Если вы работаете программистом или, так или иначе задействованы в разработке ПО, или просто следите за тем, как ИИ меняет мир IT, то наверняка слышали тревожный тезис: «Скоро ИИ будет писать код лучше людей, и разработчики станут не нужны». На интуитивном уровне кажется, что если машина делает ту же работу в 8 раз быстрее, то бизнесу нужно в 8 раз меньше людей. Но экономика и история индустрии говорят об обратном — и тут очень кстати оказывается старый экономический парадокс, которому уже больше 150 лет.

Что такое парадокс Джевонса

В 1865 году английский экономист Уильям Стэнли Джевонс в работе «Угольный вопрос» описал эффект, который позже назвали его именем. Суть проста и контринтуитивна: повышение эффективности использования ресурса не снижает его потребление — оно его увеличивает.

Классический пример — паровой двигатель Уатта. Он был намного эффективнее старых моделей: на единицу работы требовалось меньше угля. Казалось бы, это должно было сберечь запасы топлива. Но вышло иначе: из‑за того, что использование угля стало выгоднее, паровые машины распространились повсеместно — и общее потребление угля резко выросло.

Логика здесь такая: когда ресурс становится дешевле в пересчёте на единицу полезной работы, растёт спрос на саму эту работу. Люди начинают делать то, что раньше считали слишком дорогим. В итоге общий объём потребления растёт быстрее, чем падает расход на единицу.

Как это работает в разработке

Перенесём эту логику на современный IT‑контекст. Допустим, раньше на написание типового модуля у разработчика уходило 8 часов, а с помощью ИИ — 1 час. Интуитивно кажется, что теперь компании могут сократить штат в 8 раз. Но на практике срабатывает другая цепочка:

• Падает «цена» единицы разработки. Сделать фичу, скрипт или интеграцию становится дешевле и быстрее. Это не уменьшает спрос на разработку, а, напротив, снижает порог входа для новых проектов.

• Всплеск спроса и новых задач. Компании начинают запускать то, что раньше считали слишком дорогим или долгим: больше микросервисов, A/B‑тестов, кастомных скриптов под узкие кейсы, экспериментов с данными. Появляются целые новые направления — селф‑хостед модели, тонкая настройка LLM, оркестрация ИИ‑агентов, RAG и fine-tuning, — и все они требуют внимания инженеров.

• Общий объём труда растёт. Ключевое условие здесь: эластичность спроса на софт. То есть удешевление разработки должно вызывать прирост заказов больший, чем падение цены за единицу. И история IT даёт эмпирическое подтверждение, что спрос именно такой.

Каждый прошлый технологический скачок, который удешевлял производство софта: компиляторы, языки высокого уровня, опенсорс, облака, no‑code, — заканчивался не сокращением числа разработчиков, а их ростом. Компании всегда хотели кратно больше софта, чем могли построить, ограничением была дороговизна. Как только стоимость снизилась, спрос хлынул в этот разрыв.

Что меняется для разработчиков

Да, рутинные задачи уходят. Да, навык написания базового кода становится всё более массовым, примерно как когда‑то навык печати. Раньше машинистки зарабатывали на том, что перепечатывали большие объёмы текста; сегодня печатать умеет почти каждый, и это не оплачиваемый навык, а базовая грамотность. Похожее происходит и с кодом: умение накидать скрипт или прототип за вечер — это круто, но само по себе уже не является дефицитной ценностью.

Однако код — это лишь малая часть того, что нужно бизнесу. Реальная ценность разработчика сейчас смещается в другие области:

• проектирование архитектуры и выбор правильных абстракций;

• проверка и валидация того, что генерирует ИИ;

• дообучение и тонкая настройка моделей под конкретные задачи;

• интеграция разрозненных систем и обеспечение надёжности;

• понимание бизнес‑логики и перевод её в технические решения.

Иными словами, происходит перебалансировка скиллов. Профессия не исчезает — она эволюционирует.

Реальность автономных ИИ‑кодеров

Многие слышали громкие заявления о том, что современные LLM пишут 90 % кода. Звучит впечатляюще, но важно понимать контекст. Эти 90 % обычно относятся к объёму кода внутри контролируемого конвейера, где человек выступает в роли ревьюера, архитектора и «страховки» от ошибок.

Автономно, без постоянного участия человека, ИИ‑агенты пока закрывают лишь небольшую долю экономически ценных задач — по некоторым оценкам, около 2,5 % (см. исследование Scale AI Labs). Личный опыт многих команд подтверждает это: попытки внедрить «полноценного ИИ‑кодера» в SDLC часто приводят к высоким затратам на разбор и исправление ошибок. А вот использование LLM как помощника для живого разработчика работает отлично: оно кратно ускоряет рутину, оставляя человеку самое ценное — принятие решений и обеспечение качества.

Delivery, Delivery, Delivery

Помните знаменитый клич Стива Балмера: «Developers, Developers, Developers»? Сегодня его можно перефразировать: «Delivery, Delivery, Delivery». Рынок хочет не просто код — он хочет быструю, надёжную и предсказуемую доставку ценности. И именно в обеспечении этой доставки роль разработчика становится ещё важнее.

ИИ не заменяет программистов — он меняет их задачи. Вместо того чтобы тратить часы на шаблонный код, разработчики смогут фокусироваться на том, что действительно сложно: на проектировании, интеграции, обеспечении надёжности и понимании бизнес‑целей. А это значит, что спрос на сильных инженеров не упадёт — он вырастет, просто требования к ним станут другими.