Заменит ли ИИ программистов — и когда?

Что ИИ уже умеет делать вместо программиста

Первые важные изменения уже произошли. ИИ давно вышел за пределы простого автодополнения строки кода.

Один из показательных тестов — SWE-Lancer. Его создали на основе более чем 1 400 реальных задач, которые раньше размещались на Upwork и за которые людям суммарно выплатили около миллиона долларов. Это не учебные головоломки: среди заданий есть исправление программ, реализация функций и другие задачи, за которые заказчики действительно платили разработчикам.

На подобных тестах современные модели уже решают существенную долю задач. Например, OpenAI сообщала для GPT-5 результат 74,9% на своей используемой части SWE-bench Verified — набора проверенных задач по исправлению настоящих GitHub-репозиториев.

Это важный результат. Он показывает, что часть оплачиваемой работы программиста уже технически доступна ИИ.

Но он не показывает, что ИИ умеет быть программистом целиком.

В тесте задача уже сформулирована, репозиторий определён, а результат можно проверить. В реальной работе разработчику часто приходится сначала понять, что вообще нужно сделать, выяснить требования у других людей, разобраться в старой системе, выбрать компромисс, оценить риски, согласовать изменения и отвечать за последствия после запуска.

Поэтому способность исправить конкретную ошибку в коде — это доказательство автоматизации задачи, а не профессии.

ИИ всё чаще не советует, а делает

Второе изменение — характер использования ИИ.

Когда разработчик задаёт вопрос чат-боту и сам переносит ответ в проект, ИИ скорее помогает человеку. Но современные coding agents могут получить задачу, открыть файлы, изменить несколько участков кода, запустить тесты и попытаться исправить ошибки самостоятельно.

По данным Anthropic Economic Index, в выборке из 500 тысяч взаимодействий с инструментами для программирования 79% взаимодействий в Claude Code исследователи отнесли к автоматизации, а 21% — к совместной работе человека с ИИ.

Эта цифра не означает, что «79% профессии программиста автоматизировано». Она описывает только характер взаимодействий внутри одного продукта среди людей, которые уже решили им пользоваться.

Но направление изменения видно: разработчики всё чаще передают ИИ не отдельный вопрос, а целую техническую задачу.

Следующий вопрос поэтому важнее: если ИИ делает больше работы сам, действительно ли программист становится намного производительнее?

Делает ли ИИ программистов быстрее

Здесь исследования дают необычно противоречивый ответ.

В одном из крупнейших экспериментов исследователи изучили 4 867 разработчиков из Microsoft, Accenture и ещё одной компании из Fortune 100. Участников случайным образом разделяли по доступу к AI-инструменту. В среднем пользователи ИИ выполнили примерно на 26% больше задач. Более заметный эффект наблюдался у менее опытных разработчиков.

Если остановиться здесь, история снова выглядит простой: один программист с ИИ делает работу быстрее — значит, компании понадобится меньше программистов.

Но независимое исследование METR получило противоположный результат. Шестнадцать опытных разработчиков решали 246 настоящих задач в больших open-source проектах, которые они хорошо знали. Когда им разрешали использовать инструменты ИИ начала 2025 года, они в среднем выполняли работу на 19% медленнее.

Особенно интересно, что сами участники ожидали ускорения и даже после эксперимента считали, что ИИ им помог ускориться.

Эти два исследования не обязательно противоречат друг другу. Они измеряют разные виды работы.

ИИ может быть очень полезен там, где задача хорошо формализована и результат легко проверить. Но в знакомом человеку сложном проекте время может уходить на объяснение контекста модели, проверку её изменений, поиск скрытых ошибок и исправление почти правильного решения.

Поэтому сегодня нельзя честно сказать, что ИИ «ускоряет программистов на 20%» или на любую другую универсальную величину. Эффект зависит от задачи, опыта человека, качества модели и того, сколько стоит проверка её результата.

А даже доказанный рост производительности ещё не означает сокращение рабочих мест.

Почему более производительный программист не обязательно означает меньше программистов

Представим, что новая технология позволяет одному разработчику делать вдвое больше работы.

Компания действительно может решить оставить половину команды. Но это только один вариант.

Она может вместо этого выпустить вдвое больше функций, быстрее переписать старые системы, создать продукт, который раньше был слишком дорогим, или поручить программистам задачи, на которые раньше не хватало времени.

Так уже происходило с другими технологиями: удешевление производства чего-либо иногда уменьшает потребность в работниках на единицу продукта, но одновременно увеличивает сам рынок.

Для программного обеспечения этот эффект особенно важен, потому что потенциальный спрос огромен. В компаниях остаётся множество процессов, которые можно было бы автоматизировать или улучшить программами, но которые пока слишком дорого разрабатывать.

Поэтому связь выглядит не так:

ИИ пишет больше кода → программистов становится меньше.

А так:

ИИ меняет производительность → компании меняют процессы и объём разработки → только после этого может измениться спрос на людей.

Чтобы узнать, начинается ли реальное замещение, приходится смотреть не на тесты моделей, а на рынок труда.

Что происходит с наймом молодых специалистов

Именно здесь появился самый тревожный на сегодня сигнал.

Исследователи Stanford Digital Economy Lab использовали административные данные ADP о миллионах работников в США и сравнили занятость людей разных возрастов в профессиях с разной подверженностью ИИ.

В обновлённой версии исследования к июню 2026 года занятость работников 22–25 лет в наиболее затронутых ИИ профессиях оказалась примерно на 19% ниже траектории их ровесников в менее затронутых профессиях. Разница возникала главным образом из-за более слабого найма, а не из-за более частых увольнений.

