Как меняется разработка в Big Tech из-за AI и что это значит для UI-разработчиков 👨‍💻 Привет! Надеюсь, все уже вошли в рабочий режим. Хочу поделиться наблюдениями о том, как AI меняет требования к разработчикам и как из-за vibe-кодинга размываются границы между специализациями. Попробую ответить на вопросы ❓: 1. Как развивать карьеру и скиллы, оставаясь на техническом треке 2. Чем хороший разработчик отличается от vibe monkey 3. Почему vibe coding делает сильных разработчиков ещё сильнее 4. Стоит ли сопротивляться тренду Размытие границ между специализациями. "Теперь ты и швец, и жнец, и на дуде игрец" 1. Горизонтальное развитие теперь must 🧑‍🎓. Пока от разработчиков не ждут, что они одинаково сильны во всех стеках, но AI-инструменты уже позволяют работать намного шире стандартного контекста. Менеджеры это понимают: если из 1$ можно получить 2$, изменения к требованиям не заставят себя ждать. Моё ощущение такое, что в ближайшие 2–3 года разделение стеков сильно ослабнет, а базовым требованием станет умение работать почти везде. Все постепенно станут фуллстеками. Это давно происходит в стартапах и теперь добралось до больших компаний. Вывод: изучай secondary specialisation и supporting skills. Это может быть любой backend-язык и фреймворк (Java, Kotlin, Go, Rust), хотя бы один cloud provider (AWS, GCP, Azure), основы баз данных и базовый CI/CD pipeline 🚀 2. Экспертиза — главное отличие сильного разработчика. Когда все умеют делать всё, ценность смещается в глубину понимания. Развитие LLM привело к тому, что многие разработчики, особенно на уровнях Jun–Mid, перестают разбираться в коде,теряют навыки профилирования и полностью полагаются на AI. Недавний кейс. Проблема уровня: почему query на 10K элементов иногда падает с Unexpected Exception: null. У нас собственный ORM поверх графовой БД. Что сделал разработчик 🤪: 1. Нашёл место падения по stack trace 2. Спросил LLM, сделал несколько попыток и открыл PR (который был отклонен) 3. Проблема не решилась 4. Сделал вывод, что это баг ORM, и отдал задачу другой команде 5. Таска зависла на пару недель. После эскалации задачу отдали staff-инженеру, который сделал следующее: 1. Нашёл место падения 2. Сгенерировал EQL (наш pre-SQL слой) 3. Запустил его в debug-режиме 4. Нашёл сломанные сущности после сторонней миграции 5. Починил их manual-скриптом и нашёл авторов 6. Проблема решена. 0 строк кода. То есть проблема была вообще не в запросе. Вывод: не лениться дебажить руками, профилировать код, читать документацию и реально понимать систему. Именно это будет отличать сильного разработчика от vibe monkey. 3. Follow the trend and find joy. Big Tech идёт по пути максимальной интеграции AI во все процессы. Появятся метрики определяющие насколько эффективно ты используешь AI. Самый здоровый путь — принять тренд, находить в нём интерес и использовать его как усилитель своих скиллов. Сейчас компании бесплатно дают доступ к Claude, ChatGPT, Codex и другим тулам, их можно использовать даже для личных задач. Жизнь Senior+ инженеров стала легче: меньше рутины и больше времени на архитектуру и реальные инженерные задачи. – Писать техническую документацию стало намного приятнее. LLM может быстро подготовить Google Doc на основе твоего контекста, проставить code pointers и нарисовать диаграммы. Ты всё ещё принимаешь архитектурные решения, но избавляешься от ручной писанины. – Погружаться в новые проекты стало проще. Можно попросить Claude прочитать десяток Google Docs, сгенерировать summary, слинковать папки проекта со спекой и нарисовать архитектурную схему. Это занимает 30–40 минут и сильно экономит время, особенно когда ты работаешь в нескольких контекстах. Вывод: учитесь эффективно использовать AI-тулы, особенно за чужой счёт - жжём токены. Учиться новому теперь можно быстрее с помощью AI и LLM. Главное — сначала думать,потом вайб-кодить! На последок, парочка интересных статей🔖: 1. Прогнозы, как будет развиваться software engineering в ближайшее время 2. Профилирован