Введение
Дискуссия о том, заменит ли искусственный интеллект программистов, получает всё новые поводы для обсуждения. Так, в мае 2026 года компания Anthropic сообщила, что уже более 80% кода, вливаемого в её кодовую базу, написано Claude.
На первый взгляд вывод кажется очевидным: раз ИИ способен писать код, тестировать и находить ошибки, значит, привычные IT-процессы и профессии скоро уйдут в прошлое.
Однако современные исследования показывают другую картину. Классический цикл разработки ПО (SDLC) никуда не исчезнет, но кардинально изменится распределение работы: всё больше задач внутри каждого этапа будут брать на себя AI-агенты.
В этой статье разберём, какие части разработки уже сегодня передаются искусственному интеллекту и как под его влиянием трансформируются процессы и роли в IT.
Трансформация процесса производства ПО
Сегодня AI встраивается в работу каждого IT специалиста. Пока это в основном выглядит как усиление сотрудника: он остаётся внутри своей профессии, но часть работы передаёт AI и за счет этого повышает свою производительность и компетентность.
Разработка все еще организована вокруг профессий. Есть аналитик, архитектор, разработчик, QA, DevOps. Работа движется между ними, и каждый отвечает за свой участок процесса. Но на каждом этапе уже есть задачи, которые может выполнять AI.
Я сознательно не буду приводить проценты, которые уже забрал AI: они гарантированно превратят обсуждение в холивар. Для нас важнее сама тенденция: чем лучше задача формализуется и автоматизируется, тем большую часть её исполнения можно передать AI.
И здесь возникает логичный вопрос: что произойдёт, когда зелёные участки на схеме станут совсем тонкими?
В агентной модели привычная конструкция начинает меняться. Один специалист с помощью нескольких специализированных AI-агентов может брать на себя гораздо больший участок процесса end-to-end. Назовём такого человека AI Orchestrator.
Вокруг AI Orchestrator появляется контур AI-агентов, а вокруг этого контура возникает ещё один уровень инфраструктуры, которая обеспечивают работу самих агентов. Здесь уже появляются роли вроде AgentOps Engineer / AI Platform Engineer.
В результате этапы разработки не исчезают, но меняется их исполнитель. Ценность инженера смещается от непосредственного исполнения к организации работы агентов и ответственности за результат.
Но почему из этого следует рост значения архитектуры?
Для эффективного управления агентами не достаточно написать хороший промпт. Чтобы агент мог автономно выполнять сложные задачи, ему нужно задать:
Цель - какой результат требуется получить;
Контекст - в какой системе и бизнесе он работает;
Ограничения - технические, бизнесовые, временные, регуляторные;
Критерии корректности - как понять, что результат правильный;
Точки эскалации - когда агент должен остановиться и обратиться к человеку;
А это уже больше похоже на проектирование системы, чем на классическое написание кода. Одновременно меняется и сама единица организации разработки. Ею постепенно становится не функция или профессия, а владение бизнес-результатом.
Не “я backend-разработчик и отвечаю за backend”, а, например:
“Я отвечаю за весь процесс оформления заказа - от бизнес-правил и API до тестирования, выкладки и метрик в production”.
Получается, что один человек с набором агентов способен проходить всё больший участок SDLC end-to-end. Поэтому главное изменение можно сформулировать так:
ИИ не убирает этапы разработки - он убирает лишние передачи работы между специалистами.
Далее посмотрим как будут трансформироваться привычные IT-профессии.
Трансформация профессий
Давайте разберем, какую часть работы все активнее забирает AI, а что остается за человеком.
Аналитик
Значительная часть работы аналитика связана со сбором данных, расчетами, отчетами и визуализацией - именно этот исполнительский слой AI автоматизирует быстрее всего.
Поэтому ценность аналитика смещается от владения инструментами к пониманию того, какой вопрос нужно задать по данным, каким данным можно доверять и какой вывод из них действительно следует. Т.е. возрастает роль экспертизы в предметной области: человек, глубоко понимающий продукт или отрасль, будет лучше ставить задачи агенту, замечать бессмысленные результаты и отличать формально правильный ответ от полезного для бизнеса.
Что заберёт AI
AI может брать на себя:
Поиск и сведение информации;
Стандартные расчёты, преобразование данных, построение графиков;
Подготовку черновиков отчётов и формулирование первичных выводов.
Что останется человеку
За человеком остаются задачи, которые сложнее формализовать:
Определить, какие данные имеют смысл;
Проверить их качество и полноту;
Интерпретировать результат в контексте бизнеса;
Сформулировать рекомендации и взять ответственность за выводы.
AI может быстро построить десять графиков, но главный вопрос остаётся человеку: какой из них действительно отвечает на бизнес-проблему?
Разработка
В разработке изменения заметнее всего: AI уже берёт на себя написание кода и тестов, отладку и часть развертывания.
Что заберёт AI
В первую очередь автоматизируется исполнительская часть работы:
Генерация и изменение кода;
Реализация типовых функций и модулей;
Code review, отладка и рефакторинг;
Написание тестов;
Что останется человеку
Чем больше реализации выполняют агенты, тем больше ценность разработчика смещается от написания кода к пониманию системы и принятию технических решений.
За человеком остаются:
Постановка технической задачи;
Декомпозиция большой проблемы на части;
Выбор архитектурного направления;
Определение границ изменений;
Проверка решений, предложенных агентами;
Тестировщик / QA
В QA быстрее всего автоматизируется генерация тестов и первичный анализ дефектов. Поэтому роль тестировщика смещается от выполнения проверок к проектированию самой системы качества: что проверять, каким результатам доверять и какие ошибки считать критичными.
