В апреле 2026 года Сундар Пичаи, CEO Google, объявил на конференции Cloud Next: 75% нового кода в компании генерируется искусственным интеллектом и одобряется инженерами. Годом ранее Сатья Наделла сообщил, что до 30% кода Microsoft пишет AI. Марк Цукерберг пообещал, что AI возьмёт на себя половину разработки Meta «в ближайший год». В Anthropic, по данным компании, от 70 до 90% кода создаётся с помощью AI, а глава Claude Code Борис Черни заявил, что лично уже не пишет код вручную — AI генерирует 100%.
Эти цифры не являются прогнозами. Это текущая реальность крупнейших технологических компаний мира. И за ними стоит явление, которое меняет не только процесс написания кода, но и саму структуру IT-профессий — вайбкодинг.
Что такое вайбкодинг?
Термин придумал Андрей Карпати, учёный в области AI, один из первых участников OpenAI и бывший руководитель AI-подразделения Tesla. 2 февраля 2025 года он описал новый подход: «Полностью отдаёшься вайбу, принимаешь экспоненты и забываешь, что код вообще существует». Человек описывает задачу обычным языком, а LLM генерирует рабочий программный код. Collins English Dictionary назвал vibe coding словом 2025 года.
В более широком смысле вайбкодинг — это часть масштабного сдвига. AI-инструменты — Cursor, Claude Code, GitHub Copilot, Lovable, Bolt.new — берут на себя механическую работу программирования. По данным Stack Overflow за 2024 год, 76% разработчиков уже используют или планируют использовать такие инструменты. По данным Fastly за июль 2025, треть девелоперов-сеньоров с опытом более десяти лет генерирует с помощью AI больше половины своего кода. По данным JetBrains за январь 2026, 90% разработчиков в мире регулярно используют хотя бы один AI-инструмент.
Впрочем, статья не про то, что такое и как работает вайбкодинг. Она о том, что происходит с процессом разработки и как трансформируются профессии.
Кризис джунов: разорванный конвейер
Самое тревожное последствие AI-революции в программировании — это снижение спроса на джунов. Цифры показывают, что дела у них так себе.
Занятость разработчиков в возрасте 22–25 лет в США упала примерно на 20% от пика конца 2022 года к июлю 2025. Найм на начальные позиции в пятнадцати крупнейших технологических компаниях сократился на 25% с 2023 по 2024 год. Количество джуниорских вакансий в технологическом секторе США снизилось на 67%. Доля джунов среди новых наймов упала с 15% до примерно 7% за три года. По данным опроса LeadDev (2025), 54% руководителей инженерных команд планируют нанимать меньше джунов благодаря AI-помощникам.
Марк Бениофф, CEO Salesforce, заявил, что компания «серьёзно обсуждает, будет ли вообще нанимать инженеров» в 2025 году. Тоби Лютке, CEO Shopify, разослал внутреннее письмо: команды обязаны доказать, почему AI не может выполнить задачу, прежде чем запрашивать расширение штата. Вопросы об использовании AI добавлены в аттестацию и peer review.
Но вот в чём парадокс и потенциальная проблема: если джуны не получают работу, они никогда не становятся мидлами. Если мидлы стагнируют, они не растут в сеньоров. Об этом прямо написали аналитики Stack Overflow: «Конвейер ломается. Кто через десять лет будет теми сеньорами, которые рецензируют AI-код, если в 2025 году не наняли джуна?»
Студенты реагируют мгновенно. Набор на специальность Computer Science в 2025–2026 учебном году упал на 8,1%, и это самое резкое падение среди всех направлений по данным National Student Clearinghouse. По данным Computing Research Association, 62% из 130 университетов зафиксировали снижение. Forrester прогнозирует 20-процентное падение набора на CS и удвоение времени закрытия вакансий разработчиков. Студенты мигрируют в специализированные AI-программы.
Фронтенд: удар по самой массовой специализации
Фронтенд-разработка оказалась наиболее уязвимой перед AI. Инструменты вроде Lovable, Bolt.new и v0 позволяют нетехническим пользователям генерировать стандартные интерфейсы: формы, дашборды, лендинги, CRUD-приложения.
Спрос на фронтенд-разработчиков показал наибольшее падение среди всех инженерных ролей в 2025 году. Начинающий фронтендер с опытом до двух лет сталкивается с максимальным риском вытеснения: типовые задачи, которые раньше поручались джунам, теперь выполняет AI быстрее и дешевле.
