Колонка на Habr от разработчика с опытом senior-уровня — не инструкция и не обзор инструментов. Это попытка разобраться, почему технически грамотные люди отвергают ИИ-ассистентов не после анализа, а до него.

Автор честно признаёт: до 2026 года он сам избегал всего этого. ChatGPT казался льстивым и ненадёжным, автодополнение в JetBrains мешало больше, чем помогало — в итоге он отменил все подписки на IDE. Перелом произошёл не от энтузиазма, а от прагматики: инструменты стали достаточно хороши, чтобы их игнорирование стало осознанным выбором, а не очевидным решением.

Центральный тезис колонки — психологический. Когда профессиональная экспертиза становится основой самооценки, инструмент, способный выполнить часть этой работы быстрее, воспринимается не как помощь, а как угроза. Отсюда — рационализации про галлюцинации LLM, низкое качество генерируемого кода, «настоящего инженера». Автор не отрицает, что эти аргументы могут быть справедливы. Он предлагает другой вопрос: это аналитический вывод или защитная реакция? Разница принципиальная.

Сопротивление новым инструментам он объясняет защитной реакцией эго, а не аналитическим выводом.

Свой нынешний подход автор описывает через аналогию с тимлидом над джунами: грамотная постановка задач, объяснение контекста, ревью результата. Простые и понятные задачи делегируются Claude, сложные и новые — решаются самостоятельно. Инженерный скилл при этом никуда не девается: он становится условием качественного контроля над тем, что генерирует машина. Без понимания архитектуры и предметной области проверить результат невозможно.

Вайбкодинг — хаотичный промптинг без инженерной базы — автор считает явлением временным. Люди без глубокой технической подготовки закрывают задачи быстро, потому что LLM обучены на огромных массивах кода и отвечают статистически правдоподобно. Но бизнес рано или поздно посчитает убытки от бездумно сгенерированного кода — и тогда инженер с пониманием систем плюс набор ИИ-инструментов окажется ценнее, чем любой из них по отдельности.

Историческая аналогия, которую приводит автор, работает: когда-то CPU считал всё подряд — графику, системные задачи, игры. Потом появились GPU, NPU, TPU, специализированные ускорители. Никто не пытается разогнать процессор до бесконечности вместо того, чтобы использовать видеокарту. С биологическим мышлением, по мнению автора, история та же: не нужно конкурировать с LLM в скорости генерации текста или кода — нужно использовать его как специализированный сопроцессор.

Материал не претендует на исследование и не содержит данных. Это личная позиция практикующего разработчика, который прошёл путь от скептицизма к осознанному использованию — и считает, что именно этот путь, а не немедленное принятие или категорическое отрицание, даёт реальное понимание границ применимости инструментов.