На отметке 1:14:00 Константин Осипов выдает очень плотный и нетривиальный взгляд на то, как ИИ (LLM, такие как Claude или ChatGPT) меняет разработку сложных систем вроде баз данных. Он уходит от банального «ИИ пишет за нас простой код» и выделяет четыре глобальных сдвига в индустрии. Вот его главные идеи из этого блока: 1. Эпоха Solo-разработчиков и быстрых End-to-End продуктов Раньше, чтобы проверить крутую идею (например, ты придумал гениальный оптимизатор запросов), тебе нужно было потратить годы на создание базовой инфраструктуры базы данных: написать подсистему хранения, репликацию, управление пользователями, права доступа, журналирование. Это требовало целой команды. Сейчас один толковый разработчик с помощью ИИ может быстро сгенерировать всю эту «скучную» рутинную обвязку и выкатить рабочий прототип (MVP), чтобы протестировать именно свою уникальную идею. Порог входа в системное программирование кардинально снизился. 2. ИИ как мост для легального «плагиата» в Open Source Это, пожалуй, самая интересная и неочевидная мысль. Большие языковые модели «проглотили» весь Open Source код. Все создатели баз данных, по сути, заимствуют идеи друг у друга. Если разработчики одной базы придумали крутую оптимизацию, модель уже её знает. Ты можешь прийти к ИИ и сказать: «Слушай, я хочу ускорить свою подсистему хранения. Как это решили ребята в условном ClickHouse? Можешь реализовать такую же логику, но адаптировать под мою кодовую базу?» ИИ мгновенно переносит лучшие архитектурные решения между изолированными экосистемами. Из-за этого общий прогресс всех баз данных ускорится в разы. 3. Мгновенное R&D и прототипирование научных статей (Papers) Разработка баз данных строится на сложной математике и новых алгоритмах, которые публикуются в научных статьях. Раньше инженер брал свежий paper, полгода его читал, разбирался, писал прототип, покрывал тестами, и только потом выяснял, что на его железе идея работает медленно. Как это работает сейчас: скармливаешь PDF-статью нейросети -> просишь набросать грязный прототип алгоритма (вайб-кодинг) -> запускаешь профилировщик и замеряешь перформанс. Не дало скорости? Выкинул код и пошел читать следующую статью. Цикл исследований и разработки (R&D) сокращается с месяцев до пары дней. 4. Инженер становится «мыслителем», а не наборщиком текста ИИ радикально срезает количество ручной работы. Нейросеть вряд ли придумает за тебя новую концептуальную модель или докажет сложную теорему, но она заберет на себя всю механическую работу по написанию кода. Это высвобождает ресурс мозга разработчика для высокоуровневого проектирования и обдумывания архитектуры. Итог: Осипов видит в ИИ не просто «умную автозамену», а мощнейший катализатор, который невероятно ускоряет обмен знаниями в индустрии и удешевляет проверку сложных инженерных гипотез. Там же чуть дальше они обсуждают и обратную, негативную сторону этого процесса — что будет, когда программисты перестанут понимать базовые рутинные вещи, потому что их всегда пишет ИИ. https://youtu.be/_9JhY63Cvtc?si=z6SE5UZgnzMegvn8