Но это не значит, что фронтенд как дисциплина умирает. Сеньоры с опытом 7+ лет, имеющие экспертизу в архитектуре, дизайн-системах, доступности, производительности, остаются в сильной позиции. Их знания невозможно заменить промптом. AI генерирует код компонента, но не понимает, как этот компонент впишется в систему из двух сотен других, как он будет работать для пользователя со смартфоном и так далее. Есть масса тонких моментов, в которых AI пока срабатывает заметно хуже человека.
Бэкенд: от написания кода к архитектуре
Бэкенд-разработчики переживают более мягкую, но также фундаментальную трансформацию. По данным отчёта Anthropic «2026 Agentic Coding Trends», инженеры используют AI примерно в 60% работы, но могут «полностью делегировать» только до 20% задач.
Роль смещается: вместо написания кода — руководство, валидация и оптимизация того, что производит AI. Архитектура, код-ревью и проектирование систем становятся основной ценностью. По формулировке Anthropic, когда код становится легко генерировать, узким местом становится не написание кода, а принятие решений — архитектура, планирование, системный дизайн.
Интересная деталь: примерно 27% работы с AI-ассистентами — это задачи, которые вообще не выполнялись бы без AI. То есть AI не просто замещает, а создаёт новый слой работы.
Гергели Орош, автор Pragmatic Engineer провёл границу: навыки, теряющие ценность — быстрое прототипирование, знание множества языков программирования, специализация на одном стеке. Навыки, растущие в цене — это способность быть техлидом, продуктовое мышление, умение быть «крепким инженером», а не просто «кодером».
QA: от тестировщика к SDET
Тестирование — одна из специальностей, которую AI трансформирует быстрее всех. И здесь данные рисуют картину сложнее, чем «роботы заменят тестировщиков».
Цифры: массовое внедрение при низком масштабировании
По данным World Quality Report (2025), 89% организаций пилотируют или внедряют генеративный AI в процессы обеспечения качества — но только 15% масштабировали его до уровня предприятия. По данным Katalon (2025), 72% QA-специалистов используют AI для генерации тестов или оптимизации скриптов. 63% респондентов WQR назвали навыки работы с генеративным AI самым важным умением для инженеров качества.
При этом по данным Katalon (2025, опрос 1400+ QA-специалистов), 82% тестировщиков по-прежнему используют ручное тестирование ежедневно. По данным Global App Testing, полностью автоматизированное тестирование внедрили лишь 5% компаний.
Что забирает AI
AI-инструменты тестирования (Mabl, Applitools, testRigor, Qodo) уже берут на себя конкретные задачи. Генерация тестов из описания на естественном языке — 10% команд генерируют с помощью AI до 75% автоматизационных скриптов. Self-healing автоматически исправляет тесты при изменении интерфейса — кнопка переехала, ID элемента сменился. Параллельное выполнение позволяет запускать тысячи тестов одновременно, что раньше требовало целых команд. AI описывает, что тест делает и почему, генерируя документацию автоматически. За первый месяц внедрения AI-инструменты увеличивают покрытие тестами примерно на 40%.
Что остаётся за человеком
Классическая роль «ручного тестировщика» — того, кто кликает по кнопкам по чек-листу — действительно вымирает. Но это не значит, что тестирование перестаёт нуждаться в людях. AI не умеет понять, что приложение работает, но сбивает с толку пользователя. Не умеет обнаружить «перекрёстные баги» — проблемы, возникающие при взаимодействии двух функций, которые по отдельности работают идеально. Не умеет протестировать сценарий, который никто не предусмотрел, оценить юзабилити в реальном контексте или определить, какие сценарии отказа критичны для бизнеса, а какие допустимы.
Новая роль: от скриптовика к владельцу качества
На смену «классическому тестировщику» приходит SDET (Software Development Engineer in Test). Сдвиг фундаментальный: раньше мерой мастерства было умение написать чистый фреймворк на Selenium с Page Object Model. Теперь основная метрика это способность определить, что тестировать, почему это критично и как система качества работает в целом.
На практике это означает: тестировщик подключается на этапе проектирования фичи, а не после её реализации, определяет нефункциональные требования, ревьюит AI-сгенерированные тесты на полноту и соответствие бизнес-логике, следит за метриками типа defect escape rate (сколько багов утекло в продакшен) вместо «количества пройденных тестов». Человек больше не выполняет тесты — он решает, что тестировать и почему.
