Сколько кода уже пишет ИИ
Громче всего прозвучала цифра Google. 22 апреля 2026 года глава компании Сундар Пичаи сообщил, что 75% всего нового кода в Google создает ИИ, а одобряют его инженеры. Осенью 2025 года доля была 50%, в октябре 2024 года больше четверти. Сложный перенос кода, который агенты и инженеры делали вместе, закончили в шесть раз быстрее, чем год назад получалось у одних инженеров.
Инструментами пользуются почти все. В опросе Stack Overflow 2025 года 51% профессиональных разработчиков работают с ИИ каждый день. В исследовании DORA 2025 года, где опросили почти 5 000 специалистов, ИИ используют 90%, и больше 80% говорят, что он повысил их производительность.
Важная оговорка: 75% кода не равно 75% работы. Написать код это одна часть задачи разработчика. Остальное: понять, что нужно бизнесу, спроектировать систему, проверить изменения, выпустить их и отвечать за сбои. Во фразе Google стоит перечитать вторую половину: код одобряют инженеры. Человек по-прежнему решает, попадет ли изменение в рабочую систему.
Где ИИ ускоряет разработчиков, а где замедляет
Опросы показывают ощущения, а не время. Время замерила некоммерческая исследовательская организация METR. В рандомизированном опыте 2025 года 16 опытных разработчиков открытых проектов решали 246 реальных задач, и для каждой задачи случайно определяли, можно ли пользоваться ИИ. С ИИ задачи заняли на 19% больше времени. До начала участники ждали ускорения на 24%, а после опыта все равно считали, что ИИ ускорил их на 20%.
В феврале 2026 года METR повторила замер на инструментах конца 2025 года: 57 разработчиков, больше 800 задач. Оценка сменилась на ускорение: 18% у участников первого опыта и 4% у новых. Но сама METR называет этот сигнал ненадежным. Многие разработчики отказались участвовать, потому что не хотели работать без ИИ, а от 30 до 50% опрошенных признались, что не отдавали в опыт задачи, которые не хотели делать вручную. Вывод исследователей: сейчас разработчики с ИИ, скорее всего, работают быстрее, чем в начале 2025 года, но насколько, пока не известно.
Для компании отсюда следуют две вещи. Первая: самооценка команды завышает эффект, люди уверены в ускорении даже там, где его нет. Вторая: эффект зависит от задачи и от того, как устроена работа. В отчете DORA это сформулировано так: ИИ усиливает сильные и слабые стороны организации. Если в команде есть тесты и проверка кода, ИИ ее ускоряет. Если нет, он быстрее производит ошибки.
Когда ИИ заменит программистов: прогноз занятости

Прогноз по профессии регулярно публикует Бюро статистики труда США. По обновлению от 27 августа 2026 года разработчиков программного обеспечения вместе с тестировщиками в США около 1,9 млн, и к 2035 году их должно стать на 10% больше, это быстрее среднего по всем профессиям. Бюро ждет около 106 тысяч вакансий в год. Одна из причин роста: компаниям нужно больше программ для ИИ, роботов и автоматизации.
У программистов в узком смысле, тех, кто пишет и проверяет код по готовому заданию, прогноз обратный: минус 7% к 2035 году при 110 800 рабочих местах сейчас. Бюро прямо называет причину: компании будут автоматизировать повторяющиеся задачи программирования, в том числе с помощью ИИ, а часть сложной работы перейдет к разработчикам.
Так выглядит честный ответ на вопрос из заголовка. ИИ забирает работу «написать код по описанию» и не забирает работу «решить, что строить, и отвечать за результат». Профессия не исчезает, а смещается: меньше людей пишут код руками, больше ставят задачи, проверяют и отвечают за систему. Похожий разбор для другой профессии: заменит ли ИИ юриста.
Что происходит с наймом начинающих разработчиков
Первыми изменения почувствовали молодые специалисты. Исследователи Стэнфорда Эрик Бриньолфссон, Бхарат Чандар и Руюй Чэнь изучили зарплатные ведомости миллионов работников США из системы ADP. В версии от августа 2026 года занятость работников от 22 до 25 лет в профессиях, сильнее всего затронутых ИИ, в том числе в разработке программ, на 19% ниже, чем была бы при том же росте, что у сверстников в менее затронутых профессиях. У опытных работников такого разрыва нет.
Для руководителя важен механизм: разрыв возник не из-за увольнений, а из-за того, что молодых стали реже нанимать. Авторы осторожны и называют свои выводы ранними описательными сигналами, а не доказанной причиной. Но направление понятно: компании отдают ИИ ту работу, на которой раньше учились новички.
В России рынок тоже изменился, хотя причины здесь другие. По отчету hh.ru, опубликованному 16 марта 2026 года, hh-индекс в ИТ по итогам 2025 года составил 14,2, то есть за год вырос вдвое, а до этого три года держался между 7,3 и 7,7. Число активных соискателей выросло на 12,6%, и hh.ru объясняет это выходом на рынок новых специалистов, в том числе после курсов. Нанять разработчика сейчас проще, чем три года назад.
