Не буквально. Но по скорости работы, качеству ревью и рыночному позиционированию разрыв между инженерами, использующими AI, и теми, кто его игнорирует, уже настолько заметен, что пренебрегать им больше нельзя.
19% и 0.85% в месяц
В марте 2026 года компания Prodoscore опубликовала исследование по данным 25 000 сотрудников из почти 300 организаций за 14 месяцев — с января 2025 по март 2026. Отслеживалась активность в более чем 300 AI-инструментах: ChatGPT, Claude, Copilot, Gemini, Grammarly и других.
Разработчики, использующие AI, оказались на 19% продуктивнее тех, кто не использует. Те, кто работает с AI четыре дня в неделю и чаще, — на 32%.
Ключевое: разрыв растёт. Каждый месяц — на 0.85%. При линейном росте это около 10% в год. Кривая вряд ли останется линейной — где-то выйдет на плато, новички подтянутся, инструменты станут проще. Но за 14 месяцев тренд не замедлился. Даже при более скромных темпах — разрыв будет ощутим уже через пару лет.
AI-юзеры не просто делают больше — они работают стабильнее. У них на 31% меньше разброс в продуктивности от месяца к месяцу. Для менеджеров это часто важнее абсолютных цифр — предсказуемость ценнее всплесков.
Оговорка: Prodoscore продаёт платформу для мониторинга продуктивности. У них есть коммерческий интерес показать, что AI-юзеры работают лучше. Выборка — 25 000 человек — серьёзная, но «продуктивность» измеряется по метрикам активности, а не бизнес-результатам. Держите это в голове. Другие источники, как увидим, подтверждают общую картину.
90% уже внутри. Кто снаружи?
JetBrains в январе 2026 года опросили более 10 000 разработчиков по всему миру. Опрос охватывал восемь языков, с квотами по регионам, без упоминания AI — чтобы не привлекать только фанатов или скептиков.
90% разработчиков регулярно используют хотя бы один AI-инструмент на работе.
Девяносто процентов. Не «пробовали». Не «слышали». Используют. На работе. Регулярно.
74% уже перешли на специализированные AI-инструменты для разработки — не просто ChatGPT для вопросов, а Copilot, Cursor, Claude Code, Junie. GitHub Copilot остаётся лидером (29% на работе), но рост замедлился. Claude Code вырос с 3% до 18% за девять месяцев — в шесть раз. В США и Канаде — 24%. При этом CSAT — 91%, NPS — 54, что является лучшим показателем на рынке.
Арифметика проста: 90% используют AI. 10% — нет. Если вы в этих 10%, это уже не «принципиальная позиция». Это статистически нетипичное поведение. И Prodoscore показывает, что разрыв между группами растёт с каждым месяцем.
Как выглядят те, кто внутри
Стив Йегги, 57 лет, бывший инженер Amazon и Google, более 30 лет в индустрии. В интервью New York Times сказал: «Я в 10, 20, даже в 100 раз продуктивнее, чем когда-либо за карьеру. Как будто мы всю жизнь ходили пешком».
В LinkedIn у него теперь написано «AI babysitter». Он запускает десятки агентов параллельно и выдаёт тысячи строк продакшен-кода в день. Сам признаёт, что это вызывает проблемы со сном — но это уже другая история.
Кент Бек, 64 года, один из создателей экстремального программирования и TDD. Десять лет назад бросил кодить — надоело. LLM-агенты вернули его обратно. 64 года. Десять лет вне кода. И он вернулся.
Это не статистика. Это что-то другое. Когда человек с 40-летним стажем говорит: «мне снова интересно» — сложно не задуматься.
Борис Черны и ноль строк кода
Борис Черны — создатель Claude Code в Anthropic. До этого — один из самых продуктивных инженеров Instagram и руководитель code quality в Meta. В феврале 2025 года AI писал 20% его кода. В мае — 30%. В ноябре — 100%.
Сейчас он создаёт 10–30 pull request’ов в день. Не пишет ни одной строки вручную. Вообще. Ноль.
Представьте: вы садитесь за компьютер, формулируете задачу. Агент работает. Вы переключаетесь на следующую. Потом ревьюите первую. Мержите. Следующая. Это уже не похоже на программирование — больше на управление конвейером.
