# Эндрю Ын и Лоуренс Морони о будущем карьеры в ИИ

Источник: https://www.youtube.com/watch?v=AuZoDsNmG_s
Канал: Stanford Online
Опубликовано: 17.12.2025

---

Недавняя лекция в Стэнфордском университете собрала ведущих экспертов в области искусственного интеллекта — Эндрю Ына и Лоуренса Морони. Специалисты подробно обсудили текущее состояние рынка труда в сфере ИИ, проблемы прохождения технических интервью и неизбежность смены приоритетов от чистой разработки к продуктовому менеджменту. Главной идеей выступления стало утверждение, что наступающая эпоха открывает беспрецедентные возможности для тех, кто умеет совмещать инженерные навыки с глубоким пониманием бизнес-процессов.

## 🚀 Золотой век разработки и продуктовое «бутылочное горлышко»
[[JUMP:0:04]]

По мнению Эндрю Ына, сейчас наступило лучшее время для создания продуктов с использованием искусственного интеллекта и построения карьеры в этой области. Несмотря на звучащие в медиа вопросы о возможном замедлении прогресса ИИ, реальные метрики демонстрируют обратное. Ссылаясь на исследование организации MER meter, Эндрю Ын отметил, что сложность задач, выполняемых ИИ (измеряемая временем, которое требуется человеку на их выполнение), удваивается каждые семь месяцев. В сфере написания кода этот показатель еще более впечатляющий — удвоение возможностей происходит примерно каждые 70 дней. 

Благодаря таким мощным строительным блокам, как большие языковые модели (LLM), архитектура RAG, агентные рабочие процессы и голосовой ИИ, современные разработчики способны создавать программное обеспечение, превосходящее по своим возможностям все, что существовало еще год назад. Скорость разработки выросла многократно, однако это породило неожиданный побочный эффект. 

Эндрю Ын подчеркивает, что главным «бутылочным горлышком» в Кремниевой долине становится не написание кода, а продуктовый менеджмент (Product Management). Когда путь от четко написанной спецификации до готового кода занимает считаные минуты, критически важным становится решение — что именно нужно собирать и как правильно составить техническое задание. В технологических компаниях традиционное соотношение инженеров и продакт-менеджеров (составлявшее от 4:1 до 8:1) стремительно сокращается. По наблюдениям Ына, в некоторых передовых командах это соотношение уже доходит до 2:1 или даже 1:1. 

Наиболее востребованными и быстрыми на рынке становятся инженеры, способные совмещать в себе технические навыки и функции продакт-менеджера: общаться с пользователями, проявлять эмпатию к их проблемам и самостоятельно принимать решения по развитию продукта. 

## 🕸️ Сила связей и ловушка «горячих» брендов
[[JUMP:9:18]]

Окружение человека играет ключевую роль в скорости его обучения и карьерном успехе. Эндрю Ын привел в пример социологические исследования: если пять ваших ближайших друзей курят, то вероятность того, что вы тоже закурите, крайне высока. Аналогично, если ваше окружение состоит из целеустремленных, трудолюбивых и быстро развивающихся людей, вы неизбежно будете расти вместе с ними. 

Стэнфордский университет в этом контексте обладает уникальной «соединительной тканью». Множество сотрудников ведущих ИИ-лабораторий мира являются бывшими студентами стэнфордских профессоров. По словам Ына, это позволяет ученым университета первыми узнавать о закрытых технологических прорывах и тестировать гипотезы до того, как они будут опубликованы в открытом доступе. Такие инсайды зачастую полностью меняют техническую архитектуру коммерческих проектов еще на этапе планирования.

При выборе места работы Эндрю Ын советует ориентироваться не на громкое имя или «горячий» логотип компании, а на команду, с которой придется взаимодействовать каждый день. В качестве примера он рассказал историю выпускника Стэнфорда:

* Студент получил оффер от компании со сверхпопулярным ИИ-брендом.
* Руководство отказалось сразу назвать команду, сославшись на внутреннюю систему ротации.
* После подписания контракта молодого специалиста распределили заниматься бэкендом платежной системы на Java.
* ИИ-студент, не получивший доступа к профильным проектам, уволился в глубоком разочаровании через год.

