Кто будет учить джунов, если нейросети забрали всю рутину

Раньше путь инженера начинался с черновой работы: написать автотесты, собрать аналитику, разметить датасет, составить документацию. Именно эта рутина служила естественным полигоном для новичков. Выполняя однотипные задачи, они делали первые ошибки, проходили код-ревью и постепенно формировали профессиональное суждение — то самое интуитивное понимание, как система ведёт себя в реальности. В инженерии этот этап называют накоплением насмотренности. Невозможно спроектировать надёжный мост, не изучив сотни типовых узлов и чужих ошибок. Этот принцип десятилетиями поддерживал и разработку ядра Linux: Линус Торвальдс и мейнтейнеры требовали, чтобы новички вручную переписывали патчи, — так они ментально прорастали в архитектуру подсистем и перенимали культуру инженерных решений.

Генеративный искусственный интеллект автоматизировал большую часть этой рутины. Написание тестов, разметка данных, даже первичный анализ кода теперь можно поручить нейросетям. С одной стороны, это повышает эффективность компаний. С другой — исчезает то самое тренировочное поле, на котором выращивались младшие специалисты. Исследователи Microsoft предупреждают: к 2026 году эта тенденция остановит традиционный конвейер передачи опыта, что создаст риск так называемого кадрового дефолта в ИТ-отрасли. В докладе Microsoft этот эффект назван AI Drag — эффектом торможения. Он становится главным вызовом для всей системы обучения специалистов. Экономия на начинающих сотрудниках приводит к тому, что через несколько лет отрасли просто будет некому передавать знания и опыт. Старшие инженеры выйдут на пенсию, а джуны, лишённые практики, так и не приобретут глубокого понимания систем.

Как перестроить обучение, когда рутина больше не учит? Эксперты предлагают новые форматы: искусственные задачи с намеренно внесёнными ошибками, парное программирование с опытными наставниками, разбор реальных инцидентов и катастроф. Важно, чтобы начинающие специалисты получали обратную связь и могли анализировать последствия своих решений. Компаниям стоит рассматривать обучение не как затраты, а как долгосрочную инвестицию. Иначе уже через несколько лет индустрия столкнётся с острой нехваткой квалифицированных инженеров, способных принимать ответственные решения. Проблема, которую подняли исследователи Microsoft, касается не только ИТ, но и всех отраслей, где генеративный ИИ внедряется в производственные процессы. Вопрос о том, кто будет учить джунов, становится вопросом о будущем всей инженерной культуры.