Отсюда риск, который легко пропустить. Если компания перестает брать начинающих, через пять лет ей некого делать опытными. Опытный разработчик вырастает из новичка, который несколько лет работал рядом с сильными коллегами. Разумнее брать новичков меньше, но с первого дня учить их ставить задачи ИИ и проверять его код.
Что это значит для ИТ-бюджета
Сокращать команду пропорционально доле кода от ИИ ошибочно. Если ИИ пишет три четверти кода, разработчиков от этого не нужно на три четверти меньше: проверка, проектирование и ответственность за сбои остаются, а кода становится больше, чем команда успевает прочитать.
Деньги перераспределяются по статьям. Дешевеет типовая работа: черновики функций, тесты, перенос на новые версии библиотек, документация. Появляются новые расходы: подписки на ИИ-инструменты для каждого разработчика, время опытных людей на проверку чужого кода, проверка безопасности. Если исходный код нельзя отправлять внешнему поставщику модели, к ним добавляется модель на своих серверах.
Считать эффект нужно по задачам, а не по строкам кода и не по ощущениям команды: сколько задач закрывали в месяц до ИИ-инструментов, сколько после и сколько ошибок нашли после выпуска. Замер METR показывает, почему ощущениям верить нельзя. Как устроить проверку кода, который пишет агент, мы разобрали на странице об агентах для программирования, а как поставить цель в цифрах, в статье о том, чего ждать от внедрения ИИвнедрение ИИ. Внедрение ИИ это путь от идеи до работающего решения: компания выбирает процесс, подключает к нему искусственный интеллект, учит людей и измеряет результат в деньгах..
Кто проверяет код от ИИ и кто за него отвечает

Ответственность за код от ИИ остается у компании. Модель не подписывает договор, не выходит на связь ночью при сбое и не отвечает перед клиентом. Поэтому у каждого изменения должен быть человек, который его принял и отвечает за него. В Google это и называют одобрением инженера.
Сами разработчики доверяют ИИ осторожно. По DORA 2025 года 30% специалистов доверяют результатам ИИ мало или совсем не доверяют. В опросе Stack Overflow 75% разработчиков ответили, что и в будущем пойдут за помощью к человеку, когда не доверяют ответу ИИ. Это здоровая позиция: код от ИИ проверяют так же строго, как код нового сотрудника.
До того как команда начнет работать с агентами, решите три вопроса. Кто и в какой срок проверяет каждое изменение. Куда уходят исходный код и сведения о клиентах: сведения о гражданах России хранят в базах на территории России по 152-ФЗ, а исходный код без решения компании не отправляют внешнему поставщику модели. Кому принадлежит код, который подрядчик пишет с помощью ИИ: в договоре это должно быть сказано так же ясно, как для кода, написанного людьми.
Что в ИТ-отделе можно отдать ИИ-агентам уже сейчас
Ориентир простой: агенту отдают работу, где результат можно проверить тестом или сравнением, а ошибка обходится недорого.
1. Черновики тестов и типовых функций по описанию задачи. Тест утверждает человек, код пишет агент.
2. Перенос кода на новые версии библиотек и систем. Именно на такой работе Google получил ускорение в шесть раз.
3. Документация к существующему коду и описание изменений для коллег.
4. Первый разбор ошибки по журналу: агент находит вероятную причину и предлагает правку, разработчик решает, принять ли ее.
5. Первая проверка изменений до проверки человеком: очевидные ошибки, забытые тесты, нарушения правил оформления.
6. Ответы на типовые вопросы сотрудников в ИТ-поддержку по базе инструкций.
7. Внутренние инструменты и прототипы: форма заявки, справочник, простой отчет. Что умеют собрать сервисы без программиста, мы разобрали в обзоре ИИ для создания приложений.
Что остается за людьми
Решение, что строить и зачем. Агент не знает, какой процесс в продажах или на складе стоит автоматизировать первым и сколько это принесет в рублях.
Архитектура: как системы компании связаны между собой, где хранятся сведения о клиентах и что будет при росте нагрузки. Принятие изменений и ответственность за сбои в рабочей системе. Доступы и безопасность: какие права давать ИИ-агенту и какие ключи ему не выдавать.
Знание бизнеса. ИТ-отдел отвечает за то, чтобы системы работали, а решения о том, как изменится работа продаж или поддержки, требуют знания этих процессов. Почему внутренней команде здесь трудно, мы разобрали в статье о внедрении ИИ своими силами.
Итог для решения о найме: нанимайте меньше людей, которые только пишут код, и больше тех, кто умеет поставить задачу, проверить результат и отвечать за систему. Какие профессии ИИ не заменит, кроме разработки, мы собрали отдельно.



