Программирование 3.0: почему мир разработки ПО уже не будет прежним

Мы уже писали про то, какие профессии развитие ИИ зацепит больше всего.

В первых рядах были разработчики.

Сегодня разберём, как трансформируется эта отрасль детальнее.

До 2025 года разработку кода с помощью ИИ можно было назвать игрой, с помощью которой люди создавали простые сайты, мобильные приложения и системы. Даже термин придумали схожий - “вайб кодинг”, то есть кодинг на вайбе. Это можно назвать программированием 2.0, когда часть кода пишет не человек, а ИИ.

В начале 2026 года стало возможным построить агентскую систему разработки продукта, связанный набор агентов, каждый из которых закрывает определенный навык в:

Модели научились держать 1-2 млн контекста, в который с учётом использования RAG помещается архитектура и нужные для изменения части кода любой большой социальной сети или сложной корпоративной системы.

Такой режим уже смело можно назвать программированием 3.0, когда бОльшую часть кода пишет ИИ.

Это позволяет ускорить разработку в 10 раз. При этом функциональное качество и степень безопасности на уровне или выше традиционного процесса разработки без ИИ.

Выглядит безумно эффективно, но надо быть начеку с автономностью и не нагородить излишнюю сложность. Это задача не ИИ, а руководителя.

Появляются роли типа full-stack продакта или full-stack билдера, это люди, которые задают стратегию, приоритеты и гипотезы, а ИИ-агенты делают всю дизайнерскую и инженерную работу.

Отдельные части уже отрабатывают хорошо, однако лучших практик и рекомендаций по согласованности работы мультиагентных систем пока ещё не выработано, каждая компания изобретает свои.

Мы считаем, что именно в согласованной работе над общими целями следующий большой шаг в применении ИИ. Представьте, что вы дали доступ нейросети к полному контексту вашего бизнеса: бизнес-модель, конкуренты, стратегические приоритеты, орг. структура, бизнес-процессы и попросили подумать и потом реализовать планы по повышению EBITDA на 10%? :) Пока такое сложно представить, но ведь и текущее состояние, которое обсуждаем в этой статье, было сложно представить всего 5 лет назад.

Сейчас крутые разработчики 80 % времени общаются с ИИ и 20 % пишут сами код.

Если раньше была задача придумать и реализовать эффективную архитектуру, то сейчас задача сместилась в настройку и управление контекстом максимума агентов, которые работают с вашим минимальным участием.

Пример рабочего стола Питера Штайнбергера ниже:

Он использует около 10 компьютеров и систем для работы с кодирующими агентами. При правильной настройке за двадцать минут он добивается результата, за счёт того, что делегирует задачи разным агентам, часть из которых работают параллельно:

Агент изучает ваше окружение, документацию, данные, файлы на компьютере, чтобы он сам мог разрабатывать продукт.

За что отвечает человек? За выбор по приоритету, какую потребность будем закрывать следующей, за дизайн, за общую логику.

На последнем агенте я бы хотел заострить ваше внимание, потому что он является продуктовым и процессным лидером.

Как раньше выглядел процесс разработки?

В давние времена это была водопадная модель, где продукт/проект по большому и длинному каскаду проходил все стадии: аналитика, архитектура, разработка, тестирование, интеграция, релиз.

Потом к нам пришли Agile практики. Команды, чтобы двигаться быстрее стали небольшими, 5-9 человек и большого слона стали пропускать через конвейер от аналитики до релиза за 2-4 недели.

Но если ретроспективно оглянуться, то получается, что Agile был некоторым временным костылём.

Команда / человек просто не могли держать в голове много контекста, и поэтому мы делили продукт и орг.структуру на небольшие команды.

Сейчас, когда ИИ может держать 2 млн токенов контекста, этого достаточно для проектирования и дальнейшей итеративной разработки крупной системы. Вам надо сначала посидеть - подумать над сложной архитектурой 3-5 дней, а дальше двигаться быстрыми итерациями с агентами. И быстрыми это уже не 2-4 недели, а несколько часов.

Командам разработки надо переосмыслить свои подходы к тому, как описываются требования и архитектура. Сделать это пригодным к использованию агентов. И потом перезапустить конвейер разработки.

HR директору и руководителю разработки надо пересмотреть процесс найма: давать на собеседованиях большой проект (например, создать клон нельзяграмма) и смотреть, как человек справится, какое будет качество тестового задания не только с т.з. функциональности, но и безопасности.

Всем нам стоит осознать, что если у вас есть токены, агенты и хорошие модели, то узким местом становится то, насколько хорошо мы умеем всем этим управлять и не тормозить весь процесс собой.

Людям сложно перестроить мышление с фиксированного на мышление роста, но это просто придётся сделать.

В завершении статьи хочется вспомнить парадокс Джевонса. Он заметил ещё в 1865 году на примере потребления угля: когда что-то становится дешевле, общий спрос на него часто растет, а не падает.

Как это относится к ИИ сегодня?

Пока токен стоил дорого, агентные сценарии и многошаговые пайплайны, сжигающие миллионы токенов, были нерентабельны. Удешевление делает их рабочими и суммарный расход токенов растёт по экспоненте.

ИИ удешевляет выполнение задачи (код, аналитика, архитектура). Но объём этой работы не сокращается, а растёт: то, что раньше было экономически неоправданно (проверить 40 вариантов гипотез), становится дефолтом. Освободившееся время реинвестируется.

Представьте, у вас есть 7 стратегических задач, но ресурсов хватит только на 5.

Вопрос: как решить ещё +2 задачи с помощью ИИ? Это приводит к дополнительной ценности, а не выжиманию эффективности из текущего процесса.