Ещё недавно путь от идеи до работающей системы почти сразу упирался в размер команды. Нужно было найти людей, которые изучат задачу, спроектируют решение, соберут его, проверят и помогут выпустить. Теперь один человек может удерживать весь этот путь дольше и передавать отдельные роли агентам.
Я программирую с 1993 года, в коммерческом IT работаю с 1997-го. Прошёл путь от разработки до архитектуры систем, руководства подразделениями и организации полного цикла разработки (SDLC). Сейчас я основатель Arcanada и Angry Robot Deals.
За эти годы инструменты не раз ускоряли отдельные операции. Генеративный ИИ меняет другое: объём связной работы, который способен удерживать один человек.
Раньше серьёзный программный продукт почти сразу означал команду отдельных специалистов. Нужно исследовать предметную область, сформулировать требования, выбрать архитектуру, написать код, проверить результат, развернуть систему и сохранить знания для следующего цикла. Эти функции никуда не исчезли. Но часть из них теперь можно поручать специализированным агентам и координировать из одной точки.
Не одиночка, а координатор
Фраза «один человек может построить то, для чего раньше требовалась компания» легко превращается в рекламу. Она не означает, что один разработчик внезапно знает всё или что модели заменили профессиональный опыт.
Практический смысл скромнее и полезнее. Один человек может поставить исследовательскую задачу одному агенту, попросить другого оспорить архитектуру, третьему передать реализацию, а четвёртому — независимую проверку. Между ними остаются артефакты: требования, решения, код, тесты и доказательства.
Человек в этой схеме не нажимает одну волшебную кнопку. Он определяет цель, границы допустимого и критерии готовности. Он решает, каким доказательствам доверять и где остановить процесс.
Где появляется выигрыш
Главный выигрыш — не скорость печати кода. Он появляется в местах, где раньше требовалось переключаться между профессиями или ждать свободного специалиста:
- быстро сравнить несколько направлений до выбора архитектуры;
- проверить решение с противоположной позиции;
- восстановить контекст старого проекта;
- провести небольшую гипотезу через полный цикл, не обрываясь на прототипе;
- сохранить основания решения так, чтобы работу можно было продолжить.
Эта способность особенно важна для основателя или небольшой команды. Она позволяет проверять больше замыслов до того, как потребуется расширять штат. Но она не отменяет команду там, где нужны глубокая предметная экспертиза, постоянная эксплуатация или высокая цена ошибки.
Что ломается первым
Агенты убедительно отвечают даже тогда, когда решают соседнюю задачу. Поэтому полный цикл требует большего, чем длинный промпт.
Нужно разделять автора и проверяющего. Хранить не только результат, но и причины решения. Проверять систему на той границе, где ею воспользуется человек. Отдельно подтверждать необратимые действия: публикацию, изменение доступа, развёртывание или финансовую операцию.
Для меня AI-First начинается именно здесь. Не с выбора самой модной модели, а с проектирования работы, в которой новые исполнители усиливают человека, не скрывая от него состояние системы.
Поэтому AI-First для меня — не способ быстрее писать код. Это способ доводить полезные идеи до проверяемого результата, сохраняя за человеком цель, ответственность и право остановить систему.