О чём поговорим:
Содержание:

Подбор разработчиков в эпоху AI: какие навыки становятся важнее умения писать код

15.10.2026
10+ минут
128
Подбор разработчиков в эпоху AI: какие навыки становятся важнее умения писать код
Маркетолог
ИИ уже умеет искать ошибки, писать тесты, рефакторить отдельные участки, разбирать существующую кодовую базу и готовить документацию, поэтому скорость ручного написания кода постепенно перестает быть главным признаком сильного разработчика.

На первый план выходят навыки, которые находятся до и после непосредственного кодинга: понять задачу, выбрать подход, разбить работу на этапы, оценить последствия решения, проверить результат и довести его до рабочего состояния.

При этом знание программирования никуда не исчезает. Наоборот: чтобы проверить код, созданный языковой моделью (LLM), разработчик должен хорошо понимать, что именно происходит внутри системы. Иначе ИИ просто позволяет быстрее получить решение, качество которого специалист не способен оценить.

Для работодателей это означает и изменение подхода к подбору разработчиков. 

Что ИИ уже забирает из работы разработчика

В первую очередь автоматизируются задачи, где есть понятный вход, ожидаемый результат и относительно ограниченный контекст. ИИ уже может взять на себя значительную часть технической работы, но выбор решения и контроль результата по-прежнему остаются за разработчиком.

ИИ помогает За разработчиком остается
Генерировать типовой код Выбирать подход к реализации и оценивать, подходит ли он конкретной системе
Проводить рефакторинг Оценивать последствия изменений для других компонентов
Генерировать тесты Определять, какие сценарии действительно необходимо проверить
Готовить техническую документацию Проверять ее корректность и соответствие реальной логике системы
Проводить первичный код-ревью Замечать логические, архитектурные и связанные с безопасностью проблемы
Анализировать кодовую базу и находить нужные участки Понимать связи между компонентами и систему целиком
Искать возможные причины ошибок и помогать с отладкой Устанавливать реальную причину проблемы и выбирать способ исправления
Быстро собирать прототипы Определять требования, ограничения и готовность решения к дальнейшей разработке
Выполнять отдельные этапы CI/CD Контролировать процесс и решать, можно ли безопасно выпускать изменения

Таким образом, автоматизируется прежде всего выполнение конкретных операций. Постановка задачи, выбор решения, оценка его последствий и ответственность за итоговый результат остаются за разработчиком.

Какие навыки разработчика становятся важнее с развитием ИИ

Умение ставить задачу и декомпозировать ее

Навык работы с ИИ часто ошибочно сводят к умению писать хорошие промпты. На практике задача гораздо шире, разработчик должен сначала сам понять:

  • что сейчас работает неправильно;
  • какого поведения нужно добиться;
  • что можно менять, а что нельзя;
  • какие зависимости затронет изменение;
  • как будет понятно, что задача действительно решена.

Сравним две постановки.

«Исправь авторизацию».

Здесь почти нет информации, на основании которой можно принять инженерное решение.

Другая постановка:

«После истечения сессии пользователь получает ошибку вместо перехода на повторную авторизацию. Нужно исправить обработку этого сценария, не меняя срок действия сессии и публичный API. После изменений должны корректно обрабатываться действующая, истекшая и отсутствующая сессия».

Во втором случае определены проблема, ограничения и критерии проверки.

Та же логика работает с крупными задачами, чем больше изменений нужно внести, тем опаснее отдавать их модели одним запросом. Разработчик должен уметь разбить работу на этапы, проверять промежуточный результат и корректировать направление до того, как неправильное решение затронет десятки файлов.

Чем больше кода способен сгенерировать ИИ, тем важнее становится качество постановки задачи.

Архитектура и системное мышление

ИИ относительно хорошо работает с локальными задачами, но проблемы начинаются там, где изменение становится частью большой системы.

Разработчику нужно учитывать:

  • данные и их целостность;
  • интеграции с другими сервисами;
  • нагрузку;
  • безопасность;
  • отказоустойчивость;
  • миграции;
  • существующие зависимости;
  • дальнейшую поддержку решения.

