В ИТ всё громче звучит тезис: ИИ заменяет аналитиков и разработчиков, а значит, часть штата можно сократить. На бумаге логика выглядит стройно - нейросети быстро генерируют код, собирают требования, строят отчёты. Но те, кто ежедневно работает с ИИ, знают: его «скорость» часто держится на ручном труде инженеров и аналитиков, которые вычищают ошибки и возвращают результат в рамки реальности. Проблема в том, что топ‑менеджмент редко сталкивается с ошибками ИИ напрямую. Руководители видят уже отфильтрованный результат - тот, который подготовили специалисты. Именно аналитики и разработчики выступают невидимым фильтром: они замечают, когда модель уверенно выдумывает несуществующие методы API, неверно агрегирует метрики или предлагает решение, несовместимое с архитектурой проекта. Для руководителя это просто «готовое ТЗ» или «рабочий код», а за ним - часы ручной валидации, проверки и исправлений. Сокращая этот слой экспертизы, бизнес убирает не «лишние руки», а систему контроля качества. ИИ не чувствует ограничений проекта: он не понимает, почему нельзя использовать конкретную библиотеку из‑за лицензионных рисков, не видит, что требование конфликтует с текущей логикой системы, не учитывает нагрузку на инфраструктуру. Он просто подбирает наиболее правдоподобную формулировку. И чем меньше в команде людей, способных отличить правдоподобность от корректности, тем выше шанс, что ошибка уйдёт в прод. Ещё один тонкий момент - быстрое устаревание «навыков промтинга». Сегодняшние удачные шаблоны запросов через несколько месяцев могут давать совсем другой результат из‑за обновления моделей, изменения контекста или смещения весов в архитектуре нейросети. Без сильной инженерной команды бизнес не сможет вовремя заметить, что ИИ начал систематически ошибаться в типовых задачах, и оперативно перенастроить процессы. В итоге массовые сокращения аналитиков и разработчиков дают краткосрочную экономию, но создают скрытый технический долг. Ошибки накапливаются, архитектура становится хрупкой, а стоимость исправлений растёт экспоненциально. И когда через год бизнес столкнётся с каскадом сбоев и некорректных решений, окажется, что специалистов, способных быстро навести порядок, в штате уже нет. ИИ - это не замена эксперту, а инструмент, который требует постоянного контроля. Именно человек видит риски, замечает тонкие несоответствия и принимает решения, где автоматизация уместна, а где опасна. В ИТ эта роль не исчезает - она становится ещё важнее, согласны?