AI-вангование, итоги8 месяцев назад довелось мне поучаствовать в круглом столе на FrontEnd Conf 2025, где мы обсуждали тему внедрения AI в SDLC.
А недавно
Глеб сообщил о том, что записи наконец выложили в открытый доступ, так что теперь есть чем поделиться :)
Пересказывать видео не буду, советую всё-таки посмотреть - дискуссия во многом всё ещё актуальная:
Круглый стол про AI в SDLCЛучше сделаю вот что.
Готовясь к выступлению, я набросал список своих наблюдений/предсказаний/идей о том, куда движется индустрия.
И вот, спустя восемь месяцев, стало любопытно сопоставить этот список с тем, к чему мы пришли: что подтвердилось, что устарело, о чём можно было сказать больше.
Список был такой:
🟢
1. Переход на работу с ИИ для разраба - смена психотипа с исполнителя на манагера, и сильно другой процесс мышления и навыков, не все переживут.
Подтвердился в полной мере. "Оркестратор агентов" стал общепринятым взглядом на то, как меняется профессия разработчика.
А "не все переживут" - по опросам, заметная доля компаний планирует расставаться с теми, кто не адаптируется.
Хотя я всё ещё считаю, что индустрия плохо старается в плане переучивания, а некоторые компании прям соревнуются в беге по граблям.
🟢
2. Цикл "постановка / ожидание / проверка" невыносим для некоторых психотипов.Это из невысказанного :) За восемь месяцев народился целый жанр текстов про выгорание не от привычной работы, а от управления агентами: люди жалуются на возросшую когнитивную нагрузку, сложности с переключением, мелкую нарезку рабочего времени.
Да, с наскоку новый ритм оказался для многих выматывающим - сам через это проходил ещё на заре агентной эры, в
ноябре 2024го.
🟡
3. Не все могут чётко выражать свои мысли - это независимо от профессии и места в иерархии.Косвенно. Ну да, случились
открытия, что качественно сформулировать намерение, чтобы бежать в правильную сторону - это, внезапно, важно.
Но одним из лейтмотивов того, почему у вроде бы одинаковых по скиллам людей получаются сильно разные результаты от ИИ, это наблюдение не стало.
А это, блин, вооот такенная проблема, особенно когда посмотришь вживую на то, как иногда ставятся задачи, и как в принципе передаётся информация от человека машине.
🟢
4. В оргах (и многих людях) дофига tacit knowledge, которое крайне сложно из них вытаскивается, но им самим кажется очевидным.Этот, кажется, ещё и обострился. Мы за пару лет прошли от prompt engineering к context engineering, к скиллам и теперь вот даже целым бандлам скиллов для разных профессий, но проблема извлечения скрытого знания остаётся одним из главных узких мест в больших/старых организациях.
Более того, теперь ещё и чётко обозначилось сопротивление этому работников, особенно на фоне форсированного внедрения ИИ и запугивания увольнениями.
🟢
5. Успех внедрения ИИ зависит от доменной области, и если твой конкретный ИИ с ней плохо метчится - целый новый набор костылей нужен, боль и страдание.Можно было бы ожидать появления ультра-эрудированных моделей, но увы. Если для вашей предметной у нейронки для обучения не хватило датасетов - интеллект её не спасёт: на каждый чих придётся собирать кучу контекста, т.к. знаний или хотя бы интуиции самой нейронки не хватит (даже если это Fable).
🟡
6. Сеньоры+, которые открыты к использованию ИИ - новая нефть )Да, и даже уже находит денежное выражение. AI-суперюзеры могут быть в несколько раз продуктивнее медленных адоптеров, чаще получают повышение, а ещё местами практикуется надбавка за ИИ-скиллы и сопутствующее повышение эффективности.
А жёлтый тут потому, что "надбавки" недостаточно - люди будут уходить к более гибким конкурентам, делать свои продукты и строить AI-native teams и compounding startups.
🟢
7. Внедрение сверху ваще не работает в варианте "давайте просто купим подписки и курсы".Ну это вообще стало базой, я и сам на нескольких докладах про это рассказывал, и мне даже реклама хайлоада постоянно попадается со слоганом "Cursor выдали — AI не внедрили" :)
Хочется успешных внедрений - нужно учиться гибридному подходу и создавать условия для того, чтобы инициатива сверху встретилась с энтузиазмом снизу. И это только начало пути.
🟢
8. Усилилось неравенство в командах, т.к. ИИ выступает мультипликатором (у кого-то - 1.1, а у кого-то - 0.9).Тут я вилку, кажется, даже занизил - в действительности разброс оказался гораздо сильнее.
И да, реально есть те, у кого внедрение ИИ идёт в минус, как на уровне команд, так и отдельных людей :)
🟢
9. Роль конкретной личности резко возросла.Прямое следствие №8 - разница между людьми, которые ИИ только трогают и теми, кто активно внедряет его в рабочие процессы, стала разительной, и продолжает усиливаться (вы посмотрите на
Валеру Ковальского, к примеру :))
Всё как и
писал один из фаундеров Anthropic:
к лету [2026-го] я ожидаю, что многие люди, работающие с передовыми ИИ-системами, будут чувствовать, будто живут в параллельном мире по сравнению с теми, кто с ними не работает. И, думаю, это будет больше, чем просто ощущение.
Это, кстати, ещё и сильно меняет рамку того, как таких людей вписывать в процессы.
Сама по себе ситуация нестандартная - ну представьте, что у вас сотрудник внезапно начал выдавать результат как целая команда :)
🟡
10. Фичи могут реализовываться по времени так же, но при этом успевают пройти больше итераций улучшения, что, как правило, дает большее качество.Наполовину угадал. Скорость на отдельных этапах SDLC явно выросла, и да, стали больше смотреть на глобальные метрики, но системно пока что не придумали, как быть с этой скоростью на локальном участке, если пока что весь пайплайн не получается ускорить.
Ответ "простой" - работа над качеством и микроитерации на отдельно ускорившемся этапе.
🟢
11. Разработка смещается в сторону спеков на вход и верификации на выходе, а код генерит ИИ, отбирая кайф у тех, кто любит писать код - надо искать другие источники кайфа для них, нужен рефрейминг и т.п.Ох, тут половина индустрии в состояниях от легкой грусти до ПТСР, потому что поменялся характер самой работы. И отнятый кайф - это один из главных вкладов в то самое выгорание из пункта №2.
Что делать - искать инженерную красоту в других вещах (про это, кстати, есть в докладе).
🟢
12. Внедрение ИИ в оргах = структурные изменения = рефакторинг организаций, что тянет за собой целый спектр технически-культурно-психологических вызовов, надо сразу над всем этим спектром думать для успехаПодтвердился через массовые провалы внедрений. По сути, это проблема управления изменениями, мимикрирующая под внедрение технологий.
А учитывая компоненту того, что у нас не было прецедентов внедрения ИИ в прошлом, это даже в терминах управления изменениями не всегда получается точно выразить, приходится разбираться по месту и да,
думать.
—
В целом удивительно, что тогдашние наблюдения не просто сохранились, а стали куда заметнее, несмотря на темпы прогресса в области.
За прошедшее время, конечно, очень много произошло - успели появиться и исчезнуть подходы к ИИ-разработке, оформились интересные тренды и всё ещё сильнее ускорилось.
Появилась и куча новых наблюдений и интересных исследований, на несколько серий постов хватит :)
#ai #sdlc #конфа
