Стоит ли нанимать junior-инженеров в эпоху coding-агентов? Джуниоры обходятся дорого: им платят зарплату, а старшие тратят время на их обучение. Раньше это окупалось кодом, который писали новички, но теперь выгоднее просто максимизировать отдачу от сеньоров. Рынок это отражает: старшие инженеры легко находят работу, а свежие выпускники CS-факультетов переживают худшие времена. И всё же OpenAI, Anthropic и куча топ-компаний продолжают жёстко конкурировать за джуниоров. В чём дело?
Помогает аналогия с математикой, у которой был свой «AI-момент» полвека назад. Раньше существовала профессия «калькулятор» — человек, который быстро и точно считал: вёл бухгалтерию, рассчитывал углы для артиллерии, оптимизировал форму корпусов кораблей. Эта работа исчезла в 1970-х с появлением научных калькуляторов. Но мы по-прежнему учим в школе алгебру, геометрию и матанализ. Выпускники STEM-специальностей штудируют дифференциальные уравнения, статистику и линейную алгебру, а потом всю жизнь пользуются калькуляторами и забывают, как считать в уме. Есть два объяснения: (1) сигнальная гипотеза — диплом просто фильтрует тех, кто способен выучить сложную математику; (2) гипотеза навыков — мучения на парах дают трудноизмеримую интуицию, которая помогает эффективно использовать сегодняшние калькуляторы. Автор раньше верил в первую, но теперь склоняется к смеси (~50 на 50). Сеньоры работают с coding-агентами намного эффективнее джуниоров именно потому, что пять лет мучительно писали код руками.
Прямо сейчас уровень «вычислительной интуиции», нужный для аддитивного промптинга агентов, соответствует примерно пяти годам опыта. Сегодняшние сеньоры успели наработать её за деньги, но разрыв растёт. Возможно, 50% новых выпускников CS никогда не догонят. Некоторые сеньоры тоже отстанут, несмотря на фору. Ответ на вопрос из начала: нанимать стоит только тех джуниоров, которые способны достичь порога «кодинг-интуиции» за 2–3 года после выпуска. Таких мало, поэтому элитные компании и бьются за них. Консалтинговый сектор второго сорта будет расти, но зарплаты там не приблизятся к доходам сегодняшних сеньоров.
Учиться программировать стоит всем — даже если порог входа в инженерию поднялся. Слишком многие видят компьютер как бытовой прибор: он делает только то, для чего создан. Если не думать о нём как о programmable-устройстве, не придёт в голову попросить AI что-то автоматизировать. Это касается и других областей: математики, права, медицины, ремонта. За $20 в месяц доступна дешёвая экспертиза — надо лишь уметь спросить. Основные уровни: 1–2 недели — понять, о чём область и какие слова говорить AI; 1–2 месяца — понять, как и когда спрашивать; 4–6 месяцев — уметь проверить результат на корректность. Тем, кто уже программист, стоит попробовать data science, фронтенд, бэкенд, безопасность или профилирование — это разные скиллсеты. Пример: коллега делал корреляционный анализ и путался; автор посоветовал сказать Claude «make it prettier using NMF» — и сразу появились кластеры. Секрет в том, чтобы знать ключевое слово NMF, понимать, когда его применять (кластеризация матриц расстояний), и проверять предусловия.
Главный совет: делайте домашнюю работу. Распространённая нигилистическая реакция на AI — «просто используй его, чтобы пролететь курс». Это худшее, что можно придумать. Только выполняя задания руками, вы строите мастерство. В средней школе не давали калькулятор на контрольной — сейчас то же самое с AI. Не используй его, пока не сделаешь задачу руками хотя бы раз.