Код становится дешевле. Инженерные решения — дороже

Скорость генерации кода перестала быть конкурентным преимуществом и превратилась в новую норму. По данным GitHub, разработчики с ИИ-инструментами выполняют типовые задачи в среднем на 55% быстрее коллег, которые пишут код вручную.

На этом фоне многие компании делают логичный вывод: если код пишется быстрее, разработка должна дешеветь. Но на практике все сложнее. Цена написания отдельных функций падает, а ценность инженерной работы смещается туда, где искусственный интеллект остается помощником.

Разбираемся, что происходит и почему низкая стоимость кода не гарантирует такую же стоимость проекта.

Код перестает быть самым дорогим этапом

Еще несколько лет назад значительная часть времени команды уходила на шаблонный код. Создание CRUD-сервисов, интеграций, типовых API, тестовых заготовок и документации требовало часов, а иногда и дней.

Сегодня эти задачи закрываются за минуты. ИИ-инструменты генерируют каркас приложения, предлагают рефакторинг, пишут unit-тесты и объясняют незнакомый код.

Но выше становится только скорость получения кода. Стоимость проекта определяют другие решения.

Самые дорогие ошибки совершаются еще до первой строки кода

Чем быстрее команда воплощает задачу, тем выше цена ошибки на этапе постановки.

Искусственный интеллект поможет реализовать и удачную, и неудачную идею — мяч на стороне поля разработчика. Если требования сформулированы неточно или команда неверно истолковала задачу, технология ускорит движение в неправильном направлении.

Поэтому с распространением подхода AI-first все больше внимания уходит на качество discovery, работу аналитиков и совместное проектирование. Именно здесь определяется, во сколько бизнесу обойдутся изменения.

Архитектура — главный актив проекта

Код можно переписать, тогда как архитектурные решения сопровождают продукт годами. От того, как устроены границы сервисов, какие выбраны интеграции, как организовано хранение данных и взаимодействие компонентов, зависит, во сколько обойдется дальнейшее развитие системы.

Искусственный интеллект способен предложить десятки вариантов реализации конкретной функции. Но определить, какой из них останется жизнеспособным и через три года, по-прежнему может только человек. Поэтому опытные архитекторы и технические лиды остаются востребованными, а их решения обходятся бизнесу все дороже.

Инженерное мышление — новый дефицит

Долгие годы главным навыком разработчика считалось умение быстро писать код, но сейчас этого мало. Все большую ценность приобретают компетенции, которые почти невозможно автоматизировать:

• понимание предметной области;
• проектирование архитектуры;
• выбор инженерных компромиссов;
• оценка рисков;
• критический анализ решений, предложенных ИИ.

Меняется даже структура рабочего дня специалиста: на написание кода отводится меньше времени, на принятие решений — ощутимо больше.

По данным исследования McKinsey, компании, которые получают выдающийся эффект от генеративного ИИ, добиваются его за счет перестройки рабочих процессов и изменения ролей сотрудников — это касается и инженерных команд. Автоматизация одной отдельной функции тут ни при чем.

Перестроить привычную работу под искусственный интеллект получается не всегда. В таких случаях помогает консалтинг: со стороны проще выявить и бреши, и перспективные направления.

Что изменится при найме разработчиков

Вместе с технологиями меняются требования к специалистам.

Генерация кода становится доступной каждому — фразу «вот я навайбкодил…» все чаще слышно от тех, кто прежде этим не занимался. А способность принимать инженерные решения остается конкурентным преимуществом.

Для соискателей отсюда следует вывод: компании уже не ограничатся тем, сколько языков программирования и фреймворков знает специалист. Компаниям важно, как кандидат работает в условиях неопределенности, умеет ли проектировать сложные схемы, понимает ли влияние технических решений на бизнес и способен ли выстроить архитектуру, которую можно развивать годами.

Ценность разработчика все меньше зависит от объема написанного кода и все больше — от решений, которые за этим кодом стоят.

Подведем итоги

Распространение генеративного искусственного интеллекта меняет экономику разработки. Написание кода превращается в быструю и доступную операцию и перестает быть главным источником ценности.

Важнее становятся этапы, где машина еще не заменяет человека: понимание бизнеса, проектирование архитектуры, поиск инженерных компромиссов и решения с долгосрочными последствиями.

Именно эти компетенции будут определять эффективность инженерных команд в ближайшие годы. Чем быстрее ИИ пишет код, тем дороже способность понимать, какой код нужен и почему именно такой.