Какие профессии в разработке “умирают” с появлением ИИ — и что реально меняется
Запрос “какие профессии умрут из‑за ИИ”, “ИИ заменит программистов?”, “будущее разработчиков” обычно рождается из двух крайностей:
- “теперь всё будет писать нейросеть”
- “ничего не изменится”
Реальность посередине: ИИ автоматизирует куски работы, а не “закрывает профессию целиком”. Быстрее всего меняются роли, где много шаблонной рутины и мало ответственности за результат.
1) Что ИИ автоматизирует лучше всего
- бойлерплейт и типовой код
- генерацию тестов по ясному контракту
- рефакторинг и “механические” изменения
- документацию и черновики
- быстрый ресёрч (с последующей проверкой)
Это увеличивает производительность инженера, но не убирает ответственность: требования, качество, безопасность, интеграции и эксплуатация остаются.
2) Какие роли “сжимаются” первыми (и почему)
2.1. “Кодер по шаблону” без инженерной ответственности
Если роль сводится к “написать код по ТЗ” без понимания:
- требований и сценариев
- рисков и интеграций
- качества и эксплуатации
то большая часть “написания” теперь ускоряется LLM‑ами. Роль не исчезает мгновенно, но спрос смещается: нужен не набор символов, а решение.
2.2. Ручное тестирование без стратегии
Ручной QA не умирает, но “просто кликать по чек‑листу” будет меньше востребовано. В цене:
- тест‑стратегия
- автоматизация критических сценариев
- качество требований и acceptance criteria
- работа с интеграциями и данными
2.3. “Документооборот ради документооборота”
Роли, которые производят много текста без проверяемых требований (много воды, мало критериев), будут вытесняться: черновики теперь дешёвые, ценность — в структуре и точности.
3) Какие роли, наоборот, становятся важнее
- Tech Lead / CTO: архитектура, риски, качество, скорость поставки
- Product: приоритизация, метрики, “что и зачем”
- BA: сценарии, требования, acceptance criteria
- SRE/DevOps: надёжность, наблюдаемость, безопасность, стоимость эксплуатации
- QA‑инженеры с автоматизацией: регресс, критические сценарии, качество релизов
ИИ ускоряет “делание”, поэтому ещё важнее становится “что делать” и “как проверить”.
4) Почему “скинул ТЗ — получил продукт” пока работает только на простом
Сложные проекты упираются в:
- неопределённость требований
- интеграции и прод‑реальность
- безопасность и права доступа
- данные, миграции, устойчивость
- ответственность за результат
ИИ помогает писать код быстрее, но не принимает бизнес‑решения и не несёт ответственность.
5) Что делать специалисту (и заказчику), чтобы выиграть от ИИ
Для специалистов
- учиться постановке задач и работе с требованиями
- укреплять архитектуру, безопасность, интеграции, эксплуатацию
- писать тесты и строить quality gates
- использовать LLM как ускоритель, но проверять результат
Для заказчиков
- инвестировать в требования/сценарии/критерии приёмки
- строить процесс, где скорость не убивает качество
- учитывать бюджет на LLM‑запросы и инструменты
FAQ
ИИ заменит разработчиков?
Скорее заменит часть рутины и повысит планку. “Просто писать код” становится менее ценным, “доставлять результат” — более ценным.
Какая роль под угрозой больше всего?
Та, где нет ответственности за результат и много шаблонной рутины без понимания системы.
Можно ли ускорить сроки проекта “в 10 раз”?
Пока что — редко. На сложных проектах выигрыш обычно 1.5–2×, потому что разработка — это не только кодинг.
Если хотите — разберём ваш контекст и поймём, где AI реально даст эффект: что автоматизировать в процессе и какие риски закрыть.