В мае 2026 года компания Anthropic сообщила, что более 80% кода, вливаемого в её кодовую базу, написано Claude. Эта новость вновь разожгла дискуссию о том, заменит ли искусственный интеллект программистов. Однако, как показывают современные исследования, классический цикл разработки ПО (SDLC) никуда не исчезнет, но кардинально изменится распределение работы: всё больше задач внутри каждого этапа будут брать на себя ИИ-агенты.
Сегодня ИИ встраивается в работу каждого IT-специалиста. Пока это выглядит как усиление сотрудника: он остаётся внутри своей профессии, но часть работы передаёт ИИ и за счёт этого повышает свою производительность. Разработка всё ещё организована вокруг профессий: есть аналитик, архитектор, разработчик, QA, DevOps. Работа движется между ними, и каждый отвечает за свой участок. Но на каждом этапе уже есть задачи, которые может выполнять ИИ. Чем лучше задача формализуется и автоматизируется, тем большую часть её исполнения можно передать ИИ.
В агентной модели привычная конструкция начинает меняться. Один специалист с помощью нескольких специализированных ИИ-агентов может брать на себя гораздо больший участок процесса end-to-end. Такого человека называют ИИ Orchestrator. Вокруг него появляется контур ИИ-агентов, а вокруг этого контура — ещё один уровень инфраструктуры, обеспечивающий работу самих агентов. Здесь возникают роли вроде AgentOps Engineer или ИИ Platform Engineer. Этапы разработки не исчезают, но меняется их исполнитель: ценность инженера смещается от непосредственного исполнения к организации работы агентов и ответственности за результат.
ИИ не убирает этапы разработки, а сокращает передачи работы между специалистами.
Почему из этого следует рост значения архитектуры? Для эффективного управления агентами недостаточно написать хороший промпт. Чтобы агент мог автономно выполнять сложные задачи, ему нужно задать: цель (какой результат требуется), контекст (в какой системе и бизнесе он работает), ограничения (технические, бизнесовые, временные, регуляторные), критерии корректности (как понять, что результат правильный) и точки эскалации (когда агент должен остановиться и обратиться к человеку). Это больше похоже на проектирование системы, чем на классическое написание кода. Одновременно меняется и единица организации разработки: ею постепенно становится не функция или профессия, а владение бизнес-результатом. Например, не «я backend-разработчик и отвечаю за backend», а «я отвечаю за весь процесс оформления заказа — от бизнес-правил и API до тестирования, выкладки и метрик в production».
главное изменение можно сформулировать так: ИИ не убирает этапы разработки — он убирает лишние передачи работы между специалистами. Рассмотрим, как трансформируются привычные IT-профессии.
Аналитик. Значительная часть работы аналитика связана со сбором данных, расчётами, отчётами и визуализацией — именно этот исполнительский слой ИИ автоматизирует быстрее всего. Поэтому ценность аналитика смещается от владения инструментами к пониманию того, какой вопрос нужно задать по данным, каким данным можно доверять и какой вывод из них следует. Возрастает роль экспертизы в предметной области: человек, глубоко понимающий продукт или отрасль, будет лучше ставить задачи агенту, замечать бессмысленные результаты и отличать формально правильный ответ от полезного для бизнеса. ИИ может быстро построить десять графиков, но главный вопрос остаётся человеку: какой из них отвечает на бизнес-проблему?
Разработка. В разработке изменения заметнее всего: ИИ уже берёт на себя написание кода и тестов, отладку и часть развертывания. Что заберёт ИИ? В первую очередь автоматизируется написание типового кода, генерация тестов, поиск ошибок и рутинные задачи. Что останется человеку? Проектирование архитектуры, принятие решений о компромиссах, проверка качества и ответственность за результат. Разработчик превращается в ИИ Orchestrator, который управляет агентами, пишущими код, и контролирует их работу.
Архитектор. Роль архитектора становится ключевой. Если раньше архитектор проектировал системы для людей, то теперь он проектирует системы для агентов: задаёт цели, контекст, ограничения и критерии корректности. Это требует более глубокого понимания бизнеса и технологий. Архитектор становится связующим звеном между бизнес-целями и реализацией через агентов.
QA. QA-специалисты также трансформируются: ИИ может генерировать тест-кейсы, выполнять регрессионное тестирование и анализировать результаты. Но человек остаётся ответственным за стратегию тестирования, оценку рисков и принятие решения о готовности продукта к релизу.
DevOps. DevOps-инженеры получают инструменты для автоматизации развертывания, мониторинга и инфраструктуры. ИИ может управлять рутинными операциями, но человек определяет политики, обеспечивает безопасность и реагирует на инциденты.
Таким образом, ИИ не уничтожает IT-профессии, а меняет их содержание. Специалисты, которые смогут адаптироваться и освоить новые роли, станут более ценными. Ключевой навык — умение ставить задачи агентам и контролировать их работу. Это требует не только технических знаний, но и понимания бизнес-процессов.
В долгосрочной перспективе можно ожидать появления новых специализаций, таких как ИИ Orchestrator, AgentOps Engineer и ИИ Platform Engineer. Компании, которые инвестируют в обучение сотрудников и внедрение агентных моделей, получат конкурентное преимущество. Однако остаются открытыми вопросы о качестве кода, генерируемого ИИ, и о том, как обеспечить надёжность и безопасность в агентных системах. Пока ИИ не способен полностью заменить человека в сложных, нестандартных ситуациях, требующих креативности и ответственности.
