[Перевод] Навыки, которые вы теряете, пока ИИ берет на себя рутинные задачи

После достаточно долгого использования ИИ наступает момент, который невозможно не узнать.

Появляется ошибка — ничего катастрофического, но странная. Периодическая. Такая, которая не сразу проявляется в логах. Начинаешь отладку, и где-то через два часа понимаешь: раньше на это уходило двадцать минут.

Музыканты называют это «отпускными руками» (руки, отдыхающие от работы). Две недели без фортепиано, и Шопен звучит иначе. Не совсем неиграбельно — просто медленнее.

Авиационные исследователи изучают это явление десятилетиями. Анализ FAA 2011 года показал, что 60% аварий были связаны с недостаточной квалификацией пилотов в ручном пилотировании (навыки, которые атрофировались из-за зависимости от автопилота). Они дали этому клиническое название: деградация навыков, вызванная автоматизацией.

В разработке программного обеспечения пока нет названия для этого явления. Но закономерность знакома.

Скучные задачи никогда не были просто работой

Утомительные этапы разработки программного обеспечения никогда не были просто работой. Это было обучение.

Написание тестов не подразумевало покрытие всего кода. Это было принуждение себя мыслить как противник: что может пойти не так? какой ввод данных сломает это? Этот инстинкт возник не из чтения о крайних случаях. Он пришел от репрезентативных тестов.

Документация выполняла аналогичную функцию, хотя никто так это не формулирует. Акт объяснения выявляет пробелы - места, где ваше понимание нечеткое, выявляет решения, которые вы принимали по причинам, которые вы больше не можете сформулировать. Если пропускать этот процесс достаточно часто, вы перестаете замечать пробелы.

Даже шаблонный код. После написания одного и того же сценария аутентификации в десятый раз ваши пальцы знают, где будут ошибки, раньше, чем ваш мозг. Это не неэффективность. Это распознавание образов, которое нельзя развить никаким другим способом.

Вы ненавидели писать тесты не потому, что они были бессмысленными. Вы ненавидели их потому, что они были сложными и не казались продуктивными.

Это трение было своего рода тренировкой. А теперь его нет.

Атрофия невидима

Я заметил это три месяца назад. Состояние гонки, которое должно было быть очевидным. То, что я раньше чувствовал, прежде чем увидеть. Мне потребовалось два часа, чтобы это обнаружить. Два года назад на это ушло бы двадцать минут.

Разрыв не заявил о себе. Я не проснулся однажды утром, чувствуя себя менее способным. Я просто… был.

Исследователи из Университета Аалто изучили бухгалтерскую фирму, которая столкнулась с аналогичной деградацией. В их статье 2023 года «Порочный круг деградации навыков» было обнаружено нечто тревожное: деградация была невидима как для работников, так и для менеджеров. Автоматизация способствовала самоуспокоению. Навыки постепенно деградировали, никто этого не признавал.

Данные о программном обеспечении рассказывают ту же историю. В исследовании 2025 года опытные разработчики ожидали, что ИИ ускорит их работу на 24%.

Фактический результат: ИИ увеличил время выполнения на 19%.

Ранее я уже рассматривал, что это значит для отрасли — здесь я сосредоточусь на том, что это значит для вас.

Вы по-прежнему выпускаете код. По-прежнему закрываете тикеты. Дашборды растут только вверх и вправо.

Но что-то изменилось.

Сгенерированные ИИ тесты проходят, но функция по-прежнему не работает. Отчет о покрытии кода: 94%. Все зеленое. Но тесты проверяют, что код делает то, что он делает, а не то, что он должен делать.

Критические случаи, которые вы бы обнаружили три месяца назад, вам не приходят в голову. Часть вашего мозга, отвечающая за сопоставление образов и генерирующая их, затихла.

Ваши показатели скорости растут. Ваши реальные возможности снижаются.

Дашборды этого не измеряют.

Аргумент о рычаге

Можно говорить, что ИИ освобождает нас для фокусировки на действительно сложных задачах. Архитектурных решениях. Решении новых проблем. Интересных ошибках.

Такова теория.

Если ИИ берет на себя рутинную работу, а сэкономленное время тратится на сложную отладку, вы можете оказаться в выигрыше. Скучная работа была обучением, но не единственным. Возможно, сложные задачи сами по себе обеспечивают достаточное количество практики.

Вот что показывают данные.