Зарплатная вилка
Рынок QA-тестирования растёт: с 55,8 млрд долларов в 2024 году до прогнозируемых 112,5 млрд к 2034-му. Но внутри рынка происходит поляризация. QA-специалисты, перешедшие в стратегические роли (архитектура тестирования, risk-based testing, quality ownership), получают премию $20–40 тысяч к зарплате. Рынок платит за мышление, а не за клики.
DevOps: платформенная инженерия
DevOps переживают эволюцию в сторону платформенной инженерии (Platform Engineering). AI-агенты берут на себя рутинные задачи дежурных смен, освобождая людей для стратегической работы.
К середине 2026 года ожидается более 100 000 вакансий Platform Engineer с зарплатами 150–200+ тысяч долларов на основных рынках. AWS запустил специализированных агентов безопасности и DevOps, которые сохраняют состояние, логируют действия, работают с политиками и интегрируются напрямую в CI/CD-пайплайны. Pulumi Neo позволяет командам описывать инфраструктурные потребности на обычном языке.
Продакт-менеджеры: теперь они умеют кодить
Одна из самых неожиданных трансформаций коснулась продакт-менеджеров и дизайнеров. По данным на 2026 год, более 58% продакт-менеджеров используют no-code или AI-инструменты для создания прототипов. Рабочий прототип, который раньше требовал недели согласований с командой разработки, теперь создаётся за часы.
Это меняет динамику внутри компании. Продакт-менеджер больше не описывает идею в документе и не ждёт спринт. Он показывает работающий прототип на встрече и говорит: «Вот так это должно работать». Граница между «придумал» и «реализовал» стирается, и это смещает баланс влияния в сторону людей с продуктовым мышлением.
Новые роли: что приходит на смену
Сам Карпати к 2026 году уже считает вайбкодинг пройденным этапом. Его новый термин — агентная инженерия (agentic engineering). «Агентная — потому что новая норма в том, что вы не пишете код напрямую в 99% случаев, вы оркестрируете агентов, которые это делают, и выступаете в роли надзора. Инженерия — чтобы подчеркнуть, что в этом есть искусство, наука и экспертиза».
Роль «промпт-инженера» как отдельной должности к началу 2026 года не исчезла — напротив, вакансии выросли на 135% — но трансформировалась: из экзотической специализации в стандартное требование к любому инженеру. Модели уровня GPT-5, Claude Opus 4.6 и Gemini 2.5 Ultra достаточно хорошо понимают размытые инструкции, чтобы экспертное конструирование промптов потеряло смысл для типовых задач.
Вместо этого появились новые роли:
- Agentic AI Specialist — проектирует и управляет автономными AI-рабочими процессами.
- AI Agent Operations (Agent Ops) — координирует команды AI-агентов на уровне предприятия. Аналог DevOps, но для AI-систем.
- Platform Engineer — более 100 000 вакансий ожидается к середине 2026 года.
Требование опыта работы с AI-инструментами кодирования появилось примерно в 40% вакансий технологического сектора. Навыки, востребованные работодателями, меняются на 66% быстрее в профессиях, «подверженных AI» (данные PwC).
Впрочем, не всё так просто. У AI-трансформации есть и негативные стороны.
Парадокс продуктивности
Исследование METR (июль 2025) — рандомизированное контролируемое испытание с 16 опытными open-source разработчиками и 246 задачами — показало, что AI-инструменты замедлили разработчиков на 19%, хотя сами они оценивали своё ускорение в 24%. Разрыв между ощущением и реальностью составил 43 процентных пункта.
Парадокс доверия
По данным Stack Overflow (2025), 84% разработчиков используют AI-инструменты, но лишь 33% доверяют точности результатов (а 46% совсем не доверяют). Позитивное отношение к AI упало с 70%+ (2023–2024) до 60% (2025). 66% называют главной проблемой «решения AI, которые почти правильные, но не совсем». 52% разработчиков либо не используют AI-агентов, либо работают только с простейшими инструментами.
Кризис качества кода
По данным исследования Apiiro в компаниях из Fortune 50, AI-генерированный код к июню 2025 года создавал более 10 000 новых security-findings в месяц и это десятикратный рост за полгода. По данным Veracode (протестировано 100+ моделей), 45% образцов AI-кода содержат уязвимости из OWASP Top 10. К февралю 2026 года объём нерешённого технического долга от AI-кода вырос до 110 000+ проблем (данные исследования «Debt Behind the AI Boom»). GitGuardian зафиксировал 28,65 млн новых захардкоженных секретов в публичных коммитах GitHub за 2025 год (+34% год к году); коммиты с использованием Claude Code показывают 3,2% утечек секретов — вдвое выше базового уровня в 1,5%.
