Программист – больше не главная профессия цифровой экономики?

Фото: Пресс-служба МАИ / Архив

В феврале 2024 года основатель и генеральный директор NVIDIA Дженсен Хуанг выступил на Всемирном правительственном саммите в Дубае с заявлением, которое быстро разошлось по технологическим медиа. По его словам, задача индустрии заключается в создании вычислительных систем, для работы с которыми человеку не потребуется осваивать традиционные языки программирования: новым языком взаимодействия с машиной становится обычная человеческая речь. Хуанг назвал это одним из главных достижений искусственного интеллекта — возможностью объяснить компьютеру, что требуется сделать, не описывая каждый шаг на языке кода.

Эту мысль легко превратить в громкий прогноз о скором исчезновении программистов. Однако актуальные данные говорят об обратном. В докладе Всемирного экономического форума Future of Jobs Report 2025 разработчики программного обеспечения и приложений входят в число наиболее быстрорастущих профессий до 2030 года. Рядом с ними находятся специалисты по большим данным, искусственному интеллекту и машинному обучению.

Противоречия здесь нет. Цифровой экономике по-прежнему нужны люди, умеющие создавать программы, однако само написание кода перестаёт быть главным и тем более единственным содержанием их работы. Генеративный искусственный интеллект снижает стоимость отдельных операций, помогает составлять типовые фрагменты программ и ускоряет поиск решений. Но чем доступнее становится код, тем выше ценность специалиста, способного понять реальную задачу, спроектировать архитектуру системы и отвечать за последствия её внедрения.

Подобный переход происходил и раньше. В октябре 1968 года на конференции, организованной Научным комитетом НАТО в немецком Гармиш-Партенкирхене, специалисты обсуждали, как справляться с растущей сложностью программных систем. Именно с этой встречей связывают утверждение понятия software engineering — «программная инженерия». Программу начали рассматривать не как произведение талантливого одиночки, а как сложный технический объект, который необходимо проектировать, проверять, сопровождать и развивать по определённым правилам.

Почти шесть десятилетий спустя индустрия переживает новый этап той же трансформации. Код остаётся необходимым, но центр тяжести смещается к архитектуре, данным, безопасности, взаимодействию цифровых систем с физическими объектами и реальными процессами компаний.

О том, почему привычный образ программиста всё хуже соответствует устройству современной цифровой экономики, в рамках проекта «Как это работает?», реализуемого при поддержке Министерства науки и высшего образования Российской Федерации в рамках Десятилетия науки и технологий, рассказал Олег Громов — генеральный директор и основатель российской ИТ-компании Extyl, работающий в отрасли более 18 лет.

Код больше не начинается с клавиатуры

Одним из наиболее заметных примеров изменений стала автомобильная промышленность. Механические характеристики машины — двигатель, трансмиссия, подвеска — по-прежнему имеют принципиальное значение. Но всё большую часть потребительских свойств определяют программное обеспечение, электронные помощники, навигация, связь, обработка данных с датчиков и возможность обновлять функции после выпуска автомобиля.

Такую технику часто называют программно-определяемой: возможности физического изделия зависят не только от деталей, установленных на заводе, но и от программной платформы, которую можно изменять на протяжении жизненного цикла машины.

Олег Громов описывает эту трансформацию через намеренно контрастное сравнение европейского и китайского подходов:

— Европейские производители исторически воспринимали автомобиль как источник эмоций, удовольствия от вождения, продолжение гоночной культуры. У китайских компаний философия во многом другая. Для них автомобиль — прежде всего умное электронное устройство. По сути, это уже «айфон на колёсах», где программное обеспечение становится не менее важным, чем двигатель, — отмечает эксперт.

Это сравнение не означает, что механика теряет значение или что все производители развиваются одинаково. Оно показывает другое: цифровая система перестаёт быть дополнительной функцией, которую можно просто установить поверх готового изделия. Она связывается с датчиками, тормозами, аккумулятором, навигацией, средствами связи и интерфейсами водителя. Ошибка в программе способна повлиять уже не только на удобство человека, но и на поведение физического объекта.

Поэтому разработать такую систему силами специалистов, каждый из которых видит только собственный участок кода, невозможно. В одной команде должны работать программисты, конструкторы, электронщики, математики, специалисты по данным, информационной безопасности и пользовательским интерфейсам.

Та же логика действует за пределами автомобилестроения. Допустим, компании нужна цифровая платформа для управления перевозками. На экране пользователь увидит карту, местоположение транспорта, статусы грузов и рассчитанные маршруты. Но работа инженера начинается значительно раньше — с изучения самого процесса.

Необходимо понять, почему возникают задержки, из каких источников поступают сведения, насколько они достоверны, кто принимает решение об изменении маршрута и что произойдёт, если один из связанных сервисов временно перестанет работать. Только после этого можно выбирать технологии и переходить к программной реализации.

— Сегодня мало быть хорошим программистом. Нужно понимать, как живёт бизнес, как устроены процессы внутри компании, откуда берутся данные, почему одни из них критически важны для принятия решений, а другие не играют существенной роли. Только разобравшись во всём этом, можно проектировать действительно эффективные цифровые решения. Код сегодня — уже не отправная точка разработки, а инструмент реализации инженерной идеи, — объясняет Олег Громов.

Справка: программирование и программная инженерия — не одно и то же

Программирование связано прежде всего с созданием инструкций, которые выполняет компьютер. Программная инженерия охватывает значительно более широкий круг задач: сбор и проверку требований, проектирование архитектуры, выбор технологий, тестирование, информационную безопасность, внедрение, сопровождение и развитие системы.

