Прогнозы не сбылись: программистов с приходом ИИ стало больше
Прогнозы не сбылись: программистов с приходом ИИ стало больше Три года назад лента обещала, что через год-полтора код будут писать машины, а программисты останутся без работы. Автор разбирается, что вышло на деле: по доступным сводкам людей, пишущих код за деньги, стало больше, вакансии никуда не делись, а слово «программист» расползлось по должностям, где раньше были только почта и таблица с планом продаж. Автор объясняет это эффектом Джевонса — экономическим правилом, по которому удешевление ресурса ведёт к росту его потребления, а не к экономии. В 1865 году экономист Уильям Джевонс заметил: экономичные паровые машины не снизили, а увеличили потребление угля, потому что ставить их стало выгодно везде. С кодом вышло так же: задача, которая раньше стоила полгода зарплаты разработчика, теперь обходится в пару недель и подписку на нейросеть — и свой софт захотели все, от автосервиса до библиотеки. История это уже переживала. Первые компиляторы в пятидесятых продавали как «автоматическое программирование» с тем же обещанием избавить от программистов; COBOL — язык с синтаксисом, похожим на английский, — задумывался, чтобы отчёты писали сами менеджеры. Менеджеры не начали, а программистов на COBOL банки ищут до сих пор. С банкоматами кассиров тоже не отменили: отделения подешевели, банков стало больше, а операционисты переучились продавать кредиты. Второй двигатель роста — аппетит к фичам. Когда менеджер видит прототип, собранный нейросетью за десять минут, он планирует втрое больше задач за квартал, и в бэклог — список отложенных работ — попадает то, что годами лежало «когда-нибудь». Плюс каждый скрипт и бот после запуска продолжают жить: требуют обновлений, ломаются от изменений у соседних сервисов. Написание подешевело в разы, владение — почти нет, и разница ложится в зарплатную ведомость. Появилась и новая роль: человек, который сам пишет мало, зато много читает, проверяет и отвечает за то, что уехало в продакшен — рабочую версию, которой пользуются клиенты. Сгенерировать тысячу строк можно за минуту, прочитать — за час, а найти, почему код падает у одного клиента из ста, иногда занимает оплачиваемую неделю. Гладкий, аккуратный код усыпляет внимание: ошибку, которую заметили бы в корявом коде новичка, машина спокойно доводит до релиза. Не всё растёт одинаково. Проще всего пришлось джунам — начинающим специалистам: формочки и скрипты, на которых раньше учились, машина теперь делает сама, и компании берут одного опытного человека присматривать за нейронкой вместо двух новичков. Автор предупреждает: счёт придёт через пять-семь лет, когда опытных будет некем заменить — их выращивают годами именно на тех задачах, которые сейчас отдали машине. Есть и оговорки к самой статистике. Часть прироста даёт то, что программистами стали называть себя аналитики, маркетологи и дизайнеры, пишущие скрипты с помощью нейросетей. А сокращения, которые объясняли ИИ, часто совпадали с концом эпохи дешёвых денег — ИИ оказался удобной формулировкой для пресс-релиза вместо «у нас кончились инвесторы». Итог автора: ИИ ведёт себя как очень быстрый сотрудник, который выдаёт объём небольшого отдела за день, но не помнит, что делал вчера, не отвечает за последствия и иногда придумывает несуществующие функции. Таких «сотрудников» теперь условно бесконечно много, поэтому людей, которые ставят им задачи и проверяют результат, нужно больше, а не меньше. Источник: https://habr.com/ru/articles/1092990/