Anthropic утверждает, что команда выросла в 4 раза, а продуктивность на инженера — в 3 раза. Это самоотчёт вендора, поэтому воспринимать его стоит с осторожностью. Но личная траектория Черны — от 80% ручного кода до нуля за 9 месяцев — это конкретная точка данных. Человек, создавший инструмент, перестал писать код.
У него есть метафора: до Anthropic он делал мисо в японской деревне. Белое мисо ферментируется три месяца, красное — два-три года. Ты задаёшь условия и ждёшь. По его словам, работа с AI-агентами ближе к ферментации, чем к программированию: задаёшь контекст, ограничения, тесты — и отпускаешь.
На вопрос, что будет делать после AGI, ответил: «Наверное, вернусь делать мисо».
А кто снаружи
Coinbase. Один инженер не зарегистрировался в AI-инструменте. Не пришёл на встречу с CEO. Его уволили. Формулировка — «not a good fit for the company».
Брайан Армстронг сказал, что это задало «very clear tone from the top».
Но Coinbase — не исключение. Atlassian уволил 1600 человек «ahead of an AI push». Block уволил 40% инженеров. Джек Дорси написал акционерам: «Intelligence tools изменили то, что значит строить и управлять компанией».
Изнутри Block: Оуэн Дженнингс в интервью a16z заявил: «We are not writing code by hand anymore. That’s over.» Внутренний агент BuilderBot берёт тикеты, пишет реализацию с тестами и мержит MR без участия человека. Сквады сократились с 14 до 3–4 инженеров. Каждый IC крутит 8–14 агентов параллельно.
Масштабируется ли это за пределы Кремниевой долины — вопрос открытый. Block — это $50 млрд финтех с лучшими инженерами. На среднем аутсорсе с легаси на Java 8 картина может быть иной. Но вектор понятен.
Challenger, Gray & Christmas зафиксировали 52 050 потерянных рабочих мест в tech за I квартал 2026 года — на 40% больше, чем годом ранее. AI назван причиной 25% всех увольнений в марте. Важно: «уволили на фоне AI-перехода» и «уволили из-за AI» — не одно и то же. Часть увольнений случилась бы и без AI. Но AI дал удобную рамку, а в некоторых случаях — реальный триггер.
«Но ведь METR доказали, что AI замедляет»
Да, METR в июле 2025 показали минус 19%. Но в феврале 2026 они обновили данные — уже плюс 18%. Подробности — в других материалах.
Ключевой нюанс: METR тестировали опытных контрибьюторов в проектах, которые они хорошо знают. Prodoscore — 25 000 сотрудников в 300 компаниях. JetBrains — 10 000 разработчиков по всему миру. Разные условия, разные методологии.
Когда три независимых источника с разными подходами приходят к одному выводу — «AI-юзеры стабильно продуктивнее» — это стоит учитывать. Даже если один эксперимент в особых условиях показал обратное.
Три уровня уверенности
Первое: AI-инструменты стали массовыми. 90% по данным JetBrains — это факт, подтверждённый опросом 10 000 разработчиков с квотами по регионам.
Второе: у части разработчиков они дают измеримый прирост. Prodoscore — +19% (с оговорками). Йегги и Бек — единичные, но яркие примеры. METR в свежей версии тоже показывает ускорение.
Третье: рынок начнёт системно наказывать тех, кто игнорирует AI. Данные здесь слабее. Coinbase — один случай. Block — корпоративная стратегия. 52 000 увольнений — но «на фоне AI» не всегда означает «из-за AI». Challenger это оговаривает.
Первые два тезиса хорошо подтверждены. Третий — пока подкреплён кейсами и направлением тренда. Но если первые два верны, третий логично вытекает из них через год-два.
AI-расслоение
Я называю это «AI-расслоением». Термин не мой, но он точно описывает суть.
AI не заменяет разработчиков. AI расслаивает их.
Пример: два сеньора на ревью. Один читает 400 строк глазами, оставляет 3 комментария за 45 минут. Второй запускает агента с кастомным промптом по security и performance — за 4 минуты получает 8 замечаний, из которых 5 валидных, включая race condition, который первый пропустил. Потом тратит 15 минут, чтобы отфильтровать шум и написать комментарии.
Оба — сеньоры. Оба — с опытом. Но один делает ревью за 20 минут с лучшим покрытием. Второй — за 45, и пропускает баг. Кого тимлид попросит ревьюить критический MR перед релизом?
