Які нові бар'єри для молоді після того, як ШІ навчився писати код?

TL;DR
· Підприємець у сфері ШІ стверджує, що написання коду за допомогою агентів змінює порядок професійних навичок на початкових етапах кар'єри.
· Завдання, які можна оцінити, більше підходять для моделей, людям потрібно навчитися оцінювати проблеми, розподіляти час і інструменти.
· Грошова винагорода не є єдиною метою, стосунки, репутація та якість виконання роботи створюють різницю.

Підприємець, який, за його словами, працював у таких компаніях, як Scale AI, DeepMind, OpenAI, Google, і тепер бере участь у стартапі, що займається агентами, у довгій статті англійською мовою переписав кар'єрні поради для молоді. Фон: інструменти кодування ШІ вже перейшли від доповнення коду до більш повноцінних програмних агентів. OpenAI оголосила, що Codex, випущений у 2025 році, може паралельно обробляти написання функцій, виправлення помилок, подання PR тощо, але все ще потребує людської перевірки та верифікації коду. Питання тепер полягає в тому: коли стандартні відповіді, звичайний код і завдання, які можна оцінити, стають дедалі дешевшими, на що молоді людям слід витрачати свій час?

Основна ідея цієї статті не в тому, що «програмістів замінять», а в тому, що критерії відбору на початкових етапах кар'єри змінюються. Школи та традиційні співбесіди в основному тренують на чітко визначених, однозначних питаннях, які можна перевірити, а це саме те, де моделі досягають найбільшого прогресу. У майбутньому те, що зможе краще відрізнити людей, можливо, буде виявлення важливих проблем, вибір високоякісного середовища, встановлення надійної репутації та доведення результатів, отриманих агентами, до рівня, придатного для здачі.

Грошова пропозиція більше не є єдиною відповіддю, час і репутація стають більш дефіцитними

На думку автора, в умовах підприємницького середовища ШІ капітал і інструменти стали більш доступними, але якісний час, міцні стосунки та надійна репутація все ще залишаються дефіцитом.

Він пояснює це на прикладі свого досвіду. Перед тим, як приєднатися до Scale AI, він стверджує, що отримав пропозицію на позицію з кількісними показниками з більшою грошовою гарантією, але врешті-решт обрав Scale, оскільки там була сильніша спільнота, ширші можливості продуктів і більше шансів зіткнутися з передовими проблемами. За його спогадами, саме через Scale він познайомився з постачальниками великих моделей, отримав можливості в DeepMind і OpenAI, а також зустрів колег, з якими пізніше заснував стартап.

Цей досвід не можна просто узагальнити як формулу кар'єри для всіх, але він дає дуже чітке зауваження: ранній вибір кар'єри не повинен зосереджуватися лише на грошах. Особливо в умовах, коли ШІ знижує бар'єри для створення програмного забезпечення, швидке створення маленького інструменту, який може приносити гроші, більше не є рідкістю, а довгострокові винагороди часто походять від більш складних проблем, більш сильних груп і більш надійних сигналів резюме.

Молоді люди повинні запитувати не «яка можливість відразу принесе більше грошей», а чи варто витрачати час на цю справу, чи можна працювати з талановитими людьми, чи буде їхня хороша робота помічена надійними людьми, і чи стане це основою для наступної можливості.

Цінність інженера переходить від «вирішення задач» до «вибору задач»

Коли агенти можуть вирішувати дедалі більше чітко визначених проблем, цінність інженера більше не полягає лише в тому, «чи можуть вони це вирішити», а в тому, «чи можуть вони вибрати правильну задачу».

Автор зазначає, що їхня команда переосмислила спосіб проведення співбесід. Причина в тому, що якщо в реальній роботі більше не потрібно писати кожен рядок коду, то просте тестування алгоритмічних завдань і традиційного проектування системи стає менш релевантним для робочих показників. Більш значущим тестом є перевірка того, чи може кандидат швидко зрозуміти середовище, виявити проблеми, які варто вирішити, а також залучити інструменти ШІ та зовнішні ресурси для досягнення результатів.

Це також новий розподіл праці після того, як агенти почали писати код. Моделі добре справляються з чітко визначеними завданнями з ясним зворотним зв'язком, а людям потрібно оцінювати, які проблеми важливі, які шляхи варто спробувати, скільки часу та витрат на виклики моделей слід вкласти.

Для студентів можливість ШІ виконувати домашні завдання може викликати почуття розчарування. Але з точки зору найму, різниця між кандидатами не зникла. Навіть якщо всі можуть отримати відповіді за допомогою ШІ, деяким потрібно багато проб і помилок і підказок, тоді як інші можуть співпрацювати з агентами, маючи бізнес-інтуїцію, технічний фон і контекст, швидше знаходячи правильний напрямок.

Термін «вміти використовувати ШІ» також не обмежується лише передачею запитів моделям. Справжні навички включають розподіл проблем, виявлення відсутньої інформації, оцінку, коли продовжувати ітерацію, коли змінювати курс, а також перевірку, чи дійсно результати вирішують ключові протиріччя в бізнесі чи технологіях.

