Самый дорогой навык в ИИ-кодинге оказался вообще не про код.
Сижу читаю последнее письмо Эндрю Ына про навыки ИИ-инженера и ловлю неприятную мысль. Писать код с агентом я умею - делаю это каждый день. А вот решать, что именно ему строить и что не строить вообще, получается гораздо хуже.
С 14 августа по 11 сентября команда DeepLearning.AI выкатывала карту навыков ИИ-инженера. Собрали её не из головы: проанализировали больше 10 000 вакансий, поговорили с экспертами, хайринг-менеджерами и рекрутерами, провели опросы.
Получилось 20 навыков в четырёх ветках:
• создание и запуск ИИ-приложений
• основы разработки ПО
• работа с кодинг-агентами
• Shaping the build
Первые три я читал с ощущением «ну да, логично». LLM, данные, агентные системы, evals, продакшен. Дальше архитектура, безопасность и масштабирование. Дальше кодинг-агенты: поставить задачу, настроить окружение, проверить результат, дать больше автономности.
А вот четвёртая ветка - это где у меня пусто)
В ней всего четыре навыка: вести цикл разработки, принимать продуктовые решения, коммуницировать и лидировать, самостоятельно отвечать за результат.
В последнем письме мысль жёсткая: когда ты хорошо прокачан в ИИ-инженерии, твоя лучшая работа - не реализовать продукт, который кто-то другой расписал в спеке. Ты сам влияешь на то, что и как будет построено.
Раньше роли были понятны: продакт и дизайнер решают, что строить, разработчик пишет код. Теперь граница поплыла с двух сторон. Инженеры лезут в продуктовые решения, а продакты с дизайнерами подтягивают инженерные навыки и сами идут собирать.
Причём менеджером для машины ты становишься не после повышения и наставничества. Просто в случайный вторник открываешь кодинг-агента - и внезапно управляешь очень быстрым джуном, который готов без споров реализовать любую твою ошибку.
Про спеку там ещё жёстче: разработчикам не обязательно становиться продактами, но решения, которых нет в спеке, всё равно остаются на них. А если просят строить вообще без неё - ты умеешь написать её сам.
Бизнес уже хочет от LLM 10x скорости, приносит ноль анализа и спрашивает, почему ещё не готово. Для честного 10x остаётся заменить LLM-кой ещё и бизнес.
Но я сам ровно так же могу за вечер собрать очень красивый ответ на плохо поставленный вопрос.
Я уже писал похожую мысль после подкаста Соколовского с Матвеевым: дешёвый код не сделал дешёвым результат. Он просто передвинул дорогую часть работы.
Карта добавляет к этой мысли главное - список того, что теперь дорого.
Дефицит уехал на шаг назад: понять, какую боль вообще стоит решать, не проебать контекст, выбрать между пятью нормальными вариантами, определить, что значит «лучше», проверить, что агент не насрал, и потом отвечать за то, что оно работает.
ИИ заодно сделал дешёвым новый вид прокрастинации: можно весь день полировать предположение, которое надо было утром показать двум пользователям и похоронить до обеда.
Техника при этом никуда не делась. Пользователь не читает твой код, но прекрасно читает падения, тормоза, дыры в безопасности и месяцы ожидания простого фикса.
В прикладной криптографии, распределённых базах, биржевой инфраструктуре или робототехнике агент допишет функцию, но жопой за промышленную систему не ответит. Это по-прежнему ров - просто для тех, кто живёт в нём по-настоящему глубоко.
Для остальных путь другой: расти не только вглубь стека, но и в сторону продукта и ответственности за результат.
Я смотрю на эту карту как на чек-лист: три ветки зелёные, четвёртая красная 🤣
Кто тоже заметил этот переезд - что придумать уже сложнее, чем собрать? Или пока наоборот?
Сижу читаю последнее письмо Эндрю Ына про навыки ИИ-инженера и ловлю неприятную мысль. Писать код с агентом я умею - делаю это каждый день. А вот решать, что именно ему строить и что не строить вообще, получается гораздо хуже.
С 14 августа по 11 сентября команда DeepLearning.AI выкатывала карту навыков ИИ-инженера. Собрали её не из головы: проанализировали больше 10 000 вакансий, поговорили с экспертами, хайринг-менеджерами и рекрутерами, провели опросы.
Получилось 20 навыков в четырёх ветках:
• создание и запуск ИИ-приложений
• основы разработки ПО
• работа с кодинг-агентами
• Shaping the build
Первые три я читал с ощущением «ну да, логично». LLM, данные, агентные системы, evals, продакшен. Дальше архитектура, безопасность и масштабирование. Дальше кодинг-агенты: поставить задачу, настроить окружение, проверить результат, дать больше автономности.
А вот четвёртая ветка - это где у меня пусто)
В ней всего четыре навыка: вести цикл разработки, принимать продуктовые решения, коммуницировать и лидировать, самостоятельно отвечать за результат.
В последнем письме мысль жёсткая: когда ты хорошо прокачан в ИИ-инженерии, твоя лучшая работа - не реализовать продукт, который кто-то другой расписал в спеке. Ты сам влияешь на то, что и как будет построено.
Раньше роли были понятны: продакт и дизайнер решают, что строить, разработчик пишет код. Теперь граница поплыла с двух сторон. Инженеры лезут в продуктовые решения, а продакты с дизайнерами подтягивают инженерные навыки и сами идут собирать.
Причём менеджером для машины ты становишься не после повышения и наставничества. Просто в случайный вторник открываешь кодинг-агента - и внезапно управляешь очень быстрым джуном, который готов без споров реализовать любую твою ошибку.
Про спеку там ещё жёстче: разработчикам не обязательно становиться продактами, но решения, которых нет в спеке, всё равно остаются на них. А если просят строить вообще без неё - ты умеешь написать её сам.
Бизнес уже хочет от LLM 10x скорости, приносит ноль анализа и спрашивает, почему ещё не готово. Для честного 10x остаётся заменить LLM-кой ещё и бизнес.
Но я сам ровно так же могу за вечер собрать очень красивый ответ на плохо поставленный вопрос.
Я уже писал похожую мысль после подкаста Соколовского с Матвеевым: дешёвый код не сделал дешёвым результат. Он просто передвинул дорогую часть работы.
Карта добавляет к этой мысли главное - список того, что теперь дорого.
Дефицит уехал на шаг назад: понять, какую боль вообще стоит решать, не проебать контекст, выбрать между пятью нормальными вариантами, определить, что значит «лучше», проверить, что агент не насрал, и потом отвечать за то, что оно работает.
ИИ заодно сделал дешёвым новый вид прокрастинации: можно весь день полировать предположение, которое надо было утром показать двум пользователям и похоронить до обеда.
Техника при этом никуда не делась. Пользователь не читает твой код, но прекрасно читает падения, тормоза, дыры в безопасности и месяцы ожидания простого фикса.
В прикладной криптографии, распределённых базах, биржевой инфраструктуре или робототехнике агент допишет функцию, но жопой за промышленную систему не ответит. Это по-прежнему ров - просто для тех, кто живёт в нём по-настоящему глубоко.
Для остальных путь другой: расти не только вглубь стека, но и в сторону продукта и ответственности за результат.
Я смотрю на эту карту как на чек-лист: три ветки зелёные, четвёртая красная 🤣
Кто тоже заметил этот переезд - что придумать уже сложнее, чем собрать? Или пока наоборот?