Эндрю Ын резюмировал, что работа в менее известной компании, но со знающими, умными людьми, продвинет карьеру гораздо быстрее, поскольку опыт приобретается в ежедневном общении, а не от созерцания красивого логотипа на входе. Он также призвал студентов не бояться работать руками, создавать пет-проекты по выходным без чьего-либо разрешения и не стесняться много и упорно трудиться, так как за каждым успешным PhD-студентом всегда стоят ночные сессии по настройке гиперпараметров.

## 💼 Рыночная реальность и вредные советы из методичек
[[JUMP:19:06]]

Приглашенный спикер Лоуренс Морони, руководивший направлением ИИ-адвокатов в Google, а ныне возглавляющий подразделение в ARM, поделился своим взглядом на рынок труда. За последние полтора года он провел менторство десятков молодых специалистов и констатировал: на рынке наблюдается спад найма на позиции начального уровня (Junior), сопровождающийся громкими сокращениями в Meta, Microsoft и Amazon. Однако паниковать не стоит —關鍵 заключается в правильном позиционировании.

Лоуренс Морони рассказал поучительную историю об элитном разработчике из сферы медицинского ПО, который попал под сокращение в апреле. Парень переживал тяжелый личный кризис: одновременно с потерей работы от него ушла девушка, а затем умерла собака. Он вел таблицу, в которой отслеживал более 300 вакансий, доходил до финальных стадий интервью в Meta, Microsoft и структурах Джеффа Безоса, но раз за разом получал отказы, несмотря на идеальное решение задач по кодингу.

Причину неудач удалось выяснить во время симуляции жесткого стресс-интервью. Выяснилось следующее:

* Кандидат строго следовал советам из популярных карьерных брошюр: «имейте жесткий стержень», «отстаивайте свое мнение», «не прогибайтесь».
* При попытках Морони указать на ошибки в коде или редкие граничные случаи (corner cases), парень начинал вести себя агрессивно и враждебно.
* Для нанимающих менеджеров он выглядел как токсичный, хоть и гениальный одиночка, которого опасно пускать в команду.

После того как Морони помог ему скорректировать поведение и сместить фокус на демонстрацию навыков командной работы, разработчик успешно прошел собеседование в компании, где высоко ценился командный дух, и в итоге удвоил свой предыдущий оклад после шести месяцев безработицы.

Исторический экскурс Морони показывает, что индустрия циклична. В 2022–2023 годах на фоне выхода из пандемии и бума ИИ компании устроили агрессивную охоту за головами, нанимая любого, у кого в резюме было упомянуто «AI», что привело к массовому раздуванию штатов и найму неквалифицированных сотрудников. Период 2024–2025 годов стал временем «великого отрезвления» и калибровки, когда бизнес начал жестко оптимизировать расходы и требовать реальных результатов.

## 🏛️ Три столпа успеха и новая эра производства
[[JUMP:29:10]]

По мнению Лоуренса Морони, для достижения успеха в текущих реалиях соискатель должен опираться на три фундаментальных столпа:

1.  Глубокое академическое понимание (способность читать научные статьи, разбираться в архитектурах моделей и отделять реальные технологические сигналы от маркетингового шума).
2.  Бизнес-фокус (умение сопоставлять свои результаты с коммерческими целями компании. Продуктивность должна измеряться не часами, проведенными в офисе по системе 996, а осязаемым объемом созданной ценности).
3.  Ориентация на доставку продукта (bias towards delivery). Идеи сами по себе стоят дешево, ценность имеет только исполнение.

Морони поделился личным лайфхаком: свою известную книгу по ИИ он написал всего за два месяца, работая по вечерам под включенные на заднем плане трансляции бейсбольных матчей команд Seattle Mariners и LA Dodgers. Это пример эффективного использования времени ради создания готового продукта.

