Главный вопрос про инженеров-программистов в 2026 году — не в том, умеет ли ИИ писать код. ИИ умеет писать код. Экономически интересный вопрос в другом: какие из задач инженера ИИ способен выполнять с надёжностью, при которой команда готова выпускать релиз, и с ценой ошибки, которую бизнес готов принять. Наша модель v1 говорит так: ни одна задача не переходит порог Replaceable чисто, большинство переходит порог ai-augmented, а human-critical хвост оказывается устойчивее, чем допускает формулировка «заменит ли ИИ разработчиков».
Какие задачи мы моделировали
Разработку плохо свести к одному ведру — реальный состав работы зависит от компании, уровня и команды, — но наш стартовый набор v1 покрывает репрезентативный спектр: написание production-кода по спецификации, написание тестов, написание документации, проектирование архитектуры систем, отладка production-инцидентов, код-ревью, разбор инцидентов на дежурстве и менторство джуниоров. Именно эти задачи наша матрица возможностей v1 оценивает по девяти осям.
Разбор по ячейкам
Написание production-кода по чёткой спецификации попадает в территорию ai-augmented. Способность высокая, надёжность приемлемая, но цена ошибки не пустячная: уверенно-неправильный код в масштабе оборачивается production- инцидентами. Правила класса замещения по ADR-016 помещают эту задачу в средний диапазон: ИИ печатает основную часть, инженер отвечает за решения, ревью и план отката.
Написание тестов и написание документации в нашем наборе v1 тоже ai-augmented, а не Replaceable. Способность высокая (особенно для шаблонного кода), но фильтры надёжности и цены ошибки удерживают обе задачи вне диапазона Replaceable. Тест, который проходит локально и пропускает production- крайний случай, несёт немалую цену ошибки. Документ, который уверенно искажает контракт API, тянет вниз каждого инженера ниже по цепочке. Роль получает помощь ИИ в наборе текста; за корректность по-прежнему отвечает инженер.
Код-ревью — составление замечаний к диффу — тоже относится к ai-augmented. Способность высокая, надёжность средняя; цена ошибки зависит от диффа (ревью с точки зрения безопасности может быть 4 из 5, ревью стиля — 1). Мы моделируем среднее, что удерживает задачу в среднем диапазоне.
Отладка production-инцидентов резко падает в human-led + ai-assisted. Способность сопоставить паттерн по стеку вызовов высокая; способность синтезировать «почему это происходит только в 2 часа ночи по вторникам в тенанте этого клиента» низкая. Ось надёжности здесь беспощадна — ИИ уверенно угадывает и часто ошибается. Минуты надзора на инцидент растут. ИИ ускоряет поиск, но не отвечает за исправление.
Проектирование систем и архитектура попадает в human-led + ai-assisted на самом глубоком конце. ИИ может выдать правдоподобную диаграмму архитектуры. ИИ не может одновременно взвесить пять лет решений по техдолгу, кривую уверенности команды в деплоях и реальную траекторию масштабирования бизнеса. Ось контекста неустранимой человеческой ценности набирает высокий балл; ось неоднозначности — ещё выше. ИИ здесь — собеседник для проверки идей, а не архитектор.
Менторство джуниоров — это human-critical задача роли. Доверие набирает максимум по шкале неустранимой ценности, контекст многолетний, а разговор «почему сеньор оборвал тебя на той встрече» невозможно собрать через промпт. ИИ может ответить на технический вопрос; ИИ не может стать человеком, которому джуниор доверит вопрос о карьере.
Примерно за типичную неделю
Для мид- и синьор-инженера в нашей референсной роли v1 базовое распределение по смоделированным задачам такое: ноль Replaceable, большинство ai-augmented (production-код, тесты, документация, код-ревью), заметный диапазон human-led + ai-assisted (проектирование систем, разбор инцидентов на дежурстве) и меньший human-critical хвост (менторство, архитектурные решения с многолетним контекстом). Итоговый ярлык роли — ai-augmented territory, но важнее форма: основная масса роли лежит в двух средних классах.
Это спокойный экономический вывод. Большая часть недели — на границе ai-augmented. Часть по-прежнему human-led. Нарратив «инженеров заменят к 2027 году» — не то, что говорит модель (Replaceable для роли в v1 пуст), и нарратив «ИИ переоценён, моя работа в безопасности» — тоже не то, что говорит модель.
Где это меняется быстро
Три оси, за которыми мы будем следить. Надёжность — это рычаг. Если ось надёжности на реализации фич сдвинется с 75 до 85, ячейка пересекает порог Replaceable, и взвешенная по долям картина роли сдвигается к 30–35% Replaceable. Это разрыв в духе Klarna для разработки.
Минуты надзора — второй рычаг. Основная операционная стоимость ИИ для задач разработки — это время ревьюера, а не токены. Заметное сокращение надзора на единицу вывода (скажем, с 8 минут на сгенерированный ИИ PR до 2) урезает линию операционной стоимости ИИ почти в 4 раза. Это меняет расчёт NPV для внедрений в масштабе организации.
Конфигурация цены ошибки — третий. У разработки в банке цена ошибки 5 почти на всех этих задачах; у разработки маркетингового сайта — цена ошибки 1. Одни и те же баллы способности и надёжности дают разные назначения класса замещения в зависимости от конфигурации цены ошибки. Инструмент Wagecard позволяет переопределить значение по умолчанию под ваш домен.
Что с этим делать, если вы инженер-программист
Три спокойных экономических хода. Первый: делайте ai-augmented работу вместе с ИИ. Это половина вашей недели. Отказ от этого — оставленная на столе производительность без методологических причин. Второй: удваивайте вложения в human-critical работу. Менторство, проектирование систем с контекстом, разбор инцидентов на дежурстве — это оси, которые кластер неустранимой ценности продолжает защищать. Это же и та работа, что накапливает вашу карьеру. Третий: следите за осью надёжности. Когда она сдвинется, вы захотите быть тем инженером, который уже понимает, какие из его задач затронуты.
Расчёт вашего конкретного Wagecard занимает три минуты. Переопределите значения по умолчанию, если ваша роль отличается (бэкенд с высокими требованиями к комплаенсу, регулируемый финтех, embedded с критичной безопасностью). Вывод на основе матрицы — на /roles/software-engineer; живой межролевой срез по гео × опыту — на /insights/software-engineer. Методология открыта на /methodology.
Честный вывод в том, что 2026-й — не год, когда разработку разносит сверху донизу. Это год, когда заметная часть задачного поля роли перешла в диапазон ai-augmented, а остальная работа — human-critical часть — стала ценнее в час, а не дешевле.