AI с фундаментом и без: почему ценность грамотного техлида не падает, а растёт с автоматизацией
Middle с агентами выдаёт код, который по сути не отличим от кода сеньора и техлида: идиоматичный, хорошо названный, согласованный с тем, что есть вокруг.
Получается, ИИ всех уравнял, и теперь разница между грейдами только в опыте? Разберемся вместе.
🎯 Выравнивается только написание кода
Прирост от ассистентов распределён неравномерно: в эксперименте Microsoft на 1700 разработчиков у менее опытных он выше, чем у senior. Прирост есть там, где критерий правильности тривиален: компилируется, проходит тесты, делает то, что просили.
Дальше начинается работа, где "готово" означает архитектурную согласованность, поведение под нагрузкой и обратимость изменения, – и там прирост исчезает у того, кто не может такой критерий сформулировать.
🧠 Где именно AI перестаёт помогать
Неопределённость по решению модель закрывает отлично. Неопределённость по критерию правильности – "как мы поймём, что это верно" – она не закрывает. Это невозможно сделать без понимания системы, домена и последствий.
Инженерный фундамент – это способность сузить второе до проверяемой формы. "Сделай лучше" превращается в "тест X зелёный, контракт Y не изменился, вот команда, которая это доказывает".
🧭 Зачем техлид нужен теперь
🔸 Видеть систему на уровень выше изменения – что от него зависит, что под нагрузкой, что при откате, что через три года. Модель оптимизирует удовлетворение запроса и сама этих вопросов не задаёт.
🔸 Продумывать наперёд и декомпозировать – агент наследует границы системы или их отсутствие; нехватку структуры он по своей инициативе не компенсирует вопросами и интуицией, как это делает человек.
🔸 Брать риск релиза на себя – агент готовит план, код, тесты и описание PR, решение о приемлемости риска остаётся человеческим и подкреплённым доказательствами.
🔸 Договариваться с соседними командами, продуктом и бизнесом – посредников между инженером и продуктовым решением стало меньше, требований к аргументации больше.
По сути – ничего не изменилось.
🧱 Фундамент теперь набирается тяжелее
Как было раньше: год-полтора на шаблонном коде и рутинной отладке рядом с наставником, потом несколько лет самостоятельной работы на разных проектах, углубление в свой домен, – и вот, уже к тебе начинают приходить с вопросами "а как тут сделать лучше?".
Теперь половина этого пути уже автоматизирована. Вооружившись Claude Code, любой мидл сам может сделать "как лучше", даже если не в полной мере понимает, почему оно именно так.
Контролируемый эксперимент Anthropic на 52 инженерах, преимущественно junior-уровня, показывает цену автоматизации рутинных задач: время выполнения задачи с ассистентом меняется слабо, а понимание только что использованных концепций проседает, сильнее всего – на отладке.
Удерживали знание те, кто просил объяснения и сам разбирал ошибки.
🛠 Что развивать в себе
🔹 Понимание задач бизнеса: "что" и "как" делает код уходит на второй план – это LLM может сделать хорошо. Разработчику теперь важнее понимать "почему", чтобы принимать верные решения и давать агентам правильные вводные
🔹 Код-ревью агентов и людей: Самостоятельно писать код уже практически не нужно. Фокус смещается на тщательный разбор того, что выдает LLM. Важно смотреть не только то, что поменялось, но и что от этого зависит, что под нагрузкой, что при откате, как это влияет на систему в целом
🔹 Критическое мышление: AI очень хорошо умеет давать правдоподобные, но неверные решения. Отлавливать их до того, как они попадут в прод – важнейшая задача
📚 Что почитать:
"AI doesn't create great developers, it amplifies them" – LeadDev
"How AI assistance impacts the formation of coding skills" – Shen & Tamkin, Anthropic
