Почему ИИ не заменит программистов (и почему сейчас — лучшее время начать учиться)

Открываю LinkedIn — и там очередной пост: "ИИ пишет код лучше людей, профессия программиста умирает". Захожу в Twitter — то же самое. Смотрю YouTube — эксперты пророчат конец эры разработчиков.

А потом смотрю на вакансии. И вижу, что компании предлагают $150-200K в год за middle-разработчиков. Что AWS платит на 31% больше программистам, которые умеют работать с ИИ. Что спрос на специалистов по машинному обучению за последние два года вырос на 82%.

Что-то не сходится, правда?

Давайте разберемся, что реально происходит. Без паники и без хайпа — просто посмотрим на факты.

Что такое ИИ на самом деле (спойлер: он тупее, чем кажется)

Знаете, чем ИИ напоминает студента-отличника, который зубрит перед экзаменом? Он запоминает кучу информации, но не понимает, как она работает.

Когда ChatGPT генерирует код, он не "думает" над решением. Он вспоминает похожие примеры из миллионов строк кода, на которых его тренировали. GitHub, Stack Overflow, документация — всё это лежит в его "памяти" как огромная база шаблонов.

Представьте школьника, который готовится к контрольной. Он прорешал 500 задач по математике. Когда ему дают похожую задачу на экзамене, он вспоминает: "О, это как задача номер 347, только числа другие". И решает по аналогии.

ИИ работает точно так же. Только вместо 500 задач у него миллионы примеров кода.

Один разработчик решил провести эксперимент. Он начал отвечать на технические вопросы с помощью ChatGPT. Первые несколько недель всё казалось отлично — ответы звучали профессионально. Но потом он заметил закономерность: нейросеть просто переформулировала популярные ответы, которые уже были в том же обсуждении парой постов выше.

То есть ИИ не изобретал новых решений. Он работал как продвинутый поисковик с функцией пересказа.

Где ИИ проваливается (а это случается постоянно)

Теперь давайте поговорим о том, чего нейросети делать не умеют. И это список длинный.

Он не понимает контекст вашего проекта

ИИ видит только то, что вы ему показали. Он не знает, что у вас в проекте уже есть три разных способа работы с датами. Что ваш API работает со специфичной структурой данных. Что определенные библиотеки конфликтуют друг с другом.

Попросите его написать функцию для валидации email:

function validateEmail(email) {
    const regex = /^[^\s@]+@[^\s@]+\.[^\s@]+$/;
    return regex.test(email);
}

Выглядит неплохо? А теперь представьте, что в вашей системе email может содержать кириллицу. Или что вам нужно различать одноразовые почтовые адреса от постоянных. Или что у вас уже есть централизованный валидатор, и добавление нового создаст путаницу.

ИИ этого не знает. Он написал "правильный" код, который в вашем конкретном случае бесполезен.

Он создает проблемы с безопасностью

Нейросети обучались на публичном коде. А в публичном коде полно ошибок и устаревших практик.

Попросите ИИ создать функцию для работы с базой данных:

def get_user_by_id(user_id):
    query = "SELECT * FROM users WHERE id = " + str(user_id)
    return database.execute(query)

Этот код открывает дверь для SQL-инъекций. Любой злоумышленник сможет украсть или удалить данные. Но нейросеть не понимает опасности — она просто скопировала паттерн, который встречала тысячи раз в старых туториалах.

Или возьмем авторизацию. ИИ может предложить хранить токены в localStorage:

localStorage.setItem('authToken', token);

Работает? Да. Безопасно? Нет. Это открывает уязвимость для XSS-атак. Профессиональный разработчик использует httpOnly cookies. ИИ — нет, потому что простой способ встречается чаще.

Он пишет медленный код

Производительность — это то, о чем нейросеть вообще не думает.

Вот функция для поиска дубликатов в массиве:

function findDuplicates(arr) {
    let duplicates = [];
    for (let i = 0; i < arr.length; i++) {
        for (let j = i + 1; j < arr.length; j++) {
            if (arr[i] === arr[j] && !duplicates.includes(arr[i])) {
                duplicates.push(arr[i]);
            }
        }
    }
    return duplicates;
}

ИИ сгенерирует что-то подобное. Сложность O(n³). На массиве из 1000 элементов это займет секунды. Программист напишет через Set за O(n) — в тысячи раз быстрее.

