Программирование обходится недорого. Инженерное мышление сейчас — дефицитный ресурс.

Препятствия для строительства рухнули. Это смещает узкое место к вопросам собственности, признания, вкуса и решения о том, что действительно должно существовать.

Делиться

Теория игр, лежащая в основе общества, меняется.

Это была одна из идей, прозвучавших в докладе Макса Бакли на конференции AI Engineer Singapore, и с тех пор она не выходит у меня из головы.

На протяжении десятилетий разработка программного обеспечения строилась на принципе дефицита. Написание кода обходилось дорого, инженеров было мало, а разработка новых функций требовала времени. Это предположение определяло подход команд к работе. Мы тщательно расставляли приоритеты, потому что каждая функция имела огромную альтернативную стоимость.

Но искусственный интеллект опроверг это предположение.

По мере того, как программисты становятся все более совершенными, стоимость внедрения резко снижается. То, что раньше занимало недели, теперь можно создать в виде прототипа за дни или даже часы. Макс, который возглавляет отдел исследований знаний в Exa после 12,5 лет работы в Google, назвал это изменением в теории игр : речь идет не просто о том, что вы должны делать, а о том, что вы должны делать, когда все остальные ведут себя таким же образом и пытаются победить.

И от этих изменений нельзя отказаться. Готовы мы к ним или нет, но фундаментальные способы работы меняются.

Но более дешевая реализация не означает более качественное программное обеспечение.

Никакое количество ИИ не спасет нас от создания чего-то неправильного. На самом деле, ИИ может усугубить эту проблему. Когда разработка становится проще, становится гораздо проще создавать вещи, которые технически впечатляют, но стратегически не имеют значения: больше панелей мониторинга, больше рабочих процессов, больше внутренних инструментов, больше приложений, которые работают, но не заслуживают существования.

Вот почему я считаю, что инженерное мышление становится все более ценным.

Один из примеров Макса особенно запомнился мне. В старой экономике программного обеспечения командам приходилось сужать круг из 30 идей до 3, прежде чем что-либо создавать. Сегодня, с появлением программных агентов, процесс принятия решений меняется. Можно создавать больше, оценивать больше, проводить больше сравнительных тестов и отбрасывать то, что не работает, с меньшей эмоциональной привязанностью.

Затраты на экспериментирование снижаются, и оно становится более привлекательным.

Это звучит как освобождение, но также создает новое узкое место.

Если кто-то и может создать прототип идеи, то внимание сейчас — дефицитный ресурс. Это также означает, что я должен поблагодарить каждого, кто это читает. Ваше внимание не бесплатно, и я надеюсь, что эта статья была вам полезна.

Недавно я посетил первую конференцию AI Engineer в Сингапуре, которая проходила с 15 по 17 мая 2026 года. На ней собрались спикеры из таких компаний, как Google DeepMind, Vercel, OpenAI, Exa, NanoClaw и других. В этой статье я подробно расскажу о трех моментах из выступлений трех спикеров, которые особенно меня впечатлили.

Искусственный интеллект не устраняет необходимость в инженерных дисциплинах. Он просто перемещает эти дисциплины в другую часть системы.

Технические знания тоже претерпевают изменения.
Модели обладают неравномерным интеллектом : они могут быть чрезвычайно хороши в одних задачах, но удивительно плохи в смежных задачах, которые кажутся одинаково простыми для человека.

Модели часто знают ответы на сложные вопросы, но не раскроют их, если вы не знаете, о чём спросить .

Таким образом, вопрос уже не в том, можем ли мы что-то построить. Вопрос в том, должно ли это существовать.

Джимми Лай, директор Next.js в Vercel, высказал схожее мнение, но с другой точки зрения. Он отметил, что ИИ удешевил создание чего-либо, но сделал владение этим стало дороже.

Когда разработка становится проще, количество создаваемых нами вещей увеличивается. Но каждый выживший прототип становится чем-то, что кому-то приходится поддерживать, отлаживать, документировать, защищать и объяснять. Стоимость написания первой версии может снизиться, но стоимость владения системой не исчезает.

Джимми сделал три прогноза, которые мне особенно запомнились.

