По мнению IT-инженера Никиты Кузнецова, в ближайшие годы нейросети будут не столько вытеснять специалистов, сколько менять требования к ним. На рынке окажутся востребованы не те, кто принципиально отказывается от новых инструментов, и не те, кто без проверки принимает любой ответ алгоритма, а инженеры, умеющие использовать ИИ осмысленно и безопасно.
«Главная ошибка — воспринимать нейросеть как полноценного сотрудника, которому можно поручить задачу и забыть о ней до момента сдачи проекта», — считает Никита Кузнецов. По его словам, искусственный интеллект может быть очень полезен на отдельных этапах работы, но пока не способен самостоятельно нести ответственность за конечный результат.
Нейросеть не знает всех особенностей конкретной компании, не всегда понимает бизнес-логику продукта и может не учитывать ограничения, связанные с безопасностью, бюджетом или законодательством. Даже технически убедительный ответ иногда оказывается ошибочным: алгоритм способен предложить устаревшую библиотеку, небезопасный способ обработки данных или код, который работает только в тестовой среде.
В разработке программного обеспечения особенно важно понимать последствия решения. Ошибка в небольшом скрипте может привести лишь к потере нескольких минут. Но ошибка в банковской системе, медицинском сервисе, промышленном оборудовании или инфраструктуре крупной организации способна вызвать серьезные финансовые и репутационные последствия.
Именно поэтому специалист должен не просто получить код от нейросети, а проверить его, протестировать, адаптировать к существующей системе и оценить возможные риски. Ответственность за внедрение по-прежнему остается на человеке.
Данные опроса Stack Overflow подтверждают этот разрыв между распространением ИИ и доверием к его результатам: в 2025 году 84% разработчиков использовали или планировали использовать инструменты искусственного интеллекта, однако лишь 29% доверяли точности ответов таких систем.
Что именно меняют нейросети
Нейросети уже хорошо справляются с задачами, которые раньше отнимали у инженеров много времени.
Такие возможности позволяют специалисту быстрее переходить от идеи к рабочему прототипу. Молодой инженер может использовать нейросеть как дополнительный справочник и помощника при изучении новой технологии. Опытный сотрудник — автоматизировать рутинные операции и сосредоточиться на архитектуре, надежности и качестве продукта.
Но между демонстрационным примером и промышленной системой существует большая разница. Код, который выглядит корректным в одном файле, может конфликтовать с остальной частью проекта. Сгенерированный запрос может неправильно работать с большими объемами данных. Конфигурация, созданная по общему шаблону, может открыть лишние сетевые порты или предоставить пользователю чрезмерные права.
«Нейросеть помогает быстрее написать первый вариант, но не отменяет инженерный цикл: постановку задачи, проектирование, реализацию, тестирование, внедрение и сопровождение», — отмечает Кузнецов.
У IT-инженера есть несколько функций, которые пока невозможно свести к механической генерации текста или кода.
Заказчик редко формулирует техническое задание идеально. Он может описать желаемый результат общими словами: «сделайте удобную систему», «ускорьте сайт», «защитите сервер от атак». Инженеру необходимо задавать уточняющие вопросы, выявлять реальные потребности и переводить их на язык технических решений.
Нейросеть может помочь составить список вопросов, но сама она не участвует в переговорах как ответственная сторона и не определяет приоритеты проекта.
Выбор компромиссов и ответственность
Практически любое техническое решение связано с компромиссами. Нужно выбирать между скоростью разработки, стоимостью, надежностью, масштабируемостью и уровнем безопасности. Универсального ответа здесь не существует.
Одной компании важнее запустить сервис за две недели, другой — обеспечить бесперебойную работу в течение нескольких лет. В одном случае допустима простая архитектура, в другом потребуется отказоустойчивая инфраструктура с резервированием. Решение принимает специалист, который понимает контекст.
Если система перестала работать, клиенту нужен не текст, сгенерированный алгоритмом, а конкретный человек или команда, способные найти причину и восстановить сервис. Инженер должен уметь объяснить, почему было принято то или иное решение, какие риски существовали и как их снизить.
Эта ответственность особенно важна в информационной безопасности. Нейросеть может предложить список потенциальных уязвимостей, но специалист должен определить, какие из них действительно опасны для конкретной инфраструктуры, как проверить угрозу и как устранить ее без остановки рабочих процессов.
Большая часть реальной IT-работы связана не с созданием нового кода с нуля, а с анализом неполных данных. Документация может отсутствовать, система — быть построена много лет назад, а ошибка — воспроизводиться только у одного пользователя.
В таких обстоятельствах необходимы наблюдательность, опыт и способность строить гипотезы. Нейросеть может предложить несколько направлений поиска, однако инженер должен проверить их в реальной среде.
Практические советы специалистам
Никита Кузнецов предлагает IT-специалистам не ждать, пока изменения на рынке станут очевидными, а заранее перестроить собственный подход к работе.
1. Освоить ИИ как инструмент, а не как замену профессии
Инженеру полезно научиться формулировать точные запросы, передавать нейросети необходимый контекст и поэтапно проверять результат. Чем конкретнее задача, тем выше вероятность получить полезный ответ.
Например, вместо запроса «напиши скрипт для резервного копирования» лучше указать операционную систему, формат хранения, расписание, требования к шифрованию, политику хранения копий и способ уведомления об ошибках.