Кроме того, Морони рекомендует перехватывать инициативу на собеседованиях с помощью демонстрации собственного работающего кода. Когда он устраивался в облачную команду Google, вместо ответов на абстрактные головоломки вроде «сколько теннисных мячей поместится в автобус», он показал интервьюерам разработанное им на Java приложение для прогнозирования цен на акции в их облачной инфраструктуре. В результате все собеседование свелось к обсуждению его личного проекта, что поставило кандидата в позицию эксперта.

Эпоха, когда платили за создание «классных» вещей, прошла. Лоуренс Морони констатирует: сегодня во главе угла стоит слово «production» (производство). Бизнес интересует оптимизация моделей, понимание UX и сокращение издержек.

## ⚖️ Эволюция ответственности и уроки Gemini
[[JUMP:37:44]]

В современной ИИ-индустрии происходит заметный сдвиг ценностей. Морони отмечает, что маятник корпоративной культуры, который в прошлые 10 лет сильно отклонился в сторону активизма и поощрения сотрудников «приносить всю свою личность на работу», теперь качнулся обратно к строгому бизнес-фокусу. По его мнению, избыточный активизм порой вредил компаниям. В качестве примера он привел инцидент двухлетней давности, когда протестующие активисты заблокировали офис руководителя Google Cloud и разгромили его рабочий стол, что привело к массовым увольнениям и ужесточению внутренней политики.

Понятие ответственного ИИ (Responsible AI) также эволюционировало из абстрактных социальных лозунгов в плоскость минимизации бизнес-рисков и защиты репутации. Морони наглядно продемонстрировал это на примере ранних версий модели генерации изображений Gemini от Google, где инженеры попытались нативно исправить проблему предвзятости данных:

* При запросах на генерацию азиатских или индийских женщин модель выдавала корректные изображения.
* При запросе «европеоидная женщина» (Caucasian) или «белая женщина» встроенный фильтр безопасности панически блокировал генерацию, заявляя, что это может привести к опасным стереотипам, фактически обманывая пользователя.
* При обходном запросе «ирландская женщина» модель выдавала изображения, где у 100% сгенерированных лиц были ярко-рыжие волосы. При этом в реальной Ирландии доля рыжеволосых составляет всего около 8%.
* В попытках добиться расового разнообразия алгоритм перехватывал исторические запросы, предлагая изображения чернокожих самураев или женщин-викингов.

Этот наивный подход к безопасности нанес сильный репутационный ущерб продукту. Морони подчеркивает, что современный специалист по ИИ должен уметь системно оценивать риски трансформации эвристических вычислений в интеллектуальные, не допуская подобных примитивных ошибок в логике фильтров.

## 📉 «Вайб-кодинг» и управление техническим долгом
[[JUMP:47:44]]

Популярный в соцсетях мем про «вайб-кодинг» (vibe coding) — генерацию кода с помощью промптов без глубокого понимания процесса — часто подается как угроза профессии инженера. Однако Лоуренс Морони считает, что чем выше квалификация инженера, тем эффективнее он использует генеративные инструменты. Главное, чем должен руководствоваться разработчик при работе с ИИ-генераторами, — это управление техническим долгом (technical debt).

Спикер сравнил технический долг с финансовыми обязательствами. Покупка дома в ипотеку на 30 лет — это оправданный, «хороший» долг, поскольку стоимость недвижимости растет, а человек получает жилье вместо аренды. Импульсивная покупка туфель за $200 по кредитной карте с высокой ставкой — это «плохой» долг, который быстро превратится в $500 без соразмерной выгоды.

В программировании любое написанное решение сразу накладывает обязательства по поддержке, документации и исправлению багов. В эпоху сгенерированного кода возникает риск лавинообразного накопления «плохого» техдолга. Морони выделил ключевые угрозы:

* Создание «решений, ищущих проблему», когда промптами генерируются тонны ненужных функций.
* Появление «спагетти-кода», где из-за многократных наслоений промптов теряется структура.
* Ошибки из-за специфики обучающей выборки. Например, при написании приложений на Swift UI для macOS нейросети постоянно подмешивают API для iOS, поскольку в их обучающих сетах код для iPhone превалирует.
* Ситуации «авторитета вместо заслуг», когда не умеющий программировать вице-президент компании покупает подписку на Replit, собирает работающий на честном слове прототип, а инженерам потом приходится месяцами переписывать этот хаос.

