Вы получаете от ИИ максимум x2 ускорения. А реально ли x10?
На этой неделе меня зацепили два текста, которые хорошо дополняют друг друга.
Первый – эссе ”ускорение x2, не x10: программируем с LLM в 2026-м” Джейкоба О'Брайанта, создателя Clojure-фреймворка Biff и сервиса Yakread. Он считает, что рост внедрения ИИ в 2026 году произошел из-за того, что модели стали достаточно надежными для эффективной работы в автоматических циклах обратной связи. Если в 2025-м году мы в основном баловались с ИИ, то сейчас – доверяем все больше задач.
Но дальше он приводит интересную аналогию. Чтобы шагать по ступеням, ребенку нужно достигнуть определенного роста. Став взрослее, он сможет переступать через две и даже три ступени за раз, но вряд ли больше. А главное – как бы быстро вы ни поднимались по лестнице, плавать вы не научитесь, это другой навык.
ИИ в коде и другой интеллектуальной работе – подросток, где-то между одной и двумя ступенями за раз. Потолок с выходом новых моделей – три ступени, да и то в редких случаях. А условному “плаванию” и вовсе придется учиться с нуля.
Что за "плавание"? О'Брайант показывает на коде: если раньше работающая реализация означала, что задача готова на 80%, то теперь – на 20%. Из чего состоят оставшиеся 80%? Из чтения и переделки кода.
“Экономика” переворачивается не только в коде. Писать тексты с помощью ИИ можно намного быстрее, но вычитывать их надо все еще глазами. А arXiv прямо сейчас заваливает потоком ИИ-открытий в математике – настоящих и выдуманных – проверять их все предстоит живым ученым.
И вот сюда идеально ложится пост Никласа Груна с провокационным названием “Не будьте мясными прокси”. Он рассказывает, что в последнее время все чаще сталкивается с ситуацией: задал вопрос в Slack – а ответом получаешь формулировку “Claude сказал, что…”.
Мясной прокси – человек, который банально переправляет вопросы к ИИ, а ответы обратно к человеку. Но зачем? Если Груну нужно спросить Claude – то он и сам напишет промпт.
Грун добавляет, что читать вывод модели это еще и дополнительная работа – современные ИИ до сих пор многословны, сыпят терминами там, где не нужно, а часто несут чушь. Это превращает мясного прокси из ленивого коллеги в экономическую фигуру: он не просто не добавил ценности, он переложил подорожавшую работу на соседа.
Грунт заканчивает пост советом: промптите ИИ сколько угодно, но не отправляйте ответ, как есть – прочтите, проверьте и перепишите своими словами. Красивая гигиена, на которую 99% забьют.
Да и проблема куда глубже. Возьмем код-ревью как иллюстрацию. Раньше инженер несколько дней писал код, создавал PR, который смотрел ревьюер – у него свежий глаз плюс, при достаточном опыте, ревьюер еще по структуре видит, где автор поленился или устал. В итоге на нескольких авторов приходился один ревьюер – разумная экономически схема.
Сейчас она сломалась. Мясной прокси может писать код и править по комментариям почти моментально, а на ревьюера падает в разы больше нагрузки – не только из-за объемов, но и потому, что ИИ-код “ровный”, ошибку в нем на глаз не поймаешь.
Но люди привыкли решать проблемы по мере поступления: разобрались с написанием кода – возьмемся за ревью. Еще весной автоматический ревьюер Anthropic вылавливал до трети багов, инструмент доступен и корпоративным клиентам – функция Code Review в Claude Code на тарифах Team и Enterprise.
Рано или поздно дешевым станет и написание, и чтение – получается, вот оно, ускорение в 10 раз? Не совсем.
Навык чтения не уйдет, а изменится: надо будет понимать, где читать глазами, а где – задать правильные вопросы или прогнать тесты. А главное – еще важнее станет навык брать ответственность за то, что сделала модель.
–
Не быть мясными прокси я учу на “Бусти”. Вот два текста, которые пригодятся:
👉Обзор техники работы с ИИ loop engineering – как раз про то, как запускать циклы, где ИИ занимается сразу написанием и чтением.
👉“Лестница” освоения ИИ от создателя Claude Code – мой любимый текст, в котором есть подсказки, как перейти от x2 к x10 и не бояться подписываться под результатами работы ИИ.