Анализ GitClear за 2025 год, охватывающий миллионы строк кода, показал, что рефакторинг (целенаправленное улучшение существующего кода) снизился с 24% изменений в 2020 году до менее чем 10% в 2024 году. В то же время доля скопированного и вставленного кода выросла с 8% до более чем 12%.

Разработчики используют сэкономленное время не для более глубокого осмысления, а для ускорения выпуска продуктов.

Но ускорение без практики — это просто сокращение пути к моменту, когда вы окажетесь бессильны перед задачей, которую привыкли пропускать.

Другая проблема более тонкая. Вы не всегда знаете, какая работа «скучна», пока не попробуете её выполнить. Например, CRUD-конечная точка, которая выдает необычный пограничный случай. Или документация, которая заставляет вас осознать, что ваша ментальная модель была неверной.

Что же на самом деле под угрозой?

В статье 2024 года в журнале Cognitive Research: Principles and Implications был описан механизм: помощь ИИ может ускорить снижение квалификации экспертов и затруднить приобретение навыков обучающимися, одновременно препятствуя обеим группам распознавать эти эффекты.

Даже собственные инженеры Anthropic это заметили. Во внутреннем опросе, опубликованном в августе 2025 года, некоторые сообщили о «атрофии навыков по мере делегирования». Один из них выразился просто: «Когда создание результата становится таким простым и быстрым, становится все труднее и труднее действительно найти время, чтобы чему-то научиться».

Вот что должно вас встревожить. Атрофия невидима для человека, который ее испытывает.

Конкретные навыки, находящиеся под угрозой, не абстрактны.

Тесты — это не о процентах покрытия. Это о продуктивной паранойе. Когда вы сами пишете тесты, вы вынуждены находиться в сознании противника. Какие входные данные могут нарушить это? Что попытается сделать злонамеренный пользователь?

Тесты, созданные ИИ, стали лучше, чем восемнадцать месяцев назад. Но они по-прежнему испытывают трудности с режимами ошибок, требующими знаний в предметной области, исторического контекста или творческого подхода со стороны противника: с теми самыми крайними случаями, которые возникают после предыдущих неудач.

Этот опыт не переносится на модель. И если вы перестанете использовать его самостоятельно, он исчезнет.

Интуиция отладки приходит через боль. Вы учитесь читать трассировки стека, просматривая сотни из них. Вы учитесь формировать гипотезы о поведении системы, когда ваши гипотезы многократно опровергаются, пока ваши инстинкты не откалибруются.

Когда вы просите ИИ отладить за вас, он часто справляется. Но вы пропускаете тот этап, когда ваш мозг формирует шаблон. В следующий раз вы снова попросите о помощи.

Интуиция, которая должна была бы сформироваться, так вообще и не сформируется.

Что это значит

Очевидный ответ: «прекратите использовать ИИ», — нереалистичен. Усиление реально. Вы не вернетесь к написанию шаблонного кода вручную.

Инженеры, которых я знаю и которые, похоже, сохраняют свои позиции, не стали меньше использовать ИИ. Они используют его по-другому. Они относятся к его результатам так же, как к пиар-кампании начинающего специалиста — не ставят штампы, а действительно проверяют. Задают себе вопрос, который сложнее, чем кажется: смог бы я добиться успеха без него?

Некоторые начали практиковать то, что один из них назвал «ручным повторением». Раз в неделю они выбирают то, что обычно делает ИИ, и делают это сами. Не потому, что это эффективно. Потому что медлительность — это и есть цель.

Федеральное управление гражданской авиации поняло это десятилетия назад. Они не запретили автопилот — они обязали периодически управлять самолетом вручную. Навык нужно тренировать, чтобы сохранить его.

Этот разрыв стоит измерить, прежде чем он станет непреодолимым.

Итог

Концертный пианист не забывает, как играть. Он забывает, как играть хорошо. И он не замечает этого, пока это не становится важным.

Вы не потеряете работу из-за ИИ.

Но вы можете потерять то, что делало вас мастером своего дела — причем так постепенно, что и не заметите. Пока не поймаете себя на том, что в недоумении смотрите на баг, который раньше щелкали как орешки, на архитектуру, которую не можете объяснить, или на систему, которую больше не понимаете.

Вопрос не в том, использовать ли ИИ. Вы будете его использовать.

Вопрос в том, останетесь ли вы через пять лет инженером, способным работать без него, или же тем, кто не будет знать, с чего начать.

Источник