Чтобы техдолг оставался под контролем, код должен быть понятным, задокументированным, иметь прозрачные алгоритмы и осмысленные имена переменных, а его создание должно жестко диктоваться бизнес-метриками.

## 🤖 Навигация по хайпу и анатомия агентов
[[JUMP:56:32]]

Социальные сети вроде LinkedIn или X (Twitter) живут за счет вовлеченности (engagement), а не точности информации. Это порождает гигантские волны хайпа. Лоуренс Морони поделился кейсом из своей практики, когда европейская компания попросила его помочь с внедрением ИИ-агентов, начитавшись постов о сокращении расходов. На фундаментальный вопрос «Зачем?» исполнительный директор внятного ответа дать не мог.

В ходе глубокого анализа выяснилось, что реальной целью было повышение эффективности отдела продаж. Менеджеры тратили 80% своего времени на рутинный сбор информации о клиентах в интернете и лишь 20% — на сами продажи. 

Морони объяснил, что полноценный ИИ-агент (Agentic AI) строится на четкой инженерной структуре из четырех последовательных шагов:

1.  Понимание намерения (Intent): четкая фиксация задачи с помощью LLM.
2.  Планирование (Planning): определение доступных инструментов (поиск, браузер) и разбиение задачи на шаги.
3.  Исполнение (Execution): непосредственное использование инструментов для достижения результата.
4.  Рефлексия (Reflection): анализ полученного результата на предмет соответствия первоначальному намерению с возможностью захода на новый круг при ошибке.

Разработанный пилотный проект ИИ-агента взял на себя автоматический сбор досье на компании перед звонками. Это сэкономило менеджерам от 10% до 15% рабочего времени, увеличило их продажи и комиссии, сделав работу комфортнее. Напротив, слепое следование хайпу без понимания бизнес-требований ведет к провалу: по данным отчета McKinsey, около 85% корпоративных проектов в сфере ИИ терпят неудачу именно из-за неверно очерченных границ задач.

Аналогичным образом Морони развенчал популярные тезисы о том, что «программирование мертво» или «Голливуд уничтожен» генераторами видео. Он вспомнил, как два года назад на ужине в Саудовской Аравии глава стартапа по генерации видео показывал шестисекундные ролики и уверял медиа-магнатов, что ровно через год ИИ будет выдавать 90 минут связного кино по одному текстовому промпту. Прошло два года, но технологически это до сих пор невозможно. Морони призывает приземлять хайп и раскладывать его на банальные физические процессы: генерация видео — это просто предсказание каждого последующего кадра с минимальными изменениями относительно предыдущего на основе векторов движения.

## 🔮 Бифуркация индустрии: Большой и Малый AI
[[JUMP:1:14:31]]

Лоуренс Морони прогнозирует, что в ближайшие пять лет индустрию искусственного интеллекта ждет жесткое разделение (бифуркация) на два направления:

* **Большой ИИ (Big AI):** дальнейшее масштабирование гигантских проприетарных моделей (Gemini, Claude, GPT) технологическими гигантами в попытках достичь сильного ИИ (AGI).
* **Малый ИИ (Small AI):** взрывное развитие компактных моделей с открытыми весами (open weights), которые компании могут разворачивать локально на собственном оборудовании (self-hosted).

Показательно, что в недавнем наборе акселератора Y Combinator около 80% стартапов предпочли использовать небольшие локальные модели (в частности, китайские), а не API западных гигантов. Морони связывает это с трендом на защиту интеллектуальной собственности (IP) и приватность данных.

