Инженер с десятилетним стажем, специализировавшийся на финтехе, платежах и бухгалтерии, рассказывает, как LLM уничтожают его карьеру. Начал он как фронтендер, потом ушёл в бэкенд, глубоко вникал в PCI compliance, double-entry ledgers, эскроу, reconciliation и идемпотентность банковских переводов. Сделал ставку на узкую экспертизу — казалось, это надёжный путь.
Первый удар пришёл, когда новая компания, чисто финансовый финтех, настояла, чтобы он использовал ChatGPT и Claude Enterprise. Ему поручили переписать легаси-систему платежей. Первый Design Doc он написал почти без ИИ, гордо называя LLM «стохастическими попугаями». Менеджер сказал: ты возишь слишком долго, используй AI активнее. Инженер согласился скептически. И вдруг понял: модели действительно умеют связывать знания о трейд-оффах, структуре идемпотентности и двойных проводках. Всё, что он копил годами, стало промптом.
Второй столп — отладка распределённых систем. Инженер считал, что тут LLM бессильны: race conditions, странные баги в продакшене, отсутствие observability. Но пришли Claude Code, MCP, agentic workflows и версии 4.5, 4.6, 4.7, GPT 5.5, Opus 4.8, DataDog MCP. Теперь CLI одним выстрелом решает 90% багов — включая те, на которые раньше уходило два дня. Вместе с Sentry MCP модели понимают даже недокументированные edge cases API. Инженеру почти не приходится вмешиваться. Он стал просто «офф-зе-шелф» инженером, которого может заменить любой старший разработчик с LLM.
Третий столп — архитектура кода и «taste» (чистота, DDD, Hexagonal, Clean Architecture). Инженер обожал рефакторить, negotiate время на качество в спринтах, писать ADR. Но тут выяснилось, что рынку это больше не нужно. Агенты плодят циклические зависимости, дублируют код, мешают pure функции с side effects и игнорируют SOLID. Однако код теперь пишется для машин, а не для людей. Оценки кода C или D — нормально, A и B никому не нужны. Весь его опыт по архитектуре обесценился.
Он всё ещё работает, но видит, что компания нанимает просто «Software Engineer» без привязки к домену. Блестящие коллеги, уволенные восемь месяцев назад, до сих пор не нашли работу — их глубокая экспертиза больше не даёт преимущества. Единственный выход, который он видит, — уйти в математику, статистику и ML, чтобы работать в frontier lab. Но в его стране таких лабораторий нет, релокация невозможна из-за семьи, а к тому времени, как он сможет переучиться, RSI-исследователей, возможно, тоже заменят.
Он всерьёз подумывает превратить своё хобби — woodworking — в профессию.