На этой неделе меня зацепили два текста, которые хорошо дополняют друг друга.
Первый – эссе ”ускорение x2, не x10: программируем с LLM в 2026-м” Джейкоба О'Брайанта, создателя Clojure-фреймворка Biff и сервиса Yakread. Он считает, что рост внедрения ИИ в 2026 году произошел из-за того, что модели стали достаточно надежными для эффективной работы в автоматических циклах обратной связи. Если в 2025-м году мы в основном баловались с ИИ, то сейчас – доверяем все больше задач.
Но дальше он приводит интересную аналогию. Чтобы шагать по ступеням, ребенку нужно достигнуть определенного роста. Став взрослее, он сможет переступать через две и даже три ступени за раз, но вряд ли больше. А главное – как бы быстро вы ни поднимались по лестнице, плавать вы не научитесь, это другой навык.
ИИ в коде и другой интеллектуальной работе – подросток, где-то между одной и двумя ступенями за раз. Потолок с выходом новых моделей – три ступени, да и то в редких случаях. А условному “плаванию” и вовсе придется учиться с нуля.
Что за "плавание"? О'Брайант показывает на коде: если раньше работающая реализация означала, что задача готова на 80%, то теперь – на 20%. Из чего состоят оставшиеся 80%? Из чтения и переделки кода.
“Экономика” переворачивается не только в коде. Писать тексты с помощью ИИ можно намного быстрее, но вычитывать их надо все еще глазами. А arXiv прямо сейчас заваливает потоком ИИ-открытий в математике – настоящих и выдуманных – проверять их все предстоит живым ученым.
И вот сюда идеально ложится пост Никласа Груна с провокационным названием “Не будьте мясными прокси”. Он рассказывает, что в последнее время все чаще сталкивается с ситуацией: задал вопрос в Slack – а ответом получаешь формулировку “Claude сказал, что…”.
Мясной прокси – человек, который банально переправляет вопросы к ИИ, а ответы обратно к человеку. Но зачем? Если Груну нужно спросить Claude – то он и сам напишет промпт.
Грун добавляет, что читать вывод модели это еще и дополнительная работа – современные ИИ до сих пор многословны, сыпят терминами там, где не нужно, а часто несут чушь. Это превращает мясного прокси из ленивого коллеги в экономическую фигуру: он не просто не добавил ценности, он переложил подорожавшую работу на соседа.
Грунт заканчивает пост советом: промптите ИИ сколько угодно, но не отправляйте ответ, как есть – прочтите, проверьте и перепишите своими словами. Красивая гигиена, на которую 99% забьют.
Да и проблема куда глубже. Возьмем код-ревью как иллюстрацию. Раньше инженер несколько дней писал код, создавал PR, который смотрел ревьюер – у него свежий глаз плюс, при достаточном опыте, ревьюер еще по структуре видит, где автор поленился или устал. В итоге на нескольких авторов приходился один ревьюер – разумная экономически схема.
Сейчас она сломалась. Мясной прокси может писать код и править по комментариям почти моментально, а на ревьюера падает в разы больше нагрузки – не только из-за объемов, но и потому, что ИИ-код “ровный”, ошибку в нем на глаз не поймаешь.
Но люди привыкли решать проблемы по мере поступления: разобрались с написанием кода – возьмемся за ревью. Еще весной автоматический ревьюер Anthropic вылавливал до трети багов, инструмент доступен и корпоративным клиентам – функция Code Review в Claude Code на тарифах Team и Enterprise.
Рано или поздно дешевым станет и написание, и чтение – получается, вот оно, ускорение в 10 раз? Не совсем.
Навык чтения не уйдет, а изменится: надо будет понимать, где читать глазами, а где – задать правильные вопросы или прогнать тесты. А главное – еще важнее станет навык брать ответственность за то, что сделала модель.
–
Не быть мясными прокси я учу на “Бусти”. Вот два текста, которые пригодятся:
👉Обзор техники работы с ИИ loop engineering – как раз про то, как запускать циклы, где ИИ занимается сразу написанием и чтением.
👉“Лестница” освоения ИИ от создателя Claude Code – мой любимый текст, в котором есть подсказки, как перейти от x2 к x10 и не бояться подписываться под результатами работы ИИ.