Всё чаще встречаю мнение, что искусственный интеллект позволит полностью заменить разработчика. В обозримом будущем, вероятно, LLM смогут реализовывать сложный функционал с первой попытки, с учётом возможных сценариев и пограничных состояний. Однако это не является гарантией успеха, поскольку уровень неопределенности в разработке всё ещё высок и требования к решениям не всегда ясны. Даже детально проработанные инструкции не могут обеспечить корректность реализации, особенно если модель в очередной раз проигнорирует или неверно интерпретирует требования.

Также во внимание стоит взять результаты моделей в актуальных инженерных бенчмарках. SOTA модели всё ещё далеки от 100% успешного решения задач, из чего можно сделать вывод, что агент может не найти решения, не говоря про узкоспециализированные области знаний или языки программирования.

Агенты по умолчанию воспроизводят наиболее вероятные архитектурные и кодовые паттерны. Соответственно, говорить об уникальных или неочевидных подходах без полного описания специфики в генерируемом коде не приходится. Порой для больших продуктов именно эти подходы имеют значительную ценность. Качество результата существенно зависит от того, насколько точно инженер передал контекст, ограничения и критерии проверки, а также от качества инструментов, тестов и самого агентного процесса. Для эффективного управления агентной разработкой специалист должен понимать возможности и ограничения моделей, уметь выбирать архитектурные компромиссы, знать используемые технологии и обладать достаточным продуктовым и предметным контекстом.

В правильно организованном процессе агентная разработка уже может повышать скорость, предлагать решения и снижать стоимость отдельных операций. Но стремление к полной автоматизации — это стратегический провал, поскольку стоимость ошибки в задачах с высокой неопределённостью значительно превышает стоимость участия инженера. Я исхожу из того, что агентная разработка всё ещё сложный и нелинейный процесс. Без явно заданного масштаба и критерия достаточности модели могут как переусложнять решение, так и преждевременно упрощать его, а значит, в процессе важен человек, который точно сможет определить потребности продукта и проверить результат работы модели.

По моим наблюдениям, сейчас не хватает специалистов, которые обладают всеми нужными навыками одновременно. Со временем рынок труда может столкнуться с более сложными вызовами, когда для управления процессами образуется дефицит кадров. Важно понимать, что опытными инженерами не рождаются, ими становятся. И сейчас, когда компании активно интегрируют LLM в процессы, ценность опытных специалистов крайне высока, в то же время специалисты начального уровня теряют конкурентноспособность на рынке. Но человеческий фактор никуда не пропал, и без должного внимания к процессам передачи знаний и опыта рынок в очередной раз столкнётся с кадровым голодом, либо придётся мириться со снижением качества продуктов.