🚀 Мозок вже є. Хто будує тіло?

Півтора року тому, коли вийшов DeepSeek R1, мені стало кристально зрозуміло: "Ось воно. Це тут." Я почав пушити в команді — люди, треба ловити хвилю, бо через рік буде пізно. Рік минув. Маємо Opus 4.6, Gemini 3, GPT 5.4, купу open-weight моделей, які пишуть продакшн-код. Але туман майбутнього нікуди не дівся — що конкретно робити інженеру, щоб не вилетіти з ринку?

Зараз я починаю бачити наступний крок. І цей інсайт — масштабу того, що був півтора року тому.

Моделі вже достатньо розумні. Правильний промпт і контекст — і SOTA-модель закриє буквально будь-яке завдання. Гонка інтелекту по суті виграна. Далі буде "зробити дешевше" і "запустити локально" — це цікаво гікам, але зараз не про це.

А про що — так це про те, що світ LLM-агентів тихо розколовся на дві частини: мозок (сама модель) і тіло (Harness — середовище, яке дає моделі працювати). Harness — це не модель. Це інтерфейс до оператора, MCP/ACP протоколи, памʼять, інструменти для CLI і коду, скіли, оптимізація токенів. Все, що перетворює розумну модель на робочу машину.

Глянь, що зараз росте як на дріжджах: Claude Code, GitHub Copilot, Spec-kit, Codex, OpenClaw. Це не моделі. Це — тіла. І саме тут буде твоя наступна робота: збирати під кожен проєкт свій harness і налаштовувати петлі самоеволюції так, щоб проєкт розвивався сам — а ти інженер, який проєктує цю машину.

Три незручні правди одночасно. Це кардинально інша робота, ніж писати код. Harness-інженерів потрібно в рази менше, ніж звичайних розробників. І найкращі вже почали.

Маєш 1-2 роки. Не "вивчити AI" — а навчитись будувати машини, які самі розвиваються. Питання не "чи забере AI мою роботу?" Питання — ти будуєш машину, чи тебе нею замінять?

---
🌱 Keep calm and grow | 💬 Обговорити 1-на-1