Например, сгенерированная функция может корректно выполнять свою задачу, но дублировать уже существующую бизнес-логику. Новый сервис может решать локальную проблему, но добавлять лишнюю точку отказа. Изменение структуры данных может работать на новых записях, но создавать проблему при миграции старых.

Поэтому сильный разработчик должен отвечать не только на вопрос «как это реализовать?», но и на вопросы «нужно ли делать именно так?» и «что изменится в системе после этого?».

Особенно важен этот навык в крупных и давно работающих продуктах. В них даже небольшое изменение может затронуть старые зависимости, которые не очевидны из конкретного участка кода.

Критическая проверка результата, ревью кода и отладка

Одна из главнейших проблем работы с ИИ заключается в убедительности результатов. Код может выглядеть аккуратно, соответствовать стилю проекта и даже проходить часть тестов, но это еще не означает, что он правильно решает исходную задачу.

Поэтому разработчик должен проверять:

  • верно ли реализована бизнес-логика;
  • какие предположения заложены в решение;
  • какие граничные ситуации не учтены;
  • не появились ли новые уязвимости;
  • не возникла ли лишняя связанность;
  • не сломалось ли существующее поведение.

Здесь особенно хорошо видна разница между использованием ИИ как инструмента и реальной инженерной зрелостью. Кандидат может за несколько минут получить готовое решение, но затем не суметь объяснить, почему выбрана такая структура, что произойдет при ошибке внешнего сервиса или почему конкретная проверка находится именно в этом месте.

Полезный критерий очень простой: ИИ может написать код, но разработчик должен уметь его объяснить. Это же относится к отладке, если специалист при каждой ошибке просто передает модели новый лог и принимает очередное исправление, сложно понять, способен ли он самостоятельно найти причину проблемы.

Тестирование и верификация результата

Написание тестов проще всего частично автоматизировать, но решать, что именно необходимо проверить, по-прежнему должен разработчик.

Допустим, модель написала пять модульных тестов для расчета стоимости заказа. Все они проходят, но это еще не означает, что расчет проверен достаточно.

Нужно понять:

  • протестированы ли граничные значения;
  • проверены ли ошибочные входные данные;
  • учитываются ли разные бизнес-сценарии;
  • возможна ли регрессия в связанной функциональности;
  • достаточно ли модульного теста или необходимо проверять взаимодействие нескольких компонентов.

Отдельная проблема может быть и в тестах, которые фактически повторяют логику реализации. Если ошибка заложена и в коде, и в тесте, успешное прохождение проверки ничего не доказывает, поэтому ИИ действительно снижает стоимость написания тестов, но не снимает с разработчика ответственность за стратегию тестирования.

Навыки работы с ИИ и управление контекстом

Разработчик должен понимать, какую информацию модели действительно необходимо дать для решения конкретной задачи.

Есть глобальный контекст проекта: архитектурные правила, ограничения, соглашения по коду, команды для запуска проверок. А есть контекст конкретной задачи: нужные компоненты, текущая проблема, ожидаемое поведение, связанные тесты и допустимые изменения.

Если передать слишком мало информации, модель начнет достраивать недостающие условия. Если загрузить в нее всё подряд, полезные инструкции могут потеряться среди второстепенных деталей.

Поэтому умение работать с LLM-моделью включает:

  • подбор релевантного контекста;
  • постановку ограничений;
  • разделение большой задачи на этапы;
  • проверку промежуточного результата;
  • понимание того, что можно делегировать;
  • понимание того, что требует участия человека.

То есть при использовании ИИ нужно уметь построить управляемый процесс работы с ним, а не просто получить ответ на запрос.

Понимание бизнеса и предметной области

Чем проще становится технически реализовать функцию, тем важнее ответить на вопрос: а нужна ли она вообще? Разработчик может идеально выполнить техническое задание и при этом не решить проблему бизнеса.

Например, команда получает запрос «ускорить обработку заказов». Можно сразу оптимизировать запросы к базе или переписать часть сервиса, но сначала нужно выяснить, где возникает задержка. Возможно, большую часть времени заказ находится на ручном согласовании и производительность кода практически не влияет на итоговый процесс.