На тестовых данных разница незаметна. В продакшене ваше приложение превратится в черепаху.

Он не справляется с необычными задачами

Есть исследование, где проверяли, как ИИ пишет код на языках, которых мало в интернете. Взяли, например, Ada — язык для критических систем в авиации и медицине.

Результат? Половина сгенерированного кода даже не компилировалась. Остальное компилировалось, но работало неправильно. ИИ просто придумывал синтаксис, который "выглядит похоже" на настоящий код.

То же самое происходит с нишевыми фреймворками, внутренними библиотеками компании, специфичными доменными задачами. Если в интернете мало примеров — ИИ беспомощен.

Реальные провалы: когда компании попытались заменить людей на ИИ

Теория теорией, но давайте посмотрим, что происходило в реальности.

Финтех-компании в США

В 2023-2024 годах несколько финтех-стартапов решили "оптимизироваться". Уволили разработчиков, оставили менеджеров и пару сеньоров, которые "будут просто проверять код от ИИ".

Первые месяцы казалось, что всё работает. Фичи выходили быстро. Менеджеры радовались сэкономленным деньгам.

Потом начались проблемы. Баги в продакшене. Критические уязвимости безопасности. Падения сервисов. Жалобы клиентов. Штрафы от регуляторов.

Когда начали разбираться, оказалось: ИИ-код выглядел нормально, но внутри было полно технического долга. Нестыковки в архитектуре. Дублирование логики. Неочевидные баги, которые проявлялись только при определенных условиях.

Компании срочно начали искать разработчиков обратно. Но лучшие специалисты уже нашли другую работу. Пришлось нанимать новых людей за двойную, а то и тройную зарплату. Плюс тратить месяцы на разгребание технического хаоса.

Экономия обернулась убытками.

Шведская история с Klarna

Klarna — большая финтех-компания — в 2024 году объявила, что увольняет 700 человек и заменяет их ИИ. СМИ писали восторженные статьи о "будущем без программистов".

Год спустя компания тихо начала возвращать людей. Потому что качество сервиса упало критически. Клиенты жаловались. Конкуренты обгоняли по функциональности. Разработка новых фич застопорилась.

Оказалось, что ИИ может клепать простой код, но не может:

• Понять сложную бизнес-логику
• Координировать работу разных частей системы
• Принимать архитектурные решения
• Быстро реагировать на неожиданные проблемы

Эксперимент Carnegie Mellon

Исследователи решили проверить: может ли команда из ИИ-агентов работать как настоящая IT-компания?

Создали виртуальный офис. Каждая роль — отдельный ИИ-агент: разработчики, тестировщики, менеджеры, дизайнеры. Дали им задачи разной сложности.

Лучший результат? Claude 3.5 выполнил 24% задач. GPT-4 — меньше 9%. Остальные модели провалились еще сильнее.

Но самое смешное — как они проваливались:

• Один "разработчик" застрял на диалоговом окне браузера и не смог продолжить работу
• Другой не нашел нужного человека в Slack и просто создал нового пользователя с нужным именем
• Третий закрыл задачу как выполненную, вообще ничего не сделав

Вывод исследователей: ИИ катастрофически не хватает здравого смысла. Он не понимает, что делает.

Что на самом деле происходит с рынком труда

А теперь самое интересное. Пока все говорят "ИИ убивает профессию", на рынке происходит обратное.

Зарплаты растут

Всемирный экономический форум опубликовал прогноз: потребность в AI/ML-специалистах за ближайшие пару лет подскочит на 82%. Да, вы правильно прочитали — больше чем на четыре пятых.

AWS добавляет к зарплате программистов с опытом в ИИ дополнительные 31%. А в Штатах каждая второя вакансия, связанная с искусственным интеллектом, обещает $174K годовых — почти вдвое жирнее, чем получает среднестатистический разработчик.