В качестве примера он привел свой опыт взаимодействия со студиями в Голливуде. Кинокомпании крайне заинтересованы в ИИ-анализе сценариев и кассовых сборов для минимизации финансовых рисков. Однако из-за жестких юридических стандартов и страха перед многомиллионными исками за плагиат (как в случае с исками к Джеймсу Кэмерону из-за фильма «Аватар») студии никогда не загрузят свои сценарии в облачные закрытые модели вроде ChatGPT или Gemini. Для них выходом становятся малые self-hosted модели. Современная локальная модель на 7 миллиардов параметров (7B) сегодня так же умна, как модель на 50 миллиардов параметров прошлым летом, и эта тенденция к оптимизации сохраняется. Соответственно, ключевым навыком разработчиков на ближайшие три года станет тонкая настройка (fine-tuning) открытых моделей под конкретные прикладные задачи.

## 📱 Эра периферийного интеллекта и искусственного понимания
[[JUMP:1:21:28]]

Развитие Малого ИИ тесно связано с изменением архитектуры процессоров. Традиционное представление об ИИ как о сфере, жестко привязанной к связке CPU и дорогостоящих GPU от Nvidia, начинает устаревать. Морони рассказал о технологии масштабируемых матричных расширений (SME — Scalable Matrix Extensions), развиваемой компанией ARM. Она позволяет эффективно выполнять тяжелые нейросетевые вычисления непосредственно на центральном процессоре (CPU), без привлечения выделенных графических ускорителей.

Первопроходцами здесь стали китайские производители смартфонов Vivo и OPPO, выпустившие устройства с поддержкой SME на уровне чипов. Это дает устройствам два фундаментальных преимущества:

* Резко снижается энергопотребление и экономится физическое пространство внутри корпуса гаджета.
* Появляется возможность исполнять сложные сценарии полностью локально.

В качестве примера Морони привел платежный гигант Alipay, который внедрил локальную модель для умного поиска по галерее фотографий пользователя на смартфоне. Раньше для составления тематического слайд-шоу снимки приходилось отправлять на облачные сервера, что порождало проблемы с приватностью, задержками сети (latency) и требовало от компании колоссальных затрат на поддержку серверной инфраструктуры. Перенос ИИ на CPU внутри смартфона полностью обнулил расходы Alipay на облако и гарантировал пользователям абсолютную конфиденциальность. В этом же направлении двигается Apple со своей экосистемой Apple Intelligence и нейронными ядрами в чипах серий A и M.

## ❓ Итоги и неожиданные уроки ИИ
[[JUMP:1:29:53]]

В финальной сессии вопросов и ответов Лоуренс Морони признался, что больше всего за годы работы в индустрии его поразила глубина хайпа и то, как легко важные лица, принимающие решения, ведутся на него, выбирая краткосрочную выгоду вместо долгосрочной стратегии. 

В качестве грустного примера он вспомнил, как Google закрыла престижную программу профессиональной сертификации по TensorFlow. Программа обходилась компании всего в $100 000 – $150 000 в год. При этом она приносила огромную социальную пользу: Морони рассказал о парне из истерзанной гражданской войной Сирии, который смог благодаря этому сертификату выбраться из нищеты, уехать в Германию, устроиться в крупную фирму и теперь полностью обеспечивает оставшуюся на родине семью. Но проект закрыли из-за отсутствия прямой монетизации для корпорации.

Тем не менее ИИ продолжает давать удивительные «суперсилы» даже нетехническим людям. Морони поделился историей своего близкого друга — бывшего профессионального хоккеиста, оставившего спорт из-за сотрясений мозга, который руководит некоммерческим ледовым катком. Мужчина, считавший себя абсолютно неспособным к технологиям, ежегодно тратил $150 000 на сторонних консалтеров для сведения отчетов из разных PDF-файлов и датчиков компрессорных комнат ради получения грантов. Освоив ChatGPT, он смог автоматизировать этот процесс самостоятельно, тратя на отчет всего два часа времени. Сэкономленные $150 000 некоммерческий каток направил на покупку экипировки и бесплатные уроки для детей из малообеспеченных семей.

Завершая лекцию, спикеры сошлись во мнении, что главный этический принцип работы с новыми технологиями звучит просто: всегда предполагайте благие намерения людей, но будьте технически готовы к худшему сценарию.