Хорошо написанный фрагмент кода может решить локальную задачу, но не гарантирует работоспособность продукта целиком. Система может оказаться неудобной, получать неверные данные, плохо взаимодействовать с другими сервисами или не выдерживать нагрузку. Поэтому качество цифрового решения определяется не количеством строк кода, а тем, насколько точно оно отвечает реальной задаче и сохраняет устойчивость после внедрения.

ИИ забирает рутину, но не ответственность

Генеративные модели уже умеют предлагать программный код, составлять тесты, объяснять незнакомые фрагменты и помогать разработчику находить возможные ошибки. Однако оценивать их влияние необходимо осторожно: результаты зависят от сложности задачи, опыта специалиста и того, насколько правильно инструмент встроен в рабочий процесс.

В контролируемом эксперименте Microsoft Research и GitHub участвовали 95 профессиональных разработчиков. Им предложили написать HTTP-сервер на JavaScript. Группа, использовавшая GitHub Copilot, справилась с этой конкретной задачей в среднем на 55,8% быстрее. Исследование показывает потенциал ИИ-помощников, но не доказывает, что любая разработка автоматически ускоряется в полтора-два раза. Крупная информационная система состоит не только из написания кода: в неё входят обсуждение требований, проектирование, интеграция, тестирование, защита данных и сопровождение.

Опросы GitHub также показывают, что разработчики используют освободившееся время не только для увеличения объёма кода. Они уделяют больше внимания проектированию систем, взаимодействию с коллегами и освоению новых навыков. Это подтверждает общий сдвиг: искусственный интеллект автоматизирует часть операций, но одновременно перемещает человека на уровень постановки задачи и принятия решений.

— Если рутинные задачи постепенно начинает выполнять искусственный интеллект, то ценность инженера определяется уже не тем, насколько быстро он пишет код. Гораздо важнее становится способность поставить правильную задачу, понять потребности бизнеса, спроектировать систему и оценить последствия каждого технического решения. Именно за это отвечает человек, а не алгоритм.

ИИ может предложить убедительно выглядящий вариант решения, но не несёт ответственности за его последствия. Именно инженер должен определить, можно ли доверять исходным данным, какие риски создаёт выбранная архитектура, как система поведёт себя при отказе и не приведёт ли автоматизация одного процесса к проблемам в другом подразделении.

Чем активнее нейросети участвуют в разработке, тем важнее становится проверка результатов. Специалисту необходимо понимать основы алгоритмов, чтобы заметить логическую ошибку, нарушение безопасности или решение, которое формально работает, но не соответствует реальной задаче. Иными словами, ИИ снижает ценность механического набора кода, но повышает ценность профессионального суждения.

Это отражается и в структуре востребованных навыков. В опросе работодателей, вошедшем в Future of Jobs Report 2025, аналитическое мышление назвали одним из ключевых навыков 69% респондентов, технологическую грамотность — 51%, системное мышление — 42%, тогда как программирование — 17%. Сравнивать эти показатели как рейтинг «важных» и «ненужных» умений некорректно: программирование остаётся специализированной компетенцией. Однако данные показывают, что для большинства организаций способность анализировать систему и понимать технологии требуется более широкому кругу сотрудников, чем непосредственное написание программ.

Цифровой экономике нужен не «просто программист»

Современный цифровой продукт всё реже создаётся внутри одной профессии. Рядом с разработчиками работают системные и бизнес-аналитики, инженеры данных, специалисты по машинному обучению, архитекторы решений, эксперты по информационной безопасности, дизайнеры пользовательских интерфейсов и представители той отрасли, для которой создаётся система.

Инженер данных определяет, откуда поступает информация, как она очищается, хранится и передаётся. ML-инженер превращает экспериментальную модель искусственного интеллекта в работающий компонент продукта. Системный архитектор отвечает за взаимодействие частей решения и его способность выдерживать рост нагрузки. Аналитик изучает бизнес-процесс и переводит его устройство в требования, понятные технической команде.

Появление этих специализаций не делает классическую разработку ненужной. Напротив, Всемирный экономический форум относит разработчиков программного обеспечения, специалистов по большим данным и машинному обучению к наиболее быстрорастущим профессиям до 2030 года. Одновременно работодатели ожидают роста значимости искусственного интеллекта, кибербезопасности, технологической грамотности, творческого и системного мышления.

Меняется не существование профессии, а единица профессиональной ценности. Работодателю всё меньше нужен человек, который просто получает техническое задание и переводит его в код, не задавая вопросов. Востребован специалист, способный выяснить, зачем создаётся система, увидеть слабые места требований, договориться с представителями других областей и предложить решение, которое можно поддерживать и развивать.

Поэтому фундаментальное инженерное образование не утрачивает значения с появлением новых инструментов. Библиотеки, платформы, языки и ИИ-помощники меняются быстро. Значительно медленнее устаревают математика, алгоритмическое мышление, теория систем, понимание архитектуры, методы проверки гипотез и способность устанавливать причинно-следственные связи.

Но одного диплома также недостаточно. По оценке Всемирного экономического форума, к 2030 году изменится около 39% ключевых навыков работников. Среди качеств, значение которых продолжит расти, названы любознательность, готовность учиться, гибкость и системное мышление.

Профессия программиста не исчезает. Исчезает представление о ней как о человеке, чья главная ценность заключается в знании синтаксиса одного языка и скорости набора команд. Код становится доступнее, а ответственность за устройство системы, её безопасность и влияние на реальный мир — сложнее.

— Технологии будут меняться ещё очень долго. Искусственный интеллект, новые языки программирования, новые платформы обязательно появятся. Но способность понимать систему целиком, видеть причинно-следственные связи и принимать инженерные решения останется главным качеством специалиста независимо от того, какие инструменты он использует, — подчёркивает Олег Громов.