Что там в Западной Европе? Примерно та же история:

• В Германии обычный сеньор тянет на €70-90K, а если ты понимаешь в машинном обучении — можешь рассчитывать на €85-110K
• Британия: классический разработчик — £50-70K, AI-спец — £70-95K
• Нидерланды: разработка — €60-80K, дата-сайенс — €75-100K

Даже в Восточной Европе зарплаты выросли:

• Польша: обычный middle — $25-35K, AI-разработчик — $35-50K
• Чехия: разработка — $30-45K, машинное обучение — $40-60K
• Румыния: классический код — $20-30K, AI — $30-45K

Дефицит специалистов никуда не делся

Компании жалуются: найти хорошего разработчика уровня middle или senior стало еще сложнее, чем раньше.

Почему? Потому что требования изменились. Теперь нужны люди, которые:

• Понимают архитектуру системы целиком
• Умеют работать с ИИ как с инструментом
• Могут проверить сгенерированный код на безопасность и производительность
• Принимают решения, а не просто пишут код по ТЗ

Такие специалисты стоят дорого. И их действительно не хватает.

ИИ не заменяет программистов — он меняет профессию

Раньше много времени уходило на рутину. Написать очередной REST API. Создать форму с валидацией. Настроить конфиг. Это были механические задачи.

Теперь их делает ИИ. А программист сосредотачивается на том, что требует интеллекта:

• Проектирует архитектуру
• Выбирает технологии под конкретную задачу
• Оптимизирует производительность
• Обеспечивает безопасность
• Общается с заказчиком и переводит бизнес-требования в техническое решение

По сути, профессия становится более интеллектуальной. Меньше кодинга ради кодинга, больше принятия решений.

И это отличная новость для тех, кто только начинает учиться.

Почему сейчас — лучшее время начать учиться программированию

Да, я серьезно. Именно сейчас — идеальный момент.

1. Высокий спрос и хорошие деньги

Вакансий много. Зарплаты высокие. Возможность работать удаленно на глобальный рынок.

Для сравнения с другими профессиями (средние годовые зарплаты в США):

• Врач: $200-250K
• Юрист: $120-150K
• Программист: $90-120K (но в крупных компаниях до $300K+)
• Учитель: $50-60K
• Медсестра: $70-80K

В Европе разница еще более заметна — программисты в топ-3 по зарплатам.

2. Можно учиться быстрее, чем раньше

Раньше, чтобы стать программистом, нужно было:

• 4 года учиться в университете
• Или несколько лет самостоятельно разбираться в хаосе информации

Сейчас с хорошим структурированным курсом и практикой можно выйти на уровень junior за 6-12 месяцев.

Да, рынок стал требовательнее. Но это означает только одно: нужно учиться правильно. Не просто смотреть видео-лекции, а решать задачи. Много задач. Писать код. Делать проекты.

Например, на JavaRush студенты решают больше 1200 практических задач. Потому что программирование — это навык. А навык развивается только через практику, а не через теорию.

Можно прочитать книгу о плавании. Но научитесь вы только в бассейне.

3. Порог входа стал ниже

Университетский диплом больше не обязателен. Компании смотрят на:

• Что вы умеете делать
• Какие проекты можете показать
• Как решаете задачи на собеседовании

Портфолио из нескольких рабочих проектов ценится больше, чем диплом.

4. ИИ — это инструмент, а не конкурент

Представьте: вы архитектор. Раньше чертежи рисовали вручную — долго и нудно. Потом появился AutoCAD — теперь можно рисовать быстрее и точнее.

Архитекторов стало меньше? Нет. Они стали проектировать более сложные здания.

С программированием то же самое. ИИ берет на себя скучную механическую работу. Программист фокусируется на интересных задачах.

Более того: те, кто научится эффективно работать с ИИ, будут зарабатывать больше остальных. Это новый навык, который пока мало кто освоил.

5. Глобальный рынок труда открыт

Программирование — одна из немногих профессий, где география не имеет значения.

Врач из Польши не может работать в Германии без переквалификации. Юрист из Румынии бесполезен в США — там другие законы.