Поэтому от разработчиков требуется понимать:

  • зачем создается функция;
  • какую проблему пользователя она решает;
  • какие ограничения есть у бизнеса;
  • насколько оправдана сложность реализации;
  • можно ли добиться результата более простым способом.

Сюда же относится коммуникация, разработчику нужно уметь задавать уточняющие вопросы и объяснять техническое решение не только другим инженерам, но и бизнесу: какие есть варианты, чем они отличаются и какие последствия будет иметь каждый из них.

Какие профессиональные навыки разработчика не теряют важности
ИИ снижает ценность некоторых механических навыков, например, всё меньше смысла оценивать специалиста по тому, насколько быстро он пишет boilerplate (шаблонный код) или насколько точно помнит синтаксис редко используемой конструкции.

Также становится менее показательной чрезмерная привязка к одному конкретному фреймворку, если работа не требует глубокой специализации именно в нем.

Но фундаментальные профессиональные навыки разработчика от этого не становятся менее важными, по-прежнему нужны:

  • алгоритмы и структуры данных;
  • базы данных;
  • сети;
  • конкурентность;
  • операционные системы;
  • безопасность;
  • понимание архитектуры;
  • чтение чужого кода;
  • самостоятельная отладка;
  • способность реализовать решение без ИИ.

Причина проста - чтобы заметить плохое решение модели, нужно знать, какое решение будет хорошим. Если разработчик не понимает транзакции, он не сможет надежно проверить сгенерированную работу с базой, если не понимает конкурентный доступ — может пропустить ошибку, которая проявится только под нагрузкой, если плохо представляет устройство сети — сложнее диагностировать сбой во взаимодействии сервисов.

Как меняются требования к джунам, мидлам и сениор-разработчикам

ИИ влияет на специалистов всех уровней, но требования меняются по-разному.

Уровень Что становится особенно важно
Джун Четко формулировать небольшую задачу, читать сгенерированный код, не принимать ответы ИИ на веру, самостоятельно писать и разбирать код, формировать фундаментальную инженерную базу
Мидл Декомпозировать задачи, понимать алгоритмы и паттерны проектирования, строить стратегию тестирования, самостоятельно проводить ревью кода, замечать логические ошибки и некорректные предложения модели
Сениор Проектировать архитектуру, оценивать трейд-офф, учитывать безопасность и поддерживаемость, определять правила использования ИИ внутри разработки и отвечать за итоговое инженерное решение

Главный риск — скорость разработки растет быстрее инженерного контроля


Большой объем сгенерированного кода легко принять за рост производительности, но показатели «команда стала выпускать больше кода» и «команда стала быстрее создавать качественный продукт» не равнозначны.

Если скорость внесения изменений растет быстрее, чем возможности их проверить, могут появляться:

  • лишняя сложность;
  • дублирование логики;
  • технический долг;
  • архитектурные нарушения;
  • уязвимости;
  • плохо поддерживаемый код;
  • решения, принцип работы которых команда уже не понимает.

Возникает и эффект ложной экономии времени, написание функции занимает несколько минут, но затем разработчик долго разбирается в предложенной реализации, исправляет побочные эффекты и переписывает часть решения. В результате первоначальное ускорение оказывается меньше, чем казалось.

Отдельный риск — потеря самостоятельности. Если специалист месяцами работает по схеме «получил ответ — принял — отправил дальше», постепенно становится сложнее самому проектировать и отлаживать систему.

Поэтому внедрение ИИ имеет смысл оценивать не по числу сгенерированных строк или изменений, а по конечному результату: стала ли команда быстрее выпускать надежные изменения, которые можно поддерживать дальше.

Как теперь оценивать разработчика при найме

При подборе разработчиков мы бы не ограничивались классической задачей «напишите функцию». Она по-прежнему полезна для проверки базы, но показывает только часть работы современного специалиста.
Интервью стоит дополнять заданиями, в которых видно, как кандидат думает, проверяет и принимает решения.