Откат увольнений
Gartner прогнозирует: 50% компаний, сокративших службы поддержки клиентов из-за AI, наймут людей обратно к 2027 году — часто под другими должностями. Klarna — показательный пример: CEO похвастался, что AI-чатбот выполняет работу 700 агентов поддержки, компания сократила штат на 40%. Затем признал, что «низкое качество» чатбота означает необходимость снова нанимать людей. Duolingo объявил курс «AI-first» и сократил подрядчиков, но CEO уточнил, что штатных сотрудников не увольняли и продолжают нанимать.
Чистая арифметика
По данным World Economic Forum (Future of Jobs Report 2025), глобальный баланс положительный: 170 миллионов создаваемых рабочих мест против 92 миллионов вытесняемых за ближайшие пять лет. В категории AI конкретно: 11 миллионов создаваемых против 9 миллионов вытесняемых. Разработчики ПО по-прежнему в списке наиболее быстрорастущих профессий.
Кто выигрывает, кто проигрывает: карта трансформации
Если свести данные воедино, вырисовывается следующая картина.
Проигрывают:
- Джуны-разработчики без дополнительных навыков (типовые задачи автоматизированы)
- Фронтендеры начального уровня (стандартные интерфейсы генерируются AI)
- Ручные тестировщики (AI генерирует и выполняет тесты)
- Специалисты по одному стеку или языку (полиглотство обесценилось)
Выигрывают:
- Сеньоры с архитектурным мышлением (AI усиливает, а не заменяет)
- Продакт-менеджеры с техническим бэкграундом (могут прототипировать сами)
- Инженеры безопасности (AI создаёт больше уязвимостей, чем когда-либо)
- Платформенные инженеры (новый DevOps
- Специалисты по AI Agent Operations (координация автономных систем)
- «Крепкие инженеры» — те, кто понимает не только код, но и системы, бизнес-контекст, пользователей
Трансформируются:
- Бэкенд-разработчики — от написания кода к архитектуре и ревью
- QA — от выполнения тестов к стратегии качества
- DevOps — от ручной инфраструктуры к платформенной инженерии
- Дизайнеры — от макетов к работающим прототипам
Что с зарплатами
Средняя зарплата софтверного инженера в США в 2026 году — 130 000 долларов, рост 4% год к году. AI/ML-специалисты получают премию 20–40% к стандартным инженерным ролям. Вакансии AI/ML-инженеров выросли на 150% за год (данные Indeed, июнь 2024 → июнь 2025).
Вакансии софтверных разработчиков в целом выросли на 15% с середины 2025 года — рынок восстанавливается после постпандемийной коррекции. Но структура спроса изменилась: компаниям нужны не просто кодеры, а инженеры, умеющие работать с AI.
Формула будущего
Кевин Скотт, CTO Microsoft, предсказал: «95% кода будет генерироваться AI к 2030 году». И тут же уточнил: «Это не значит, что AI выполняет работу инженера. Авторство по-прежнему остаётся за человеком. AI создаёт ещё один уровень абстракции — мы переходим от мастерства ввода (языки программирования) к мастерству оркестрации (AI-агенты)».
Вернер Фогелс, CTO Amazon, описал будущее как «эпоху ренессансного разработчика», полимата, который понимает науку, искусство и инженерию: «Наша креативность, наше понимание большой картины — всё это то, что никогда не будет замещено инструментами».
Формула проста: ценность специалиста = (глубина понимания систем) × (умение оркестрировать AI) × (понимание бизнес-контекста). Знание синтаксиса конкретного языка программирования в этой формуле стремится к нулю.
Итого: не конец профессий, а их мутация
IT-профессии не исчезают. Они мутируют. Механическое написание кода обесценивается. Архитектурное мышление, понимание безопасности, продуктовый контекст и способность управлять AI-системами растут в цене.
Самый тревожный сигнал это не увольнения и не падение зарплат. Самый тревожный сигнал это разрыв траектории подготовки кадров. Если индустрия не найдёт способ растить джуниоров в эпоху AI, то через десять лет рецензировать AI-код будет некому.
А самый обнадёживающий для профессионалов прогноз от Gartner: половина компаний, поспешивших сократить службы поддержки из-за AI, наймут людей обратно к 2027 году. История технологических революций показывает, что первая реакция рынка всегда избыточна. Вопрос лишь в том, под какими должностями эти люди вернутся и какие навыки им потребуются.
