Интеллект шагает по планете. И искусственный быстрее

Искусственный интеллект - помощник, угроза или замена?

Эти вопросы мы сами себе невольно задаем, а эксперты пытаются нам дать комментарии на все лады. Хочу поделиться тем, что касается той области, в которой непосредственно тружусь более 20 лет – разработка!

И поводом для написания этой заметки послужил вопрос, который мне задали на конференции после выступления: «Когда ИИ заменит разработчиков»?

А действительно – когда и что для этого нужно?

На сегодняшний день нет ни одной профессии, которую ИИ полностью заменил бы на 100% во всех компаниях и отраслях мира. Однако ИИ радикально изменил многие профессии и автоматизировал отдельные задачи и роли, особенно рутинные и основанные на обработке данных. Люди фокусируются на задачах, где критичны творчество, принятие решений, а особенно эмпатия и межличностное общение, управление, контроль и этическая оценка.

Также ИИ создает спрос на новые специальности: инженеры по машинному обучению, data scientists, специалисты по AI ethics, тренеры ИИ, prompt-инженеры, менеджеры AI-продуктов.

ИИ vs разработчик: кто кого

Начнем с того, какие платформы вообще могут писать код.

К 2025 году ИИ платформ стало действительно много. И все они разные. Их можно разделить на категории:

·      облачные AI-сервисы (API),

·      фреймворки для разработки моделей,

·      платформы для развертывания и управления моделями (MLOps),

·      пользовательские приложения с ИИ.

Ежедневно люди используют - ChatGPT Plus, Claude Pro/AI, Google Gemini Advanced и Microsoft Copilot Pro. Они являются основными "подписными" точками входа к самым мощным моделям через удобные интерфейсы.

Для программистов финтех компаний можно выделить следующие модели:

·      GPT-4 Turbo

·      DeepSeek-Coder

·      Claude 3 Opus

·      CodeLlama

·      GitHub Copilot (прямо в VS Code)

Они позволяют сократить время на написание кода, уменьшить количество ошибок и быстрее осваивать новые технологии.

Да, современные ИИ (особенно специализированные модели) умеют писать качественный код, но с оговорками. Их сила — в ускорении разработке, благодаря автоматизации рутины, а не в полной замене человека.

Что ИИ делает хорошо:

1.       Генерация классов, CRUD-операций, простых API, парсеров — шаблонный код отдаем ИИ.

2.       Автодополнение docstrings, комментарии, README — в общем документацию.

3.       Упрощение кода, переименование переменных, разбиение функций, что часто требуется при рефакторинге. Исправление орфографических ошибок в названиях методов, переменных и т. д.

4.       Написание тест-кейсов.

5.       Конвертация — перевод кода между языками (Python ↔ JavaScript, SQL ↔ Pandas).

6.       Анализ кода на типичные ошибки (null-ссылки, утечки памяти).

7.       Работа с библиотеками.

Но даже для этих функций нужны значительные затраты со стороны программиста или тестировщика. Необходимо написать очень четкий промп, дать контекст, библиотеки и описание архитектуры. Нейронки редко выдают отличный результат с первого раза, поэтому необходим интерактивный режим работы, уточнения типа: «Добавь валидацию типа данных», «Оптимизируй запрос», «Исправь ошибку в строке 15». И конечно же ревью и тестирование.

Как извлечь максимум

Непосредственно в нашей компании СмартексСофт проводился подсчет эффективности. Работали две группы разработчиков над одинаковой задачей. Одна с использованием ИИ, вторая без. Затраты чел/часов команды на выполнение задачи, которая работала с ИИ была ниже на 15-20%.  Этот эксперимент показал, что на больших проектах с множеством однотипных рутинных задач обстановка и настроение команды меняется в пользу драйва, а не утомляющего копипаста благодаря ИИ.  

А официальная статистика на 2025 год говорит следующее о использовании ИИ в разработке:

Хотя и тут есть некоторые ловушки, а именно тревога от необходимости управлять ИИ, плагиат и деградация навыков. Но для нивелирования этих побочек тоже есть методики, надо просто иметь их в виду.

Одна из самых простых – внутренняя дисциплина и регламент в IT команде, например: чтобы команда не теряла экспертизу, можно внедрять «ИИ-грамотность», но 2-4 часа в неделю — работать строго без ИИ.

ИИ как супер-умный стажёр, он сделает черновую работу, предложит идеи, но финальное решение, ответственность и 10% гениальности — всегда за вами. Ваши усилия не исчезают — они перераспределяются от рутины к инженерии, творчеству и стратегии.

ИИ — мощный «умный автодополнятель» для разработчика, но не самостоятельный инженер. Качество кода на 90% зависит от:

·      Четкости вашего ТЗ,

·      Глубины контекста,

·      Экспертной проверки результата.

Цитата из отчёта McKinsey (2025): «ИИ не делает плохих программистов хорошими. Он делает хороших программистов — выдающимися, а выдающихся — незаменимыми».

В слабых командах качество кода может падать из-за слепого доверия ИИ. Возникает риск "эффекта кобры", когда ИИ создает новые ошибки, которые сложнее найти.

Зато отличная идея и практика использовать ИИ в качестве ментора для ваших экспертов в области разработки. Это не просто тренд, а реальный сдвиг в lifelong learning. Зачастую бесплатный, доступный 24/7 инструмент решает задачи разбора алгоритмов, объяснения концепций, функционального программирования, рецензирования кода персонально для вас, ориентируясь на ваш уровень знаний и опыта.

Где ИИ подведёт

И все же хочу вернуться к ограничениям и некоторым сложностям в использовании ИИ, которые пока существуют:

·      Не может проектировать сложную архитектуру с нуля (микросервисы, event-driven), нужна декомпозиция.

·      Не может ИИ без вас предугать конечную бизнес цель, поэтому ему нужно четкие требования в этой области.

·      Пока на низком уровне находится оптимизация. Например: алгоритмы под высокую нагрузку, работа с памятью.

·      Пропускает уязвимости в безопасности (SQLi, XSS).

Неэтичная сторона ИИ

Еще один немаловажный аспект – мы пишем код для конечного пользователя, для его очень прикладных бизнес задач, и тут важна оценка в том числе и этических аспектов конечной реализации. В кредитном скоринге, в HR отборе кандидатур ИИ ускоряет разработку моделей на 40%, но итоговое решение всегда за человеком — чтобы избежать дискриминации. Риск дискриминации в кредитных, HR, медицинских алгоритмах существует. Исключить такие риски – задача человека.

Вывод

Таким образом, говорить о "полном исчезновении" профессий пока рано, и профессии разработчика в том числе. Правильнее говорить о глубокой трансформации рынка труда, заставляющая человека сосредоточиться на уникальных компетенциях – анализ, креативность, стратегическое развитие, переговоры. Дефицит ресурса разработчиков ИИ в ближайшей перспективе не решит, но может повысить уровень компетенций вашей команды и качество работы.

Если вы хотите усилить свою команду не только разработчиками с высоким уровнем компетенций, но и ИИ, то вы можете обратиться к нашей компании, и мы поможем определить ключевые направления и какие аспекты надо подтянуть, предложив вам анкетирование – «насколько готовы ваши команды к использованию по: данным, экспертизе, процессам и что надо подтянуть?!, «Какие 3 рутинные задачи отдадите ИИ в первую очередь?» Мы поможем внедрить ИИ точечно и безопасно. Например, через аудит задач, где автоматизация принесёт максимум ROI. Это превратит теорию в практику!

P.S. В подготовке статистики для этой статьи мне помогал ИИ

Фото: Предоставлено автором