ИИ заменит разработчиков? Как не стать следующим уволенным и перестроить свою роль в 2026
Анализируем кейсы Anthropic и Klarna: как выжить в эпоху AI-увольнений и перейти от замещения к пересборке ролей.
В первом квартале 2026 года технологические гиганты уволили десятки тысяч сотрудников, и почти половина этих сокращений была напрямую связана с автоматизацией. Если раньше вопрос «заменит ли ИИ разработчиков?» обсуждали в курилках, то сегодня это прямое решение, которое должен принимать CFO. Главный вывод: ИИ не заменит разработчиков, но он заставит вас перестать делать всё, что вы умели делать раньше.
От замещения к пересборке: почему старые стратегии AI-трансформации не работают
Если вы слышали о массовых увольнениях из-за ИИ — это не слухи, а тренд, который уже формирует рынок. Данные показывают, что к началу 2026 года доля увольнений, вызванных автоматизацией, достигает критических отметок. На первый взгляд, кажется, что решение простое: внедрить LLM (Large Language Model) и сократить штат.
Но история Klarna показала нам обратное.
Klarna объявила, что ИИ заменил сотни операторов поддержки, беря на себя подавляющее большинство клиентских чатов. Все ждали, что это будет эталонный кейс «как надо». Но к 2026 году компания была вынуждена отменить эксперимент и снова начать нанимать людей.
Почему? Потому что ИИ отлично справился с типовыми запросами — запросами, которые можно прописать в скрипт. Но он полностью провалился на нетиповых кейсах: эмоциональные конфликтах, сложных спорах, многоэтапных проблемах, где нужна не просто информация, а эмпатия и принятие решений в условиях неполных данных.
Ваш первый шаг, как CTO или продакт-менеджера, — перестать думать о «замещении» и начать думать о «пересборке».
Два полюса AI: где ИИ эффективен, а где нужна человеческая архитектура
Чтобы понять, куда двигаться, нужно рассмотреть два крайних примера: Anthropic и Klarna. Они показывают разные грани взаимодействия человека и машины.
1. Полюс «Автоматизация кода» (Anthropic): Anthropic активно демонстрирует, что их модели, такие как Claude, способны генерировать огромные объемы кода (по слухам, сотни пулл-реквестов). Это впечатляет. Но обратите внимание на одну критическую деталь, которую часто упускают: при этом Anthropic продолжает агрессивно нанимать инженеров.
Что это значит? ИИ пишет код, но люди нужны для создания архитектуры, безопасности и бизнес-логики. ИИ — это мощный инструмент для реализации, а человек — это тот, кто определяет, что и как нужно строить.
2. Полюс «Автоматизация процесса» (Klarna): Здесь ИИ заменил людей целиком. Он справился с обработкой входящего потока данных (типовые запросы), но не справился с функцией, которую эти люди выполняли на самом деле — принятие сложных, нерутинных решений.
Вывод для бизнеса: ИИ — это идеальный исполнитель рутинных функций. Но он пока не способен заменить мышление, которое объединяет несколько функций, или эмоциональный интеллект, необходимый для работы с людьми.
Как перестроить роль: от функции к системе (Rebundling)
Термин, который сейчас должен стать вашим бизнес-словарем, — Rebundling (пересборка ролей). Это не просто «переобучение». Это перекомпоновка функций, когда вы не убираете человека, а убираете устаревшие функции и заменяете их новым, более сложным набором.
Вместо того чтобы увольнять 10 человек, убирающих 10 разных функций, вы оставляете одного специалиста, который умеет выполнять 40% из этих функций, плюс добавляет 60% нового, системного мышления.
Если вы разработчик, ваш фокус должен сместиться из написания кода (это задача для ИИ) в проектирование систем, которые требуют ИИ.
🛠️ Практическое задание: Переход от кодирования к системной архитектуре
Если вы работаете с базовыми функциями (например, написание API-эндпоинта для получения данных), это зона для ИИ. Ваша задача — поднять уровень абстракции.
Вместо того чтобы писать:
- Задача: Получить данные о пользователе.
- Вы: Пишете код для вызова
/api/user/{id}.
Думайте так:
- Система: Создать микросервис, который обрабатывает профиль пользователя, учитывая данные из 5 источников (CRM, платежная система, внутренний каталог).
- Ваша роль: Определить, как эти 5 источников должны взаимодействовать, какие ошибки могут возникнуть на стыке (edge cases) и как система должна восстанавливаться после сбоя в одном из них.
По сути, вы становитесь не кодером, а архитектором бизнес-процессов, в которых ИИ — это лишь один из компонентов.
``json { "старая_роль": "Кодер (Coder)", "фокус": "Реализация (How to write)", "область_ответственности": "Функционал (Feature X)", "новая_роль": "Системный архитектор (System Architect)", "фокус": "Проектирование (What to build and why)", "область_ответственности": "Целостность и устойчивость системы (System resilience)" } ``
Подводные камни: где ломается стратегия Rebundling
- Метрики производительности: Если ваша компания всё ещё измеряет вашу ценность по «количеству строк кода», вы обречены. Настоящие показатели — это уменьшение риска и увеличение скорости принятия решений (Time-to-Decision).
- Страх сложных решений: Самый большой барьер — это страх перед «нетиповым» запросом. ИИ пасует перед нетипичным запросом, а значит, именно там и должна быть ваша экспертиза.
- Игнорирование процесса: Недостаточно просто запустить LLM. Нужно пересмотреть весь процесс: от сбора требований (Product Management) до тестирования (QA) и отката (DevOps).
Что попробовать дальше
Вместо того чтобы пытаться конкурировать с LLM в скорости генерации кода, сфокусируйтесь на задачах, которые требуют синтеза:
- Кросс-доменная экспертиза: Изучите не только свой технологический стек, но и бизнес-процессы вашей индустрии (например, если вы в финтехе, изучите регуляторные требования до уровня, чтобы понимать, какие данные нельзя обрабатывать ИИ.
- Управление рисками: Станьте специалистом по «случаям крайнего значения» (edge cases). Разработка должна быть не просто работающей, а устойчивой к реальным, непредсказуемым условиям.
- Промптинг на уровне архитектуры: Научитесь не просто писать промпты для генерации кода, а создавать системы промптинга (Prompt Chains) для решения целых бизнес-задач, где ИИ выступает лишь звеном в цепочке.
Ваша ценность в 2026 году — не в том, что вы умеете писать, а в том, что вы умеете видеть, какие функции должны быть в системе, и как они должны взаимодействовать друг с другом. Это и есть пересборка ролей.