Системный сдвиг: как ИИ меняет рынок труда в ИТ

Системы разработки развиваются быстрее, чем карьерные траектории. По данным McKinsey & Company, использование ИИ стало массовым, но меняется не набор инструментов – трансформируется сама структура задач. То, что недавно было точечным способом повысить продуктивность, превратилось в фактор, меняющий норму работы в ИТ. Рынок по-прежнему воспроизводит специалистов по старым паттернам, хотя требования радикально изменились, а время на адаптацию быстро исчерпывается. Технический директор Umbrella IT Константин Попандопуло рассказал IT Speaker, почему время ограничено, какие компетенции становятся базовыми и как меняется логика построения ИТ-команд.

Меняется не инструмент – меняется норма работы

Главное заблуждение последних лет – воспринимать ИИ как еще один слой поверх существующих процессов. На практике меняется сама норма, а за ней – требования к компетенциям.

Раньше инженерная работа строилась вокруг создания кода, сейчас – вокруг постановки задач, проверки решений и управления качеством. Код перестает быть конечной целью и становится промежуточным артефактом.

Этот сдвиг подтверждают исследования. В отчете McKinsey & Company о генеративном ИИ отмечается, что ключевой эффект технологий – не ускорение отдельных операций, а трансформация процессов и перераспределение задач между людьми и системами. Выигрывают не те, кто быстрее адаптирует инструменты, а те, кто перестраивает способ мышления – от исполнения к управлению.

Парадокс ИИ

Наиболее заметный эффект сегодня – не рост продуктивности, а усиление разрыва между специалистами. Лучшие результаты в использовании ИИ показывают разработчики с сильной инженерной базой. Именно они способны эффективно работать в парадигме SDD, формулировать задачи для моделей и, что важнее, проверять результат.

Возникает парадокс. С одной стороны, создание кода человеком уходит из центра профессии. С другой – именно опыт реального программирования позволяет отличать рабочие решения от формально корректных, но архитектурно слабых. Если этот опыт перестает воспроизводиться, система теряет источник экспертизы. 

Происходит замкнутый круг: чтобы эффективно использовать ИИ, нужен опыт программирования, но сам процесс программирования постепенно делегируется ИИ.

Один из сценариев выхода – дообучение моделей на накопленном корпусе инженерных знаний, включая комментарии опытных разработчиков. Но переход не мгновенный, и в ближайшей перспективе зависимость от человеческой экспертизы сохраняется.

Токены против джуниоров

Долгое время ИТ-рынок рос за счет массового притока начинающих специалистов. Сегодня эта модель перестает работать. ИИ закрывает значительную часть задач начального уровня:

• генерация типового кода;

• написание тестов;

• базовая документация.

В результате снижается экономическая целесообразность масштабного найма джуниоров. Их роль не исчезает полностью, но меняется: они становятся ограниченным ресурсом с более жесткими требованиями к качеству.

Исследование GitHub о влиянии Copilot показывает, что сложные задачи концентрируются у опытных инженеров, а базовые операции автоматизируются. Джуниоры по-прежнему нужны, но их ценность определяется не объемом работы, а способностью быстро включаться в сложные процессы.

Фактически «токены» – вычислительные ресурсы для работы моделей – в ряде сценариев начинают конкурировать с младшими специалистами как фактор стоимости.

Команды без лишних

Традиционная модель масштабирования через рост численности уступает место другой логике: меньше людей – выше требования к координации и качеству решений. Команда становится более «плоской», но возрастает роль архитекторов и техлидов, усиливается зависимость от системного мышления и коммуникации.

В отчете World Economic Forum Future of Jobs отмечается рост значимости аналитики, критического мышления и управления технологиями на фоне автоматизации рутинных задач. Чем больше задач автоматизируется, тем выше цена ошибок на уровне архитектуры и принятия решений.

Ключевые компетенции – не конкретные технологии, а тип мышления:

1. Работа с неопределенностью: ИИ не дает гарантированно корректного результата, нужно уметь оценивать риски.

2. Системное мышление: понимать, как части складываются в архитектуру.

3. Инженерная культура: отличать рабочее решение от формально корректного.

4. Навыки взаимодействия с ИИ: формулировка задач, декомпозиция, проверка и интерпретация результатов.

По сути, речь идет о переходе от «исполнителя» к «оператору сложной системы».

Карьерные стратегии

В новой реальности выигрывают те, кто правильно выбирает стратегию развития. Устойчивых подходов три: углубление в инженерную экспертизу (спрос на архитектурные решения растет), развитие междисциплинарности (бизнес + продукт + технологии) и ранняя адаптация к ИИ как к базовой среде, а не как к дополнительному инструменту.

Показательно, что в аналитике Stanford University AI Index отмечается ускорение внедрения ИИ в реальные бизнес-процессы, а не только в эксперименты. Это означает, что откладывать адаптацию уже невозможно.

Главный риск – недооценка скорости изменений. Рынок труда в ИТ не исчезает, но меняется его структура: снижается ценность базовых операций, растет значимость системных решений, усиливается разрыв между уровнями экспертизы.

Время становится ключевым фактором. Те, кто адаптируется сейчас, формируют новую норму. Те, кто откладывает, рискуют оказаться в ситуации, где требования уже изменились, а входные возможности сузились.

ИИ не убирает профессию разработчика, но меняет ее основу. Именно сейчас решается, кто останется в новой системе координат, а кто окажется вне ее.