Сейчас разрыв — в скорости и качестве. Через год-два — в рыночной ценности. Насколько именно — неизвестно. Но направление очевидно.
Ирония в том, что 20 лет назад мы смеялись над инженерами, отказывающимися от Git: «Я и на SVN нормально». Потом — над теми, кто не принимал Docker: «Мне и без контейнеров хорошо». Потом — CI/CD, облака, Kubernetes.
Каждый раз — одна и та же история. Новый инструмент. Большинство осваивает. Меньшинство упирается. Через три-пять лет — меньшинство оказывается неконкурентоспособным. Не потому что инструмент «лучше», а потому что вся экосистема перестроилась вокруг него.
AI-инструменты — это не «ещё один фреймворк». Это следующий Docker. Следующий Git. Разница в масштабе, но не в механике. Кто не освоит — рискует оказаться на обочине быстрее, чем кажется. Текущие данные и кейсы указывают именно туда.
Хотя, может, я драматизирую. Может, через пять лет окажется, что AI-кодинг — это как блокчейн: шум, потом тишина, и все вернулись писать руками. Сценарий маловероятен — но не невозможен.
Что конкретно меняется (на моём примере)
У меня Laravel-проект на ~80K строк, три микросервиса и легаси, помнящий PHP 7.2. За последние полгода изменилось вот что.
Утро. Раньше: открыл Jira, прочитал тикет, полез в код, написал, запушил. Сейчас — мультиагентная система сама пишет «доброе утро», сама берёт задачи из бэклога, формулирует план, пишет код и создаёт MR. Я прихожу — и у меня уже готовые MR на ревью. Моя роль — ревьюер. Причём с каждой неделей требуется всё меньше правок: система запоминает мои замечания. Раньше за первый час — одна прочитанная задача. Сейчас — три закрытых.
Навыки. «Помню API Laravel наизусть» — больше не преимущество. AI помнит лучше. Зато «понимаю, почему этот эндпоинт не должен быть синхронным, потому что три года назад вебхук Stripe падал с таймаутом» — AI этого не знает. Доменное знание и архитектурные решения выросли в цене. Знание синтаксиса — упало.
Ценность для бизнеса. Раньше я стоил дорого, потому что быстро писал сложный код. Теперь — потому что знаю, что писать и зачем. AI пишет быстрее любого человека. Но он не знает, что платёжный шлюз в РФ иногда молча глотает запросы, и нужен fallback на повторную проверку через 30 секунд. Пока не знает.
Что делать?
- Не «учитесь промптить». Учитесь тому, что другим лень или западло. Знание AI-инструментов — не временная мода, а навык, который будет нужен на каждой следующей работе.
- Изучите, как работают агенты изнутри. Не на уровне «попросил ChatGPT написать функцию», а на уровне: системный промпт, контекстное окно, галлюцинации на 80-м тысячном токене, tool use. Те, кто разобрался в механике, получают из того же инструмента в разы больше.
- Стройте воспроизводимые workflow. Не «попросил — получил — скопировал». А: CLAUDE.md с правилами проекта, skills для повторяющихся задач, автоматические хуки на коммиты. Это превращает одноразовый промпт в систему, которая работает без вас.
- Разберитесь в мультиагентных паттернах. Один агент пишет код, второй ревьюит, третий гоняет тесты. Это не фантастика — это уже работает в Block, Anthropic и на моём Laravel-проекте. Начните с двух агентов. Добавьте третий. Через месяц вы будете работать принципиально иначе.
Суть: пока кто-то из ваших коллег принципиально отказывается от AI или лениво тыкает в Copilot раз в неделю — у вас есть окно. Окно, в котором глубокое знание AI-инструментов даёт непропорциональное преимущество. Оно не будет открыто вечно — через пару лет это станет базой для всех. Но сейчас — это конкурентный навык, а не гигиенический.
«Я 20 лет кодил без AI и ничего» — это как «я 20 лет деплоил по FTP и ничего». Технически верно. Практически — всё меньше людей, которых это впечатляет.
UPD: Сравнение AI с Git и Docker — неидеально. Git не менял то, как ты думаешь о коде. AI меняет. Справедливо. Но механика вытеснения — «большинство перешло, меньшинство осталось на обочине» — та же. Может, масштаб и последствия будут жёстче. Но паттерн повторяется.