubMag PRO.
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Инсайты автоматически генерируются с помощью искусственного интеллекта на основе текста статьи.
← Назад в лентуЧитать оригинал →
✈️ Подписывайтесь на мой Telegram-канал — там еще больше интересного про AdTech, MarTech, AI и многое другое!