Во-первых, теперь мы разрабатываем приложения для агентов . Агенты становятся новым типом пользователей программного обеспечения. Устаревший файл README больше не просто раздражает человека. Это галлюцинация, которая вот-вот проявится.

Во-вторых, теперь мы строим с помощью агентов . Как ни парадоксально, но хотя сейчас стало проще создавать что-то, чего вы не совсем понимаете, правда в том, что основы не изменились и даже стали важнее, чем когда-либо. Если вы станете отлично строить с помощью агентов, одновременно хорошо разбираясь в основах, вас ничто не остановит.

Во-третьих, мы должны научиться понимать , чего не следует иметь в собственности . То, что вы можете что-то построить, не означает, что вы должны это делать. Простота создания превратилась в бремя обслуживания.

Это не значит, что мы должны выпускать меньше продукции. Это значит, что мы должны более осознанно подходить к тому, что нам удаётся сохранить. Преимущество на стороне команд, которые знают, что отличает их продукт от других, что заслуживает их внимания и чего им следует сознательно не создавать.

В мире, где разработка программного обеспечения обходится недорого, сосредоточенность становится одним из ключевых инженерных преимуществ.

И наконец, последний ключевой вывод я сделал из выступления на тему дизайна.

Фил Хедаятниа из Airfoil выступил с докладом о том, как создавать дизайнерских агентов, обладающих вкусом, в море совершенно обычной ИИ-ерунды. Я не дизайнер, поэтому обычно думаю о дизайне с точки зрения того, что хороший дизайн должен или не должен содержать. Его доклад изменил мое представление об этом.

Дизайн не направлен на то, чтобы научить кого-то, что нужно делать, и на то, чего делать не нужно. Это обучение, ориентированное на результат.

Хороший дизайн заключается в понимании того, как люди думают, как они действуют и почему определенные сценарии, визуальные образы и повествования находят у них отклик. Фил упомянул об этом в контексте человеческой психологии.

Речь идёт не столько о том, что создают люди, сколько о попытке понять, почему они сделали это именно так и о мыслительном процессе, стоящем за этим.

Иными словами, вкус — это не контрольный список . Это суждение, примененное к контексту.

Фил привёл в пример скоростной поезд Синкансэн и клюв зимородка. У поезда была проблема: при выезде из туннелей он создавал громкий «туннельный гул», вызванный сжатым воздухом. Инженеры уменьшили шум, смоделировав носовую часть поезда по образцу клюва зимородка. Зимородок может нырять из воздуха в воду с минимальным разбрызгиванием, потому что его длинный, узкий, сужающийся к концу клюв уменьшает резкие перепады давления. Инженеры применили тот же принцип к поезду, используя более длинный и сужающийся к концу нос, чтобы сжимать воздух более плавно.

В этом примере мне понравилось то, что речь шла не просто о копировании природы. Речь шла о понимании того, почему что-то работает, а затем о применении этого принципа в другом контексте.

Поскольку ИИ упрощает создание результатов, ценным навыком становится не просто знание того, как выглядит хороший результат, а понимание того, почему он нужен.

В заключение

В ходе многочисленных выступлений повторялись одни и те же темы, такие как создание персональных помощников, тестирование новых инструментов и обучение более эффективной работе с агентами. Но за всем этим постоянно всплывала одна и та же идея: код становится дешевле, но здравый смысл и вкус — нет.

Подводя итог моим трем основным выводам:

1. Внедрение больше не является главным препятствием. Искусственный интеллект позволяет опробовать больше идей и снизить издержки, связанные с ошибками. Но это делает инженерное суждение более важным. Мы должны решить, что заслуживает существования.
2. Дешевое производство создает бремя обслуживания. Решите, чем вы не хотите владеть.
3. В мире изобилия продукции создавайте продукты с лучшим вкусом. Понимайте контекст, объясняющий, почему что-то работает.

Искусственный интеллект изменил подход к разработке программного обеспечения, но не снял с нас ответственность и чувство причастности к этому процессу.

На этом всё. Надеюсь, это было полезно для вас. Полные записи выступлений можно посмотреть на YouTube-канале AI Engineer здесь. Все фотографии с конференции предоставлены организаторами, компанией 65labs. До встречи в следующей статье!

Клара Чонг. Все работы Клары Чонг.

Источник: towardsdatascience.com