Дать кандидату сгенерированный ИИ фрагмент кода

Можно заранее подготовить небольшой пример с несколькими проблемами и попросить кандидата его разобрать. Например:

  • что здесь потенциально работает неправильно;
  • какие edge cases (крайний случай) пропущены;
  • где возникнут проблемы при увеличении нагрузки;
  • какие тесты необходимо добавить;
  • что стоило бы изменить и почему.

Важно смотреть не только на количество найденных замечаний, сильный кандидат объясняет, в чем именно риск, при каких условиях он проявится и как это проверить.

Дать задачу и разрешить использовать ИИ

Использование ИИ во время технического интервью можно не запрещать, а сделать частью оценки. При этом смотреть нужно на процесс:

  • какие уточняющие вопросы задает кандидат;
  • как формулирует задачу для модели;
  • разбивает ли ее на этапы;
  • что делегирует;
  • что проверяет самостоятельно;
  • читает ли полученный код;
  • может ли объяснить итоговое решение.

Так хорошо видна разница между человеком, который просто получает код, и разработчиком, который использует ИИ как рабочий инструмент.

Попросить защитить архитектурное решение

Особенно полезно для мидл- и сениор-позиций. Можно попросить кандидата объяснить:

  • почему выбрана такая структура;
  • что произойдет при сбое одного из компонентов;
  • где могут возникнуть проблемы с данными;
  • как решение будет вести себя при росте нагрузки;
  • какие альтернативы рассматривались;
  • от чего пришлось отказаться и почему.

Проверить инженерную самостоятельность

Часть задания или диагностики полезно провести без AI-подсказок, например, дать лог ошибки и небольшой участок кода, попросить найти причину или внести локальное изменение.

Цель не в том, чтобы проверить, сможет ли кандидат работать без ИИ всегда. Задача другая: понять, есть ли у него собственная инженерная база, необходимая для проверки результата модели.

Как работодателям менять профиль при поиске и подборе разработчиков

При поиске разработчиков требования к вакансии стоит пересматривать не вокруг конкретных ИИ-инструментов, а вокруг того, как изменилась сама работа.

Меньше значения постепенно имеют:

  • скорость ручного набора кода;
  • знание большого количества синтаксических конструкций наизусть;
  • количество знакомых фреймворков само по себе;
  • формальное требование определенного количества лет работы с инструментом, если глубина этой специализации не нужна в проекте.

Больше внимания стоит уделять:

  • инженерной базе;
  • архитектуре и системному дизайну;
  • декомпозиции;
  • работе с требованиями;
  • тестированию;
  • ревью кода;
  • безопасности;
  • пониманию предметной области;
  • навыкам работы с ИИ;
  • способности аргументировать решение;
  • ответственности за результат.

При этом в профиле кандидата лучше не ограничиваться формулировкой «умеет работать с ИИ», она практически ничего не говорит о реальной квалификации.

Гораздо точнее описывать ожидаемое поведение: например, специалист умеет использовать ИИ при реализации задач, самостоятельно проверяет сгенерированные изменения, определяет необходимые тесты и способен объяснить принятое решение.

Для работодателя важно разделять два совершенно разных навыка: уметь пользоваться ИИ и уметь с помощью ИИ решать инженерные задачи. Первый можно освоить достаточно быстро, второй требует полноценной профессиональной базы.
Маркетолог
Специалист с опытом в маркетинге более 5 лет. Профессиональные интересы: продвижение в интернете и бренд-менеджмент.
«Ритейл Персонал» -
ваш надежный партнер в поиске
и подборе персонала.
Находим квалифицированных специалистов в 11+ профессиональных областях,
в том числе закрываем сложные
и редкие вакансии
Отправьте статью себе на почту
Поделиться:
Введите свою почту, чтобы скачать материал

Читайте больше статей из нашего блога

Свяжитесь с нами для обсуждения ваших задач

Спасибо за заявку!
Наш менеджер свяжется с вами в ближайшее время.

Екатерина Федоренко

Екатерина Федоренко

Менеджер по работе с клиентами

+7 (495) 212 13 92

hello@retailpersonal.ru

Ритейл Персонал ИТ Персонал

Контакты