Это похоже на сценарий, которого многие опасаются: компании не обязательно увольняют опытных сотрудников, но могут реже открывать позиции для начинающих, потому что часть простых задач теперь выполняют существующие сотрудники с ИИ.

Однако здесь особенно важно не сделать шаг дальше, чем позволяют данные.

Исследование не утверждает, что ИИ причинил это снижение. Авторы прямо называют результаты ранними описательными сигналами. Часть различий началась ещё до массового появления генеративного ИИ, а некоторые дополнительные поправки ослабляют эффект.

И главное: цифра 19% относится не к программистам как отдельной профессии, а к группе молодых работников в профессиях с высокой подверженностью ИИ.

Поэтому из неё нельзя сделать заголовок «ИИ уже сократил найм молодых программистов на 19%».

Но игнорировать этот сигнал тоже нельзя. Если замещение действительно начинается, входные позиции — один из логичных первых участков, где оно может проявиться.

А что видно именно у разработчиков

Здесь данные пока смешанные.

LinkedIn в своём исследовании американского рынка software engineering отмечает, что найм начинающих разработчиков восстановился слабее, чем более опытных специалистов. При этом сама компания пишет, что убедительных признаков массового вытеснения software engineers именно ИИ пока мало: значительная часть спада совпадает с общим охлаждением технологического найма.

Есть и ещё более неудобное для простой истории контрдоказательство.

В опубликованном в 2026 году исследовании примерно 26 тысяч компаний авторы сопоставили внедрение GitHub Copilot с данными LinkedIn и GitHub. Компании, внедрившие Copilot, впоследствии имели примерно на 3–5% более высокую месячную вероятность нанять software engineer, причём рост был особенно заметен среди начинающих сотрудников.

Это не доказывает, что ИИ создаёт рабочие места. Компании сами выбирали, внедрять Copilot или нет, а более технологичные и быстрорастущие фирмы могли одновременно и раньше принимать ИИ, и активнее нанимать людей.

Кроме того, исследование относится к раннему Copilot — инструменту, который гораздо меньше похож на автономного разработчика, чем современные coding agents.

Но результат важен как проверка здравого смысла: внедрение инструмента, который пишет код, не обязано автоматически уменьшать число разработчиков. По крайней мере на раннем этапе наблюдался и противоположный сценарий — компании использовали рост производительности, чтобы делать больше и нанимали больше людей.

Даже слово «программист» меняет ответ

Ещё одна проблема скрыта в самом вопросе.

В обычной речи «программистом» называют почти любого человека, который профессионально создаёт программное обеспечение. В статистике это могут быть разные профессии.

Американское Bureau of Labor Statistics, например, прогнозирует на 2024–2034 годы сокращение более узкой категории computer programmers на 6%. В описании профессии BLS прямо указывает, что компании будут использовать ИИ и другие технологии для автоматизации повторяющихся задач программирования.

Но одновременно BLS прогнозирует рост занятости software developers примерно на 15,8%, или на 267 700 рабочих мест.

Это прогнозы, а не уже случившийся факт. Они могут оказаться ошибочными.

Но они хорошо показывают возможную структуру изменений: работа, сведённая преимущественно к непосредственному написанию кода по готовому заданию, может сокращаться, а более широкая роль разработчика — понять задачу, спроектировать систему, выбрать архитектуру, интегрировать компоненты, проверить результат и отвечать за него — сохраняться или даже расти.

Иными словами, ИИ может сильно изменить профессию, даже если число людей с должностью software developer не начнёт падать.

Что известно про Россию

Для России доказательная база намного слабее.

Данные Хабр Карьеры показывают, что в 2025 году российский IT-найм заметно охлаждался, а вход на рынок для начинающих специалистов оставался сложным. Но данные одной платформы не отражают весь рынок труда.

Ещё важнее другое: у нас нет достаточно надёжного российского исследования, которое сравнивало бы компании по уровню внедрения ИИ и показывало, что именно из-за ИИ они стали нанимать меньше разработчиков или сокращать их численность.

Поэтому переносить американские цифры на Россию нельзя.

Что известно: российский IT-рынок переживал охлаждение найма.

Что пока неизвестно: какую часть этого изменения, если вообще какую-то, вызвал ИИ.

Утверждение «ИИ уже сокращает число российских программистов» сегодняшними данными не подтверждается.

Так когда ИИ начнёт действительно заменять программистов?

Назвать конкретный год сейчас невозможно без ложной точности.

Прогресс coding models действительно идёт быстро, но способность модели решить задачу ещё должна пройти через компании, рабочие процессы и экономику.

Вместо даты полезнее следить за несколькими признаками.

Первый — ИИ должен стабильно справляться не только с аккуратно сформулированными задачами, но и с длинной, запутанной работой в реальных коммерческих системах, где много скрытого контекста.

Второй — человеку должно требоваться заметно меньше времени на проверку и исправление результатов модели. Если один разработчик получает вдвое больше кода, но половину времени тратит на его ревью, экономический эффект намного слабее, чем кажется по числу сгенерированных строк.

Третий — компании, которые сильнее внедряют ИИ, должны после учёта других различий устойчиво нанимать меньше разработчиков, чем похожие компании с более слабым внедрением.

Четвёртый — это должно перейти из найма в фактическую численность: меньше разработчиков или меньше человеческих часов на сопоставимый объём программного продукта.

И наконец, эффект должен выйти за пределы отдельных junior-задач и отдельных стран.

По состоянию на август 2026 года вся эта цепочка вместе ещё не наблюдается.