В то время как прогнозы о способности искусственного интеллекта писать программный код целиком становятся все более смелыми, возникает более глубокая проблема, касающаяся развития человеческих кадров в технических организациях. В недавней презентации на конференции QCon AI Boston Аласдер Аллан (Alasdair Allan) представил критический взгляд на разрыв, который ИИ оставляет в профессиональном развитии инженеров, назвав его «пропавшими ступенями карьерной лестницы».
Между амбициозными ожиданиями и цифровой реальностью
Аллан отметил явное несоответствие между оптимистичными прогнозами и фактическими данными. В то время как Дарио Амодеи (Dario Amodei), соучредитель компании Anthropic, предсказал, что ИИ будет писать 90% кода в течение одного года, анализы показали иную реальность. Согласно исследованию, проведенному Redwood Research, доля кода, написанного ИИ в репозиториях, приближается к 50%, и этот показатель достигает 90% только при включении временных текстов и вспомогательных скриптов.
Цифры, зафиксированные в крупнейших компаниях, демонстрируют неоднородную картину:
- Google: Отчеты указывают на то, что чуть более 25% внутреннего кода было создано с помощью ИИ.
- Microsoft: Доля интеллектуальной генерации составляет около 30%.
- GitHub Copilot: Уровень принятия предложений в корпоративных средах составляет около 30%.
- Anthropic: Инженеры компании используют инструмент Claude в 59% своей повседневной работы, при этом сообщается о повышении производительности на 50%.
Парадокс надзора: скрытая угроза
Суть проблемы, поднятой Алланом, заключается не в производительности, а в том, что он назвал «парадоксом надзора» (Supervision Paradox). Хотя инструменты ИИ повышают скорость выполнения задач, они могут лишить начинающих инженеров (Juniors) возможности выработать базовые навыки, которые обычно приобретаются в процессе самостоятельного решения сложных задач программирования.
Когда ИИ берет на себя задачи, которые представляли собой «промежуточные ступени» в обучении, начинающий инженер обнаруживает, что способен быстро выдавать результат, но ему не хватает глубины знаний, необходимой для понимания того, как система работает в целом. Это приводит к когнитивному разрыву, из-за которого в будущем ему будет сложно занять руководящие или старшие инженерные должности, требующие надзора за автономными системами.
Что это означает для будущего разработки программного обеспечения?
Этот сдвиг ставит перед технологическими компаниями стратегические задачи, которые можно свести к трем основным направлениям:
- Эрозия институционального опыта: Чрезмерная зависимость от готовых инструментов может привести к потере глубокого технического контекста, который инженеры выстраивают через прямое взаимодействие со сложностями кода.
- Угроза технической цепочке поставок: Если начинающие специалисты не смогут развивать свои навыки на промежуточных этапах, компании столкнутся с нехваткой экспертов, способных управлять сложными системами ИИ и направлять их работу.
- Переосмысление роли инженера: Целью профессии больше не является «написание кода» как таковое, а способность проектировать системы и контролировать качество результатов, что требует прочной технической базы, которую ИИ не может обеспечить обучающемуся.