Исторически работа инженера была устроена примерно как 80/20. Восемьдесят процентов — рутинное исполнение: бойлерплейт, повторяющиеся баги, тикеты, конфиги, несложные тесты. Двадцать процентов — глубокое мышление: понимание реальной задачи, проектирование систем с учетом ограничений, отладка непредсказуемых корнер кейсов, принятие компромиссных решений. Именно во вторых двадцати процентах сеньор отличался от джуна — не скоростью набора кода, а ясностью мышления. А первые восемьдесят были своего рода учебной площадкой, на которой эта ясность постепенно вырастала.

Теперь ИИ закрыл эти 80%. Бойлерплейт писать не нужно, CRUDы и тесты генерятся за секунды. Здорово же! Инженеры освободятся от скучного и сосредоточатся на сложном и интересном. Но никто не сказал вслух очевидное — двадцать процентов были тяжёлыми именно потому, что требовали сосредоточенного глубокого мышления. Теперь от инженера ожидают, что он будет жить в этом режиме постоянно. А человеческий мозг так не работает.

Да, бойлерплейты писать скучно до жути. Но пока их пишешь, мозг восстанавливается. Проектирование сложных архитектур, нюансов распределенных систем, думать об оптимизации множества потоков данных — глупо отрицать, что это все вызывает когнитивную усталость другого рода. И теперь «благодаря» ИИ такой усталости будет все больше.

В мире ИИ постоянно дискутируют о контекстных окнах моделях, как правильно управлять контекстом, когда делать сжатие и так далее. Это все разумные инженерные вопросы. Но есть еще одно контекстное окно, о котором никто не говорит. Контекстное окно человека-инженера не расширяется. Это тот же мозг, что и раньше, только теперь он должен справляться с более сложной архитектурой, быстрее принимать решения в условиях неопределенности и чаще переключаться между системами. В отличие от модели, вы не можете просто увеличить объем контекста. Вы не можете добавить больше оперативной памяти в префронтальную кору головного мозга.

В LinkedIn завирусился пост стафф-инженера Google, который ушёл из компании. Не из-за зарплаты, а потому что работа стала проходить в постоянной спешке и потеряла смысл.

Если это происходит в Google — одной из самых технически продвинутой компании в мире — стоит задаться вопросом, что на самом деле делает ИИ с разработкой программного обеспечения. Не в пресс-релизах и красивых графиках, а на практике.

Я обсуждал с коллегами вопрос о необходимости пересмотра подхода к ревью кода для адаптации к новой реальности. Даже ведро фенотропила не усилит когнитивные ресурсы настолько, чтобы с той же эффективностью и фокусом отсматривать в десять раз больший объем кода по сравнению с тем временем, когда весь код писался инженерами. Это невозможно физически. Часть работы контроля качества кода приходится делегировать тому же ИИ (очевидный совет: использовать разные модели для генерации и валидации кода). «Долг непонимания» (comprehension debt) растет неизбежно. Когда AI генерирует большие куски системы, инженер может быстро доставить фичу, но так и не сформировать полноценную ментальную модель того, как всё устроено. Пока всё работает — это незаметно. Но когда через несколько недель появляется сложный баг, оказывается, что разбираться приходится практически с чужим кодом. А ведь бежать требуется все быстрее и быстрее — бизнес ожидает, что субсидирование токенов сделает инженера эффективнее в N раз (не стоит быть наивным и считать, что у вашего руководства нет и не будет таких ожиданий, «наверху же не дураки сидят»).

Что с этим делать? Вопрос открытый и каких-то универсальных решений, кажется, нет. Нужно не бояться брать время на обдумывание архитектурных решений, не опасаясь того, что мог бы закрыть больше задач c помощью ИИ. Когнитивное восстановление теперь часть работы, но его нужно уметь организовать самостоятельно. Классический путь роста от джуна до старшего спеца теперь сломан, и с этим тоже надо что-то делать.

Какие мысли есть у тебя насчёт трансформации профессии и адаптации к новой реальности? Делись в комментариях.