С появлением LLM код и прототипы стали появляться заметно быстрее. Рабочее решение можно собрать за вечер, а иногда и за несколько часов. Но всё чаще результат готов раньше, чем приходит понимание того, как это решение должно жить в продукте и какую ценность оно приносит бизнесу.
Именно здесь возникает главная ошибка, ведь так легко спутать скорость реализации с профессиональной ценностью.
LLM действительно ускоряют работу, снимают часть рутины и помогают быстрее дойти до рабочего варианта. Но они не думают за вас и не принимают решений за продукт.
На практике обычно это выглядит так: прототип выглядит убедительно, но не встраивается в продуктовый процесс. LLM используется не для ускорения понятных шагов, а чтобы закрыть неопределённость.
Проблема в том, что такие решения редко доходят до реального использования. Их сложно защитить перед командой и менеджментом. Вклад специалиста становится размытым, а рост по грейдам постепенно замедляется. В какой-то момент ценность человека начинает слабо отличаться от ценности самого инструмента.
Сильный ML-специалист сегодня мыслит иначе. Он начинает не с кода, а с формулировки задачи и эффекта, который нужен бизнесу. Использует LLM как ускоритель, а не как источник ответов. Проектирует систему целиком, заранее думая о данных, метриках, рисках и внедрении. И оценивает результат по тому, как оно работает в реальности.
И если можно было бы выделить одну ключевую мысль, то вот она:
LLM ускоряют руки. Ценность создаёт мышление. Именно это по-прежнему отличает сильного ML-специалиста от всех прочих.
А есть ли в ваших проектах задачи вы сознательно не используете LLM и почему?