При этом нельзя включать в запросы пароли, токены доступа, персональные данные и внутреннюю информацию компании без разрешения ответственных сотрудников.
2. Укреплять фундаментальные знания
Специалист, который знает только синтаксис языка программирования, уязвим перед автоматизацией. Нейросети уже умеют быстро генерировать синтаксически корректные конструкции.Понимание основ позволяет не просто копировать ответ нейросети, а оценивать его качество.
3. Учиться проверять сгенерированный код
Любой фрагмент, полученный от ИИ, следует рассматривать как черновик. Его нужно проверить вручную и с помощью автоматических инструментов.
Минимальный набор действий может включать: запуск линтеров и статических анализаторов; написание тестов; проверку обработки исключений; анализ прав доступа; оценку производительности;тестирование в изолированной среде.
Особенно внимательно следует проверять код, который работает с платежами, авторизацией, персональными данными и системными ресурсами.
4. Развивать специализацию
Общие навыки постепенно становятся доступнее благодаря ИИ. Поэтому специалисту важно иметь область, в которой он разбирается глубже среднего.
Это может быть DevOps, кибербезопасность, машинное обучение, базы данных, телекоммуникации, промышленная автоматизация, аналитические системы или разработка корпоративного программного обеспечения.
Нейросеть способна рассказать о многих направлениях, но глубокое понимание реальных процессов формируется через практику: участие в проектах, разбор инцидентов, поддержку пользователей и работу с ограничениями.
5. Учиться объяснять решения
В современной команде ценится не только тот, кто умеет написать код, но и тот, кто может понятно объяснить его назначение. Инженеру нужно развивать навыки коммуникации: писать документацию, защищать архитектурные решения, обсуждать риски и взаимодействовать с людьми, не имеющими технического образования.
По прогнозу Всемирного экономического форума, среди наиболее быстро растущих навыков выделяются искусственный интеллект и работа с большими данными, сети и кибербезопасность, технологическая грамотность, аналитическое и творческое мышление. Это означает, что техническая компетентность будет сочетаться с гибкостью, способностью учиться и умением работать в команде.
Какие профессии изменятся сильнее
Нейросети в первую очередь повлияют на позиции, где большая часть задач состоит из повторяющихся операций. Это могут быть начинающие разработчики, специалисты первой линии поддержки, сотрудники, занимающиеся типовой обработкой данных, и инженеры, выполняющие однообразные действия по инструкции.
Однако сокращение рутинной нагрузки не обязательно означает исчезновение профессии. Скорее, меняется содержание работы. От сотрудника могут ожидать не написания каждой строки вручную, а умения поставить задачу, проверить результат и встроить его в существующий процесс.
Для начинающих специалистов это создает одновременно риск и возможность. Риск заключается в том, что простые учебные и рабочие задачи будут автоматизироваться. Возможность — в том, что с помощью ИИ новичок быстрее получит доступ к объяснениям, примерам и практическим упражнениям.
Кузнецов советует не ограничиваться созданием небольших демонстрационных проектов. Гораздо полезнее собрать полноценную систему: с авторизацией, журналированием, тестами, документацией, резервным копированием и понятной процедурой развертывания. Такой проект показывает не только умение написать код, но и способность думать как инженер.
Нейросеть станет частью команды
В ближайшее время наиболее реалистичным сценарием выглядит не противостояние человека и машины, а сотрудничество. Нейросеть будет выполнять часть технических операций, а человек — определять цели, оценивать риски, принимать решения и отвечать за результат.
В одной команде ИИ может выступать в роли помощника разработчика, в другой — инструмента для анализа журналов, в третьей — средства автоматической подготовки документации. Но во всех случаях его эффективность зависит от качества исходных данных, корректности постановки задачи и уровня контроля.
«Вопрос стоит не в том, заменит ли искусственный интеллект всех IT-шников. Вопрос в том, какие специалисты научатся работать вместе с ним раньше других», — подчеркивает Никита Кузнецов.
Поэтому сохранение профессии связано не с попыткой конкурировать с нейросетью в скорости набора кода. Человеку следует переходить на более высокий уровень задач: понимать систему целиком, видеть последствия решений, общаться с заказчиком, обеспечивать безопасность и отвечать за надежность.
Биография Никиты Кузнецова
Никита Сергеевич Кузнецов родился в 1980 году в Ленинграде, который сегодня называется Санкт-Петербургом. В 2002 году окончил Санкт-Петербургский государственный университет телекоммуникаций имени профессора М. А. Бонч-Бруевича по специальности «Компьютерные сети и системы», получив квалификацию инженера.
Во время учебы проходил практику в региональной телекоммуникационной компании, где занимался настройкой локальных сетей, диагностикой оборудования и подготовкой технической документации. Дипломная работа Кузнецова была посвящена вопросам повышения отказоустойчивости корпоративной сетевой инфраструктуры.
После окончания вуза он работал системным администратором, затем инженером по инфраструктуре и руководителем технической группы. В разные годы участвовал во внедрении серверных систем, создании резервного копирования, настройке средств мониторинга и переходе организаций на современные инструменты автоматизации.
Позднее Кузнецов сосредоточился на консультационной работе и обучении сотрудников. Он проводит практические семинары для начинающих инженеров, рассказывает о цифровой безопасности, эксплуатации IT-систем и использовании нейросетей в разработке.