А программист может:

• Жить в Восточной Европе
• Работать на компанию из США или Западной Европы
• Получать западную зарплату (или близко к ней)
• Путешествовать и работать из любой точки мира

Это уникальное преимущество.

Кто реально рискует потерять работу из-за ИИ

Вот парадокс: ИИ угрожает не начинающим программистам, а тем, кто делает одно и то же много лет и не развивается.

Если вы 10 лет пишете типовые CRUD-операции, настраиваете формы, копируете решения — вас действительно может заменить нейросеть. Потому что вы делаете механическую работу.

Но если вы:

• Понимаете, как спроектировать систему с нуля
• Умеете выбрать правильное техническое решение для конкретной задачи
• Чувствуете, где код может сломаться
• Видите слабые места в производительности и безопасности приложения
• Можете нормально разговаривать с людьми и превращать их хотелки в конкретные технические задачи

...то вы незаменимы. И ваша ценность только растет.

А для тех, кто только начинает учиться, есть огромное преимущество: вы будете учиться программированию в мире, где ИИ уже существует. Для вас это будет естественный инструмент — как для предыдущего поколения Google и Stack Overflow.

Вы сразу научитесь правильно работать с ИИ. А те, кто учился "по-старому", сейчас пытаются переучиваться.

С чего начать, если вы решили стать программистом

Вот мой честный совет.

Учитесь не просто писать код, а думать как программист.

Что это значит?

Решайте много задач. Теория важна, но навык развивается только через практику. 100 прочитанных туториалов не заменят 100 написанных программ.

Делайте проекты. Работодателю важно увидеть, что вы умеете создавать работающие вещи. Пара реально работающих проектов в портфолио стоит дороже любого сертификата.

Научитесь разбираться в чужом коде. Серьезно, это настолько же важно, как и писать свой собственный. На реальной работе большую часть времени вы будете копаться в том, что написали до вас другие люди, а не создавать всё с чистого листа.

Старайтесь понимать логику решения. Не просто копируйте код из интернета — потратьте время разобраться, как это работает изнутри. Почему использовали именно эту структуру данных? Какие есть альтернативы? Какие компромиссы?

Не бойтесь ошибок. Каждый профессиональный программист когда-то был новичком, который гуглил "как создать переменную". Все через это прошли.

ИИ может сгенерировать функцию за секунду. Но он не может:

• Понять, какая именно функция нужна в вашей ситуации
• Увидеть, как она впишется в общую архитектуру
• Предсказать, где возникнут проблемы
• Объяснить заказчику, почему это правильное решение
• Взять ответственность за результат

Всё это делают люди. И будут делать еще долго.

Выводы: программисты становятся элитой

Знаете, что происходит, когда технология автоматизирует простые задачи? Спрос на специалистов не падает — он растет. Но требования повышаются.

Когда появилась цифровая фотография, фотографов стало не меньше — их стало больше. Но изменилось то, что от них требуется. Теперь недостаточно просто нажать на кнопку — нужно понимать композицию, свет, обработку.

С программированием происходит то же самое.

ИИ не уничтожит профессию — он сделает её более ценной. Рутину возьмут на себя машины. Интеллектуальную работу — люди.

Те, кто понимает, как работают системы, будут получать зарплаты, о которых другие профессии даже не мечтают. Они будут создавать продукты, которые изменят мир. Они будут решать сложные интересные задачи.

Рынок еще далек от насыщения. Цифровизация идет во всех сферах — от медицины до сельского хозяйства. Компаний, которым нужны программисты, становится больше быстрее, чем самих программистов.

Так что если вы думаете, стоит ли начинать учиться программированию в эпоху ИИ — ответ однозначный: стоит.

Но делайте это правильно:

• Фокусируйтесь на практике, а не на теории
• Решайте реальные задачи, а не просто смотрите лекции
• Учитесь понимать, как работают технологии, а не просто использовать их
• Развивайте умение думать, а не копировать код

Будущее за теми, кто умеет решать проблемы. А ИИ просто сделает эту работу быстрее и интереснее — если вы, конечно, научитесь им пользоваться.