Еще несколько лет назад искусственный интеллект (ИИ) воспринимался как перспективная технология будущего. Сегодня он встроен в рабочие процессы разработчиков, тестировщиков, аналитиков, DevOps инженеров и многих других специалистов.
По данным международная консалтинговая компания McKinsey, в 2025 году примерно 88 % организаций регулярно используют ИИ хотя бы в одном бизнес‑функционале. По данным опроса проведенным Stack Overflow (2025), 84% разработчиков уже используют или планируют использовать ИИ-инструменты. Годом ранее этот показатель был равен 76%.
По мнению Алексея Николаевича Чернякова, кандидат философских наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации, искусственный интеллект не отменяет профессионала, не отменяет ИТ-специалиста, а меняет структуру его компетенций. Если раньше ключевой ценностью была способность самостоятельно выполнять большое количество рутинных технических задач, то теперь всё большую роль играют умение ставить задачу, проверять результат, критически оценивать рекомендации ИИ и принимать ответственность за итоговое решение.
Чтобы понять масштаб изменений, нужно сначала определить какие виды инструментов ИИ используются ИТ-специалистами. К ним относятся системы автодополнения кода, генеративные модели, которые пишут фрагменты программ, интеллектуальные помощники для поиска информации, а также более сложные ИИ агенты, способные выполнять цепочки связанных действий.
Если говорить о наиболее популярных ИИ-инструментах, то безусловным лидером остается OpenAI с линейкой своих моделей и, в частности ChatGPT. Вторую позицию занимает Microsoft с экосистемой Copilot, глубоко интегрированной в корпоративные и разработческие процессы. Существенную конкуренцию формирует Gemini от Google, активно развиваемый в рамках собственной ИИ-платформы. Отдельного внимания заслуживает феномен Claude от Anthropic, который демонстрирует стремительный рост популярности за счет акцента на надежность и качество генерации. На российском рынке заметны решения GigaChat от Сбер и YandexGPT от Яндекс, формирующие локальную экосистему генеративного ИИ и обеспечивающие технологический суверенитет в данной области.
Согласно опросу проведенным на площадке Stack Overflow около 54,1% опрошенных использует ИИ-инструменты для поиска информации, для документирования кода 30,8%. В поиске багов и тестирование используется соответственно 20,7% и 17,9%. Так же ИИ используется и в других рабочих процессах таких как написание кода, объяснение кода, рефакторинг и анализа данных.
ИИ инструменты дают ИТ специалистам сразу несколько ощутимых преимуществ. Прежде всего, это экономия времени. Рутинные операции, которые раньше занимали часы, могут быть выполнены за минуты. Это повышает общую производительность команды. Кроме того, ИИ помогает быстрее находить информацию, сравнивать подходы, генерировать черновики решений и ускорять подготовку документации. Для многих специалистов это становится не просто удобством, а реальным конкурентным преимуществом.
В то же время нужно отметить и риски, которые несет использование ИИ в разработки программного обеспечения. ИИ-инструментам присущи «галлюцинации» и ограничения контекста. При генерации кода ИИ-модели могут невольно «копировать» фрагменты кода под строгой лицензией. Многие эксперты указывают на риск нарушения авторских прав и корпоративных политик. Следующий риск связан с безопасностью, ИИ может генерировать уязвимый код. При использование облачных ИИ-инструментов возникает риск связанной с приватностью данных. Это может вызвать утечку корпоративной информации.
Раньше от разработчика в первую очередь ожидали умения писать код вручную, запоминать синтаксис, знать библиотеки и паттерны. Сейчас это по прежнему важно, но уже не является единственным и даже не всегда главным критерием профессиональной ценности. На первый план выходят другие навыки. Во первых, это умение формулировать задачу для ИИ. Во вторых, это критическое мышление. ИИ может предложить хороший вариант, но может и ошибиться. В третьих, возрастает значение архитектурного мышления. Теперь особенно важны способность проектировать систему, понимать связи между компонентами, оценивать риски и выстраивать логику продукта в целом. В четвертых, усиливается роль безопасности и ответственности.
Отсюда следует и вывод для образования. Подготовку ИТ специалистов необходимо менять. Учебные программы необходимо усиливать дисциплинами, связанные с критическим мышлением, архитектурой, анализом данных, безопасностью и практикой работы с ИИ инструментами. Студенту уже недостаточно просто научиться писать код. Ему нужно уметь взаимодействовать с интеллектуальными системами, понимать их сильные и слабые стороны, а также развивать собственное инженерное мышление.
