Переход произошёл не по решению индустрии и не по итогам конференций — он случился тихо, задача за задачей. Сначала ChatGPT начал отвечать на вопросы вместо Stack Overflow. Потом Copilot заполнил бойлерплейты. А затем ИИ-агенты на базе Claude и аналогов начали закрывать целые задачи — без участия разработчика в написании кода.

Бойлерплейт — это код, который не содержит сложной логики: получить список пользователей, подключиться к базе, отдать ответ по API. Раньше его писали руками, и это занимало время. Copilot убрал эту работу из повестки: курсор стоит в нужном месте, инструмент предсказывает продолжение по контексту проекта. Разработчик переключился на то, что сложнее, — архитектуру и бизнес-логику.

Но LLM продолжали развиваться. Когда модели достигли достаточного уровня, появился вайбкодинг — практика, при которой задача формулируется на естественном языке и передаётся ИИ-агенту целиком. Агент сам определяет, в каком месте кода работать, какие функции создать, как их связать. Результат не всегда идеален: дыры в безопасности и неоптимальные решения встречаются регулярно. Но задача выполнена — и на это ушли минуты, а не часы.

Бойлерплейты и типовой код теперь генерируются автоматически — Copilot и аналоги убрали эту работу из повестки.

Автор материала на Habr описывает это как «насильственный переход»: все разработчики одновременно оказались в роли архитекторов и техлидов. Не потому что выросли, а потому что делать лёгкие и средние задачи вручную стало контрпродуктивно. Машина делает их быстрее на порядки.

При этом у ИИ есть принципиальное ограничение: LLM не рассуждает, а предсказывает наиболее вероятный ответ на основе обученных данных. В задачах, где нет «правильного» прецедента — уникальная бизнес-логика, специфические требования безопасности, нестандартная архитектура — модель без детального промпта выдаёт посредственный результат. Запрос «сделай как лучше и безопаснее» работает плохо. Запрос с перечислением конкретных угроз, ограничений и контекста — значительно лучше.

Это и определяет новую ценность разработчика: не умение написать функцию, а умение правильно поставить задачу, оценить результат и взять на себя ответственность за решения, которые ИИ принять не может. Доступы к продакшн-системам, понимание бизнеса, способность выбрать архитектуру под долгосрочные требования — всё это остаётся за человеком.

В российском контексте этот сдвиг происходит на фоне активного внедрения отечественных ИИ-инструментов в корпоративную разработку: GigaChat и YandexGPT 4 предлагают аналогичные сценарии для компаний, работающих с ограничениями на использование зарубежных сервисов. Логика та же — рутина делегируется модели, человек занимается тем, что модель не умеет.

Итог, который фиксирует автор, звучит как парадокс: программирование как ремесло — написание кода строка за строкой — индустрия фактически потеряла. Разработка как профессия, требующая суждения и контекста, пока остаётся за людьми. Насколько долго — открытый вопрос.