Мои мысли по поводу OpenAI DevDay, GPT-6 Astra и других последних обновлений в индустрии —
Пора нанимать больше инженеров и расширять горизонты исследований
Не только OpenAI установили важные вехи в развитии AI-технологий к концу сентября — DeepSeek, Qwen, Z.ai и прочие китайские компании, и даже поставщики AI-сервисов в России сейчас быстро наращивают обороты по инференсу, деплою новых моделей и инструментов. Почему я считаю, что это должно в ближайшее время открыть больше новых IT-вакансий и дать инженерам больше работы?
Сейчас кодинг-агенты достигли возможностей, позволяющих эффективно применять их в создании IT-продуктов. В руках опытного специалиста они сокращают время на вывод нового функционала в продакшен в разы. Это значит, что наконец стало возможным то, на что годами не хватало времени у программистов — разрабатывать новые концепции, модели и прототипы новых сервисов, полноценно проверять гипотезы, оптимизировать легаси-код, автоматизировать больше рабочих процессов в сжатые сроки.
Все это — реальные возможности для взрывного роста продуктивности, который может случиться в индустрии уже в скором будущем — но может и не случиться. Причина — возможные ошибки менеджмента, о которых стоит знать и стоит предупредить.
Во-первых, существует ложное представление о том, что штат опытных инженеров можно заменить кодинг-агентами. Как будто генерация кода — это то, чем люди в данной профессии главным образом занимаются. Разработчики создают логические модели системы, которые затем проверяют на практике — традиционно на этап реализации и проверки под рабочей нагрузкой уходило больше всего времени, но самым важным в смысле будущей бизнес-ценности всегда было именно то, насколько стратегически верно, в контексте конкретного бизнеса, та или иная фича была продумана и спроектирована. Если кто-нибудь на позиции IT-менеджера думает, что AI-ризонинг может служить эквивалентом этого этапа разработки, то ему следует избавиться от фантазий, во избежание крупных разочарований. Сокращение возможностей человеческого интеллекта — главного ассета компании — станет причиной неизбежных убытков в будущем.
Во-вторых, что для всех нас в практическом плане может означать возможный выход на уровень AGI, которым, как утверждается, может быть модель GPT-6 Astra? Разумеется, это зависит от того, каких критериев придерживаться для определения AGI, но если самых прагматичных — просто модель, которая может выполнять существенное большинство прикладных экономически полезных задач при относительно эффективных затратах — то, действительно, GPT-6 можно считать одной из первых моделей, близких к этой черте. Дело даже не в бенчмарках, интеграции инструментов OpenAI с рабочей средой (Dots, Codex harness) и пропускная способность их API (300 токенов/с в новом режиме Ultrafast) наконец выходят на уровень, соответствующий тому, что мы можем ожидать от AGI. Но как закрытая модель, GPT-6 Astra очень уязвима для злоупотребления контролем над ней. Уместно еще раз сказать о необходимости децентрализованного использования AI для получения от него реальной выгоды — это даже важнее, чем достижение AGI.
Таким образом, IT имеет реальные шансы на стремительный рост, если компании смогут привлечь достаточно квалифицированных специалистов с бэкграундом в разработке и использовать их экспертизу для исследования путей правильной AI-трансформации бизнеса.
Пора нанимать больше инженеров и расширять горизонты исследований
Не только OpenAI установили важные вехи в развитии AI-технологий к концу сентября — DeepSeek, Qwen, Z.ai и прочие китайские компании, и даже поставщики AI-сервисов в России сейчас быстро наращивают обороты по инференсу, деплою новых моделей и инструментов. Почему я считаю, что это должно в ближайшее время открыть больше новых IT-вакансий и дать инженерам больше работы?
Сейчас кодинг-агенты достигли возможностей, позволяющих эффективно применять их в создании IT-продуктов. В руках опытного специалиста они сокращают время на вывод нового функционала в продакшен в разы. Это значит, что наконец стало возможным то, на что годами не хватало времени у программистов — разрабатывать новые концепции, модели и прототипы новых сервисов, полноценно проверять гипотезы, оптимизировать легаси-код, автоматизировать больше рабочих процессов в сжатые сроки.
Все это — реальные возможности для взрывного роста продуктивности, который может случиться в индустрии уже в скором будущем — но может и не случиться. Причина — возможные ошибки менеджмента, о которых стоит знать и стоит предупредить.
Во-первых, существует ложное представление о том, что штат опытных инженеров можно заменить кодинг-агентами. Как будто генерация кода — это то, чем люди в данной профессии главным образом занимаются. Разработчики создают логические модели системы, которые затем проверяют на практике — традиционно на этап реализации и проверки под рабочей нагрузкой уходило больше всего времени, но самым важным в смысле будущей бизнес-ценности всегда было именно то, насколько стратегически верно, в контексте конкретного бизнеса, та или иная фича была продумана и спроектирована. Если кто-нибудь на позиции IT-менеджера думает, что AI-ризонинг может служить эквивалентом этого этапа разработки, то ему следует избавиться от фантазий, во избежание крупных разочарований. Сокращение возможностей человеческого интеллекта — главного ассета компании — станет причиной неизбежных убытков в будущем.
Во-вторых, что для всех нас в практическом плане может означать возможный выход на уровень AGI, которым, как утверждается, может быть модель GPT-6 Astra? Разумеется, это зависит от того, каких критериев придерживаться для определения AGI, но если самых прагматичных — просто модель, которая может выполнять существенное большинство прикладных экономически полезных задач при относительно эффективных затратах — то, действительно, GPT-6 можно считать одной из первых моделей, близких к этой черте. Дело даже не в бенчмарках, интеграции инструментов OpenAI с рабочей средой (Dots, Codex harness) и пропускная способность их API (300 токенов/с в новом режиме Ultrafast) наконец выходят на уровень, соответствующий тому, что мы можем ожидать от AGI. Но как закрытая модель, GPT-6 Astra очень уязвима для злоупотребления контролем над ней. Уместно еще раз сказать о необходимости децентрализованного использования AI для получения от него реальной выгоды — это даже важнее, чем достижение AGI.
Таким образом, IT имеет реальные шансы на стремительный рост, если компании смогут привлечь достаточно квалифицированных специалистов с бэкграундом в разработке и использовать их экспертизу для исследования путей правильной AI-трансформации бизнеса.