# Смерть кодинга: Как AI Product Engineer заменит обычного программиста

Источник: https://www.youtube.com/watch?v=WprKkiGlx1Q&list=WL&index=56
Канал: Эволюция Кода 🧬
Опубликовано: 12.07.2025

---

Эпоха «чистого» написания кода стремительно уходит в прошлое, уступая место гибридным ролям, где инженер становится дирижёром сложных систем. Серийный предприниматель и основатель onsa.ai Байрам Аннаков уверен: выживание в ИТ-индустрии теперь зависит не столько от знания синтаксиса, сколько от системного мышления и способности интегрировать бизнес-логику в вероятностные алгоритмы искусственного интеллекта.

## 📈 От бухгалтерского учёта к архитектуре смыслов
[[JUMP:0:05]]

Путь Байрама Аннакова начался с глубокого убеждения, что ИТ и бизнес — это не две разные сущности, а единый организм [1:25]. Его отец, программист в Госплане, с ранних лет приучил его к тому, что для создания софта для бухгалтеров нужно в совершенстве знать бухучёт [2:19]. Этот междисциплинарный подход стал фундаментом его карьеры: от Java-разработчика и создателя платформы для авиапутешествий Up in the Air до евангелиста ИИ-решений [0:43].

В современной разработке границы стираются ещё сильнее. Сегодня Аннаков совмещает роли CEO и CTO в своём стартапе onsa.ai, который автоматизирует до 70% процессов в B2B-продажах [7:51]. Основные тезисы его подхода:

*   **ИТ как бэкбоун бизнеса:** В крупнейших компаниях мира технология является ключевой компетенцией, а не просто обслуживающим департаментом [44:01].
*   **Смена роли инженера:** Разработчик превращается в супервайзера, который должен понимать принципы кэширования, декаплинга и бизнес-логику, чтобы направлять ИИ [4:54].
*   **Отказ от разделения:** Ошибка многих компаний в «пост-СНГ» пространстве — восприятие ИТ как убежища для интровертов, отделённого от коммерческих целей [43:14].

## 🧠 Системное мышление как главный софт-скилл
[[JUMP:16:39]]

Системное мышление для современного техлида — это не абстрактная философия, а прикладной инструмент моделирования социальных и технических систем [17:52]. Аннаков выделяет методологию системной динамики, которая позволяет проигрывать бизнес-процессы на компьютере и находить узкие места [19:28].

Ключевые законы из «Библии систем» (Systems Bible), которые должен знать каждый инженер [21:03]:

1.  **Закон эволюции:** Любая сложная работающая система происходит от простой работающей системы. Попытка сразу построить «космолёт» обречена на провал [21:28].
2.  **Порождение проблем:** Каждое решение проблемы неизбежно создаёт новые проблемы. Важно понимать, какую полезную функцию выполняла «проблема» до её устранения [22:08].
3.  **Контринтуитивность ускорения:** Быстрая реакция системы на изменения не всегда полезна. Иногда излишняя автоматизация убирает «естественные буферы» (например, время на обдумывание человеком), что делает систему хрупкой и склонной к катастрофическому распространению ошибок [23:42].

Пример с «эффектом кнута» в логистике (на примере продажи пива) наглядно показывает, как мгновенная реакция на разовый всплеск спроса приводит к избытку запасов и краху эффективности [24:47].

## 🤖 Человек в петле: от кодера к Product Engineer
[[JUMP:41:04]]

Разделение на «кодеров» и «разработчиков» становится критическим. Кодеры, выполняющие механическую работу, рискуют быть заменены автоматизацией. Разработчики же эволюционируют в **AI Product Engineers** [51:47]. Это специалисты, способные пройти путь от идеи до MVP за часы, используя «вайб-кодинг» (программирование через описание намерений) [1:27:02].

