Почему ИИ не заменил программистов и вряд ли заменит остальных

Увольнения под флагом ИИ чаще всего оказываются прикрытием

Каждый раз, когда заголовок сообщает об очередных сокращениях из-за нейросетей, при ближайшем рассмотрении вскрывается обычная финансовая история. В феврале 2026 Amazon сначала объяснил сокращения генеративным ИИ, а потом глава компании Энди Джасси признал, что дело не в нём. По данным Challenger, Gray & Christmas, в 2025 году в США объявили больше 1,2 млн сокращений, и лишь около 55 тысяч из них, примерно 4,5%, хоть как-то связали с ИИ.

Опрос Harvard Business Review среди тысячи с лишним руководителей вскрывает механику. Двадцать один процент компаний уже резали штат «в ожидании ИИ» и только два процента – из-за реального внедрения. Разрыв в десять раз говорит, что руководители списывают на нейросети то, что объясняется давлением на издержки и перенаймом ковидных лет. Назвать причиной ИИ перед советом директоров и инвесторами проще и приятнее, чем признать ошибку в найме или переоценку спроса. Я как венчурный партнёр вижу обратную сторону этой же истории: на питчах основатели всё чаще обещают «команду в три человека, остальное делает ИИ», и это почти всегда сигнал, что юнит-экономику ещё не свели.

Написание кода никогда не было бутылочным горлышком

Главное заблуждение строится на простой подмене: раз ИИ пишет почти весь код, программисты больше не нужны. Но писать код и раньше не было узким местом. В работе NBER «Writing Code vs Shipping Code» на выборке из ста тысяч разработчиков агенты увеличили объём написанного кода в восемь раз, а число готовых релизов выросло лишь на тридцать процентов. Машина разогнала исполнение почти до предела, и тут же стало видно, что затык лежит совсем в другом месте.

Чтобы понять, где именно, работу удобно разложить на три слоя. Первый – решение: что мы строим и зачем, какую гипотезу проверяем, какие ограничения держим в голове. Второй – исполнение: собственно производство, написание кода, сборка. Третий – ответственность: проверка, что результат не врёт, не ломает систему и решает поставленную задачу. ИИ сжал средний слой почти до нуля, а два крайних оставил нетронутыми, и упираются они не в мощность модели.

Почему два крайних слоя сопротивляются автоматизации

Слой решения требует понимания рынка, пользователя и приоритетов бизнеса. Как только какое-то решение можно отдать модели, оно перестаёт быть источником преимущества, и ценность человеческого выбора смещается на уровень выше. Сложность систем со временем только растёт, потолка у этого процесса нет.

Слой ответственности упирается в того, кто отвечает деньгами и репутацией. Сегодняшние модели слишком ненадёжны, чтобы отгружать критичный результат без проверки человеком. Даже если технический барьер однажды снимут, мы не обязаны отдавать контроль – через нормы, договорённости и закон общество вполне может держать человека ответственным там, где цена ошибки высока. Это устойчивее, чем пытаться тормозить сами способности модели.

Кейс: когда я выбирал между «дёшево» и «правильно»

У меня есть Пиксель-квест, детское развлекательное пространство, которое я развиваю с партнёром. В какой-то момент маркетинг там недотягивал, бизнес болтался около нуля, и логичным казалось срезать расходы на самый дешёвый вариант. Я сделал обратное – взял более дорогого человека без гарантии, что он окупится.

Узкое место сидело в качестве решений, и арифметика бюджета тут была вторична. Дешёвый исполнитель или генератор картинок эту дыру не закрывал, потому что проблема была не в объёме произведённого, а в том, кто решает и отвечает за результат. Когда я сейчас читаю прогнозы про «ИИ заменит команду», я вспоминаю тот выбор. Машина усилила бы исполнителя в разы, но слой решения и слой ответственности всё равно остались бы на человеке.

Где ИИ всё-таки выбивает людей

Чтобы это не звучало как евангелизм, честно про обратную сторону. Под давлением оказываются те, кто продавал только исполнение. Если специалист или подрядчик жил на потоковом производстве однотипных задач, ИИ забирает этот хлеб. Так уже было однажды внутри самой разработки: профессия «программист», отвечающая только за код, обесценилась рядом с «инженером», который держит больший кусок работы. ИИ просто ускоряет давний тренд, обесценивая чисто техническую часть.

Есть и второй честный сценарий. Иногда ИИ не делает работу человека, а убивает спрос на сам продукт – так сервисы вроде помощников с домашними заданиями теряют аудиторию, и людей сокращают уже из-за этого. Это реально, но это другое явление, чем «ИИ заменил специалиста».

Почему дешёвый код увеличивает спрос на людей

Когда производство дешевеет, его становится только больше. Софт – товар с высокой эластичностью: чем дешевле его создавать, тем больше его заказывают, а раз модель не заменяет инженера целиком, спрос на дешёвый код оборачивается спросом на людей, которые этот код направляют и принимают. Исторически так и было: число программистов в США выросло с почти нуля в 1950-х до миллионов сегодня, хотя инструменты всё это время только упрощались.

Российский рынок проходит ту же логику. По исследованию «Якова и Партнёров» с Яндексом, к концу 2025 года генеративный ИИ использовали 71% крупных компаний. При этом McKinsey в обзоре The State of AI за 2025 год нашёл, что лишь 39% компаний фиксируют хоть какое-то влияние ИИ на прибыль, и у большинства из них оно ниже пяти процентов. Инструмент внедрён почти повсеместно, а измеримого результата, ради которого якобы режут штат, почти ни у кого нет.

Что с этим делать

Профессия не исчезает, она перетекает в слои решения и ответственности. Тот, кто умел только производить, переучивается ставить задачу и проверять результат, и это не метафора, а буквальное содержание работы ближайших лет. Когда я оцениваю команду на входе в сделку, я смотрю не на то, сколько они пишут, а на то, кто в ней принимает решения и кто отвечает за выпуск. Эти двое не заменяются моделью, и именно за них в итоге платит рынок.

Если эта тема вам близка, подписывайтесь на мой блог, здесь пишу про инвестиции, предпринимательство и ИИ.