Почему AI не заменит инженера. По крайней мере пока
Последние месяцы я почти каждый день работаю с Claude Code, Codex, Cursor, локальными LLM и другими AI-инструментами. И заметил одну закономерность.
Новички думают, что AI пишет код. На практике AI гораздо лучше делает другое. Он снимает механическую работу. Написать CRUD, сгенерировать модели, оформить документацию, подготовить тесты, объяснить чужой код, быстро собрать прототип, найти ошибку в большом проекте. Все это он делает отлично.
Но когда начинается что-то сложнее, появляются настоящие инженерные задачи. Как разбить систему на сервисы. Где использовать RAG, а где обычный поиск. Почему один промпт стоит в десять раз дороже другого. Как организовать память агента. Почему API начинает тормозить после роста нагрузки. Как сделать так, чтобы через полгода проект не пришлось переписывать. На эти вопросы AI не отвечает сам. Он предлагает варианты. Решение принимает инженер.
Самое интересное изменение произошло не в программировании. Изменился навык, который теперь ценится сильнее всего. Умение правильно поставить задачу. Если раньше программист писал код построчно, то теперь он проектирует решение, разбивает задачу на части, проверяет результат и управляет несколькими AI-агентами одновременно. Получается своеобразный переход. Раньше разработчик был исполнителем. Теперь все чаще становится архитектором процесса.
И кажется, именно это направление будет определять профессию в ближайшие годы.
· 04.08
AI хорошо ускоряет черновик, но инженер всё ещё нужен там, где появляются ограничения, миграции и ответственность за эффект в проде. Я бы мерил не кто написал код, а кто быстрее довёл решение до наблюдаемого результата. У вас есть примеры таких кейсов?
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён
· 19.08
Да, есть. Например, в AI-проектах я обычно разделяю задачу на прототип и production-контур: сначала проверяю гипотезу на реальных данных, затем добавляю валидацию ответов, обработку ошибок, логирование и метрики.
Для LLM отдельно смотрю на качество результата, latency и стоимость, а не только на то, что API отвечает без ошибок. Это особенно важно для агентов и RAG, где обычного мониторинга backend недостаточно.
Мне как раз близок подход «быстрее довести до измеримого результата», а не просто написать больше кода
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
ответ удалён