Новая роль подразумевает владение тремя аспектами:

*   **Продуктовый дизайн:** Способность самостоятельно протестировать гипотезу, используя ИИ для создания персон пользователей и проведения «виртуальных интервью» [53:54].
*   **Менеджмент агентов:** Понимание вероятностной природы ИИ. Работа с языковыми моделями (LLM) больше напоминает управление людьми: нужно ставить задачи, вводить метрики контроля и создавать гардрейлы (ограничители) [48:23].
*   **Добавление контекста:** Главная роль человека в мультиагентных системах — передача специфического бизнес-контекста, который отсутствует в обучающих данных модели [35:52].

## 🛠 Инструментарий и мотивация команд
[[JUMP:1:04:19]]

Переход на новые инструменты, такие как **Cursor** или **Claude Code**, часто натыкается на сопротивление внутри команд [1:05:18]. Аннаков выделяет три фактора формирования новой привычки у инженеров: мотивация, лёгкость использования и напоминания [1:07:07].

Техлидам рекомендуется:
1.  **Снижать барьеры:** Оплачивать подписки на передовые ИИ-инструменты за счёт компании [1:08:31].
2.  **Демонстрировать личный пример:** Показывать, как рутинные задачи (написание тестов, заполнение CRM, создание boilerplate-кода) решаются за секунды [1:16:19].
3.  **Использовать конкуренцию:** Проводить внутренние хакатоны, где «старая школа» соревнуется с пользователями ИИ-ассистентов [1:12:17].

Важно понимать экономический эффект: технология может работать в режиме **автоматизации** (замена человека) или **аугментации** (усиление способностей) [1:17:59]. История показывает, что при аугментации (как в случае с экскаваторщиками) ценность сотрудника растёт вместе с его зарплатой [1:18:25].

## 🎓 Кризис обучения и «потолок» джунов
[[JUMP:1:21:03]]

Одной из самых острых проблем является деградация фундаментальных навыков. Опыт часто приобретается через ошибки (например, забытый батчинг запросов к БД), а ИИ-ассистенты позволяют этих ошибок избегать, лишая новичков «мышечной памяти» [1:22:32].

Байрам Аннаков предлагает пересмотреть подход к обучению:

1.  **Отказ от заучивания синтаксиса:** Вместо этого учить архитектурным паттернам и пониманию того, *почему* нужны определённые решения [1:28:53].
2.  **Симуляционные среды:** Использование ИИ для создания «безопасных песочниц», где джун должен решить сложную проблему с подвохом, имитирующую реальный факап [1:31:19].
3.  **Фокус на Tacit Knowledge:** Передача неформализуемого опыта от синьоров через совместное дирижирование агентами [1:22:03].

## ⚖️ Этика, субъектность и «забывчивость» ИИ
[[JUMP:1:32:06]]

В вопросах безопасности ИИ Аннаков занимает позицию умеренного оптимиста, склоняясь к взглядам Сэма Альтмана [1:39:14]. Он вспоминает упражнение из Singularity University 2015 года, где участники судили компанию, решившую «затереть» старую прошивку робота, который считал это убийством [1:40:34].

В ближайшем будущем нас ждут дискуссии о **субъектности**:
*   Будет ли ИИ иметь права субъекта или останется на уровне «законодательства о домашних питомцах» (ответственность несёт владелец)? [1:42:39].
*   Как проектировать системы памяти ИИ, чтобы они умели «забывать» неважное, имитируя человеческий мозг для повышения эффективности поиска [1:35:06]?

## 🚀 Практические советы по автоматизации
[[JUMP:1:49:28]]

Для тех, кто начинает внедрять ИИ в бизнес-процессы, Аннаков выделяет две главные ошибки:

1.  **Отсутствие Human-in-the-Loop:** Нельзя полностью делегировать процесс ИИ без надзора человека на ранних этапах. Доверие — это функция времени и проверенных метрик [1:50:05].
2.  **Плохая декомпозиция:** Попытка запихнуть в одного агента слишком много инструментов и контекста приводит к «галлюцинациям» и путанице семантически похожих функций [1:51:16].

Будущее — за системами, где агенты закупщиков договариваются с агентами продавцов, а люди лишь ставят финальную подпись под выгодной сделкой, подобно мудрому визирю из древней притчи [1:47:50].