Что заберёт AI
AI заберет на себя большую часть механической работы:
Генерацию автоматических тестов;
Подготовку тестовых данных;
Анализ результатов, логов и очевидных ошибок;
AI-агент для тестирования может работать напрямую с AI-агентом для разработки даже без участия человека.
Что останется человеку
Главный вопрос становится таким: кто проверит самого проверяющего?
Если AI написал и код, и тесты, зелёный результат ещё не гарантирует, что система действительно работает правильно. За человеком остаётся определение модели качества:
Критерии корректности и критические сценарии;
Наиболее опасные классы ошибок и допустимый уровень риска;
Ситуации, в которых необходимо вмешательство человека.
DevOps / эксплуатация
В DevOps автоматизация существовала задолго до нынешней волны AI: CI/CD, Infrastructure as Code, мониторинг давно стали частью профессии. Теперь AI делает следующий шаг - автоматизирует часть операционной деятельности.
Что заберёт AI
AI сможет брать на себя типовые и хорошо формализуемые операции:
Первоначальную диагностику ошибок и поиск вероятных причин проблем;
Генерацию и изменение конфигураций;
Главное отличие от обычной автоматизации в том, что AI-агент не только получает цель, но сам выбирает способ её достижения. Например, он может не просто зафиксировать рост CPU, а собрать метрики и логи, найти вероятную причину проблемы и предложить выполнить корректирующее действие.
Что останется человеку
Чем больше действий агент выполняет автономно, тем важнее становятся границы, внутри которых ему разрешено действовать.
За человеком остаются:
Архитектура инфраструктуры;
Security и policies;
Одобрение критических операций;
Разбор сложных проблем и ответственность за последствия действий агента.
Т.е. работа DevOps постепенно смещается от выполнения операций к проектированию правил их безопасного выполнения.
Архитектура / проектирование
Во всех предыдущих ролях мы видели один и тот же сдвиг: AI забирает исполнение, а человек поднимается на уровень постановки задачи, системных решений и контроля.
С архитектором ситуация другая: он уже работает на этом уровне абстракции. Поэтому AI скорее автоматизирует часть подготовительной работы, чем саму архитектурную функцию.
Что заберёт AI
AI сможет брать на себя:
Анализ существующей системы и зависимостей;
Черновую декомпозицию;
Генерацию вариантов архитектуры;
Подготовку спецификаций и документации;
Что останется человеку
За архитектором остаются решения, которые зависят от контекста, ограничений и допустимого риска:
Понимание бизнес-целей и приоритетов;
Определение границ и ограничений системы;
Архитектурные компромиссы;
Безопасность, надежность и управление риском;
Ответственность за последствия выбранной архитектуры.
В агентной модели к этому добавляется ещё одна важная задача - спроектировать пространство, внутри которого AI-агенты могут действовать самостоятельно.
Получается интересный эффект: разработчик, аналитик, QA и DevOps постепенно приобретают всё больше архитектурных функций, а сам архитектор расширяет область ответственности - от проектирования системы к проектированию правил, в рамках которых люди и AI-агенты вместе создают и эксплуатируют эту систему.
Во что превратятся профессии
По мере того как AI забирает всё больше исполнительской работы, специалисты начинают смещаться в несколько более широких зон ответственности.
AI Orchestrator / владелец результата
Сюда постепенно будут смещаться аналитики, разработчики и архитекторы.
Такой специалист понимает бизнес-задачу и предметную область, декомпозирует работу, задает архитектуру и ограничения, распределяет задачи между AI-агентами, проверяет их результат и отвечает за него.
Его ключевая ценность не в выполнении отдельных операций, а в способности организовать получение правильного результата.
Quality / Evaluation Engineer
Сюда естественно смещается QA.
Такой специалист проектирует критерии качества, определяет критические сценарии и решает, можно ли доверять результатам AI.
Его задача - не просто запускать тесты, а строить систему проверки, которая позволяет убедиться, что продукт действительно работает правильно.
AI Platform / AgentOps Engineer
Сюда будет смещаться DevOps.
Такой специалист создаёт инфраструктуру, доступы, policies, observability и ограничения, внутри которых AI-агенты могут безопасно работать.
Общая компетенция
И у всех трёх профессий есть одна общая компетенция - архитектурное мышление: умение задать цель, контекст, ограничения, критерии правильности и точки эскалации.
Именно поэтому архитектура постепенно перестаёт быть только отдельной профессией, а становится базовым способом работы специалиста в мире AI-агентов.
Заключение
AI не отменяет разработку ПО и не уничтожает IT-профессии. AI забирает всё большую часть исполнения и тем самым смещает ценность человека к постановке задачи, разработке архитектуры, контролю качества, управлению риском и ответственности за результат.
Архитектор как отдельная должность, разумеется, не поглотит остальные профессии, но архитектурное мышление становится базовой инженерной суперспособностью в мире AI-агентов!
Полезные материалы
Anthropic - When AI builds itself (2026)
Данные о том, что к маю 2026 года более 80% кода, вливаемого в кодовую базу Anthropic, было написано Claude;
Роль инженера всё больше смещается к постановке целей и проверке результата.
Anthropic - 2026 Agentic Coding Trends Report
Переход разработки от написания кода к оркестрации AI-агентов, которые пишут код.Сбер - AI-Disrupt PDLC. ИИ-трансформация жизненного цикла разработки продукта.
Концепция трансформации жизненного цикла разработки продукта: переход от написания кода к AI-агентам и среде их исполнения.Алексей Сушков - "Понял когда можно начинать увольнять сотрудников!", Хабр (2026)
Материал о переходе от AI как персонального "экзоскелета" к модели автономных агентов.
