Ситуация в быстрорастущих стартапах
Одна характерная цитата из обсуждений описывает ситуацию в быстрорастущих стартапах, крупных компаниях и местах, где менеджмент настойчиво внедряет AI:
Я в том состоянии. Всё кончено. Состояние инженерии сейчас ужасное. Полмесяца как пришёл в большую компанию. Никто ничего не знает. Спецификации, код, тесты, PRD, tickets, решения по ним, отчёты — всё создано Claude Code.
Никому на команде это не нравится. Их заставляют выпускать как можно больше. Слышу от старшего менеджмента несколько раз, что пуш кода — это не узкое место, тогда почему мы медленные? Люди работают по 12–13 часов в день, просто чтобы нажать enter. Никто ничего не читает. Люди в компании ничего не делают сами.
Буквально все — от L1 до L7 инженеров — делают одно и то же. Разговаривают с Claude. Нет никакого чувства победы. Никто не решает баги. На самом деле, никто не думает. Всё делают LLM.
Это до невозможности душнит. Я бы не против, честно говоря, если бы нам хотя бы дали время проверить код и понять, что куда идёт. Но нет, цель — просто выпустить. Неважно, что случится.
Data Engineering — в другом положении?
Хойт Эмерсон отмечает, что data engineering сильно отличается:
Я думаю, люди из Data — другие. Нам нужно было знать всё о продукте и бизнесе с первого дня. AI просто снимает трение для нас.
Это верно для data-специалистов, выросших до эпохи AI: им приходилось изучать всю систему или хотя бы много деталей, привлекать экспертов по домену. AI это упраздняет — или кажется, что упраздняет.
Проблема в том, что те, кто начинают карьеру сейчас, или разработчик, переходящий в новую область через промпты, вдруг обнаруживает, что нужных знаний нет совсем.
Product Manager может теперь создать что угодно
Интересное наблюдение от Шона Бехана:
Я всегда восхищался людьми из продакта, которые не умеют кодить, но могут управлять командой и получить нужное им ПО. Понимание того, что нужно — всегда была самая сложная часть.
Можно сказать, что хороший PM теперь может создать почти что угодно: найти рынок, оформить всё красиво. Но если не уметь кодить, получится очень плохой фундамент для продукта, который будет адски сложно поддерживать (хотя AI и здесь становится лучше, особенно если итерировать часто). Проблема в том, что неправильный выбор языка или ментальной модели создаёт неправильное начало.
Основы всё равно помогают — и для программирования, и для дизайна продукта. Хорошему PM пригодится не только знание того, что нужно, но и понимание системного дизайна и архитектуры.
Финальный босс — это поддержка
Системное мышление, архитектурные решения, намерение дизайна — всё это помогает быть лучше инженером. Написание кода вручную может быть и мертво, но оно определённо помогает. И тем более критичным становится наличие вкуса и стиля в работе с AI.
Но финальный босс, как всегда, — это поддерживаемость. Чем проще генерировать пайплайны, приложения и BI-дашборды, тем больше нужно их поддерживать. А если никто не разбирается в коде, это может стать кошмаром.
AI не может управлять сам собой
AI не может писать себе промпты, верно? Людей всё ещё нужны — чтобы направлять и координировать. Именно поэтому намерение, вкус, дизайн и архитектура — это критические навыки в современном мире.
Но когда их нет, или когда основополагающие знания теряются, это опасно. Некоторые говорят, что это самопричинённая проблема: если бы компании нанимали джуниоров, её бы не было. Но это не так просто.
Дальнейшее чтение
- Крис Дженкинс об озабоченности менеджмента (а не о «vibe coding»)
- Если используется человеком, должно быть написано человеком
- Чему я научился, писав с AI