Об эксперте: Самат Галимов — основатель компании «ФАНС-разработка», ведущий IT-подкаста «Запуск завтра», член жюри премии «Сделано с ИИ» от Яндекс Практикума. Эксперт в области архитектуры программного обеспечения и управления техническими командами.
Глубокая трансформация процессов и новые особенности ИИ-разработки
Нейросети действительно кардинально меняют процесс создания цифровых продуктов. Первоначально в индустрии предполагали, что происходящее — это просто локальное ускорение отдельных операций, однако изменения оказались значительно глубже. Учет новых особенностей разработки на базе ИИ становится критически важным для стабильности больших систем.
Показательным примером стал инцидент в декабре 2025 года, когда в работе облачного сервиса Amazon Web Services (AWS) произошел масштабный сбой, затронувший сайты, игры и учебные платформы по всему миру. Отладка системы заняла около 13 часов. Хотя официально в компании связи с ИИ не подтверждали, согласно данным инсайдеров, разработчики предоставили слишком широкие полномочия внутреннему ИИ-агенту Kiro, который радикально изменил код вместо точечной доработки.
Отдельного внимания требуют вопросы корректного использования данных. В феврале 2025 года специалисты израильской компании Lasso Security зафиксировали, что чат-боты активно используют код из закрытых внутренних хранилищ крупных компаний. Речь о базах, которые когда-то были открытыми, пусть и на короткое время. Даже если сейчас публичных ссылок на них не осталось, ИИ вроде GitHub Copilot находит «следы» и использует код в своих задачах. Проблема не только в том, что сейчас этот код составляет коммерческую тайну, но и в том, что через чат-боты доступ к нему могут получить злоумышленники.
То есть работу разработчика появление нейросетей действительно меняет на глубоком уровне, по сути: появляются и новые риски, и новые возможности. Посмотрим, какие именно.
ИИ-помощники: быстрее и демократичнее
С появление ИИ-помощников программисты получают возможность выполнять за пару дней задачи, на которые раньше уходила неделя. Особенно ярко это проявляется при разработке внешних интерфейсов — фронтенда. Сейчас опытный программист может написать систему в миллионы строк кода в одиночку, и дальше командная работа нужна только для тестирования и настройки нового приложения.
Второй плюс — теперь программировать простые прототипы будущих приложений могут не только профессиональные разработчики. В IT-индустрии много специалистов, не все из них программисты. Раньше, чтобы проверить свою идею, дизайнер или продакт-менеджер должен был прийти с ней к разработчику. Теперь можно сделать пробную версию приложения с помощью нейросети — это революция в том, как производят цифровые продукты.
Большое «но»: код — это еще не весь IT-проект
До появления нейросетей написание кода было самым трудоемким процессом, на который тратилось больше всего рабочих часов. Теперь сгенерировать код можно быстро и с минимальными затратами, но создание полноценного IT-продукта не ограничивается только этим этапом.
Необходимо постоянно проверять, как решение работает в разных условиях и не вызывает ли ошибок в параллельных процессах. Раньше специалист продумывал эти связи прямо при кодинге. ИИ-помощники создают решения быстро, но не всегда учитывают весь накопленный опыт и контекст.
По этой причине ключевую роль начинает играть инфраструктура тестирования. С развитием ИИ-разработки обязательным условием становится создание параллельных программ, которые тестируют основной софт, моделируют обмен данными и вовремя находят уязвимости.
Задачи для ИИ и вопросы архитектуры
Полагаться на сгенерированный нейросетью код без глубоких проверок эффективно при создании временных решений и проверке гипотез. На этапе запуска нового приложения ИИ помогает быстро набросать структуру системы и пользовательский путь, чтобы оценить общую концепцию.
Однако при внесении изменений в действующие продукты с большой аудиторией требуется внимательный контроль специалиста. Если первичная гипотеза подтвердилась и проект создается на долгий срок, его архитектуру должны прорабатывать люди.
Человек, ставя задачу нейросети, может упустить детали, которые кажутся ему очевидными. Нейросеть в таком случае, вероятно, додумает контекст самостоятельно — например, скомпоновать решение с расчетом на миллион пользователей, хотя сервис создается для нескольких десятков человек.
Почему IT-индустрии все еще нужно рабочее время людей
В программировании около 10% времени уходит на разработку основного пользовательского сценария в идеальных условиях, а 90% тратится на продумывание работы системы в нестандартных ситуациях. Нейросеть эффективно помогает на первом этапе, освобождая специалисту время для проработки контекста и проверки результатов.
Так, последний отчет Coursera об актуальных навыках показывает, что те же пользователи, которые активно записываются на продвинутые ИИ-курсы (они очень популярны — каждую минуту на них поступает 14 человек), изучают базы данных, программирование веб-приложений и так далее. Вероятно, эти студенты в основном только входят в профессию и понимают, что разработчикам сейчас необходимо знать, какие есть ИИ-инструменты и на что они способны. То же видно в курсах для начинающих программистов в России: например, в Яндекс Практикуме в программы по всем цифровым профессиям интегрированы ИИ-модули. Войти в индустрию, вообще не умея работать с нейросетями, уже нельзя.
Но и у тех, кто уже работает в сфере и идет повышать квалификацию, например, в магистратуру, программы с курсами по ИИ-инструментам востребованы. Если посмотреть на учебные планы онлайн-кампуса НИУ ВШЭ или любого другого крупного вуза, то видно, что все программы по IT-профессиям донасыщают курсами по работе с нейросетями.
Как работу программистов оценивают в эпоху ИИ
С широким применением нейросетей становится понятно, что работу программистов нельзя оценивать по формальным метрикам — количеству строк кода или закрытых задач. Главным ориентиром становится реальная польза для бизнеса и удобство взаимодействия с результатом для всей команды.
Так, если написанный с помощью нейросети код не учитывает требования безопасности и нуждается в длительной проверке смежными отделами, процесс потребует дополнительных ресурсов. Если сгенерированное решение сложно масштабировать, его придется дорабатывать всей командой. Ценность специалиста не в том, чтобы что-то сгенерировать, а в том, чтобы это решение довести до ума.
Нейросети действительно меняют IT-индустрию и расширяют возможности разработчиков и остальных специалистов. Создавать новые продукты можно гораздо быстрее. Но важно помнить, что нейросеть не несёт ответственности за свои решения — она работает с тем контекстом, который ей предоставил человек. Полнота этого контекста и тестирование результата — за это по-прежнему отвечают специалисты, а не роботы.
Источник новости: hi-tech.mail.ru