Чим легше створити програмне забезпечення, тим ближче потрібно бути до складніших проблем

ШІ знизив бар'єри для створення програмного забезпечення, а також спростив копіювання простих систем. Автор використовує «гіркі уроки» з досліджень машинного навчання для пояснення вибору кар'єри: у довгостроковій перспективі розширення загальних методів часто перевершує детальну оптимізацію для окремих завдань.

У контексті компаній та особистої кар'єри це означає, що бар'єри для простого виробництва зменшуються. Кожен може легше створити систему, яка виглядає придатною, але справжня довгострокова цінність зосереджується на достатньо складних і амбітних проблемах.

При виборі компанії автор пропонує критерії: чи вирішує ця компанія найамбіційнішу версію цієї проблеми, чи має вона дійсно можливість її вирішити. При виборі ролі слід звернути увагу на те, чи може ця роль безпосередньо наблизити до передових проблем, які компанія вирішує.

Він також зазначає, що не слід зосереджуватися лише на тому, чи є ранні продукти привабливими, чи чи є демонстрація вражаючою. За його суб'єктивною оцінкою, рання демонстрація Anthropic на той момент виглядала лише як Slackbot, який не перевершує ChatGPT, але це не завадило компанії згодом перейти на зовсім інший шлях. Ранні компанії змінюються, продукти змінюються, якість команди, ринковий простір і складність проблем більше впливають на довгострокові результати.

Кар'єрні можливості підпорядковуються подібній логіці. Високоякісні можливості не завжди перетворюються на результати, але людина повинна спочатку зайняти позицію, з якої можна бачити можливості. Чи зможе вона зайняти таку позицію, все ще залежить від довгострокових накопичених навичок, репутації та готовності інших ділитися можливостями.

Звичайні результати стають дешевшими, а останні 10% стають дорожчими

Коли простий запит може змусити агента згенерувати результати середньої якості, цінність звичайного виробництва знижується, а цінність останнього етапу доопрацювання зростає.

Оригінал цитує Альфреда Ліна з Sequoia Capital, який стверджує, що останні 10% часто становлять 90% роботи і 90% винагороди. У епоху ШІ ця фраза звучить ще більш актуально. Оскільки результати на 70% стають дедалі легшими для отримання, справжніми відмінностями стають унікальні перспективи, увага до деталей, здатність до ітерацій, якість архітектури, масштабованість і креативність.

Перша версія виходу ШІ рідко буває ідеальною. Справжня робота часто відбувається під час подальших ітерацій: виявлення помилок, які потрібно виправити, місць, які потребують реконструкції, досвіду, який ще не є плавним, ситуацій, які не були охоплені, і коли слід скористатися наступним поколінням моделей, щоб почати все спочатку.

Ці навички можна розвивати через проекти, стажування та реальну роботу. Трохи більше часу на доопрацювання, чиста архітектура, чітке уявлення про масштабованість, увага до деталей, щоб користувачі дійсно хотіли використовувати, залишать слід у роботах та на співбесідах.

Традиційні інженерні навички не втратили своєї актуальності. Зміна полягає в тому, що рідкість написання коду зменшилася, а оцінка, естетика, розуміння системи та якість виконання стали дорожчими. ШІ дозволяє більшій кількості людей досягти середнього рівня, а залишкова частка різниці стає ще важчою для заповнення.

Бар'єри для досліджень знизилися, але дослідження не є лише титулом

Стаття завершує обговорення темою «як потрапити в дослідження». Автор вважає, що ШІ не зробив дослідження доступними лише для провідних лабораторій, а навпаки, знизив бар'єри для раннього входу.

Сучасні дослідження, безумовно, більше залежать від обчислювальної потужності, але початкова точка може бути дуже простою: використання існуючих моделей, перетворення власних інтуїцій на оцінки, участь у відкритих рейтингах оптимізації, використання ресурсів хмарних платформ для студентів і дослідників, щоб якомога раніше тестувати ідеї. Більшість ідей врешті-решт зазнають невдачі при масштабуванні, але розуміння невдачі є частиною формування дослідницьких суджень.

Дослідник — це, перш за все, спосіб роботи, а не просто посада. Дослідження в передових лабораторіях часто поєднують цікавість, експерименти з новими ідеями, адаптацію до інфраструктури, розуміння деталей системи, швидке налагодження та вміння чітко пояснити цінність результатів, щоб отримати більше ресурсів. Багато навичок не потрібно чекати, поки отримаєш титул «дослідник».

Кар'єрні поради, які залишає ця стаття, не є песимістичними. ШІ зробив стандартні відповіді, звичайний код і завдання, які можна оцінити, дешевшими, а також дозволив молоді раніше стикатися з реальними проблемами. Можливості все ще існують, просто змінився спосіб їх розподілу: хто зможе знайти важливі проблеми, потрапити в якісне середовище, накопичити надійну репутацію та довести результати до останньої милі, той легше отримає наступний шанс.