«Из 40 разработчиков оставили 10»: как российские компании режут косты и перестраивают разработку под AI

Всем привет! Меня зовут Тимур Хахалев, я – эксперт в AI coding, веду канал об этом.

Недавно я провёл интервью со своим подписчиком – он рассказал правду о текущем положении дел AI coding в российских компаний.

Это разговор с CTO финтеха о том, как AI coding внедряют в реальной компании (цифры, риски, безопасность). На следующей неделе выйдет продолжение — про практические приёмы, там тоже будет много интересного!

Иван — CTO крупного российского финтеха (10 000+ IT‑специалистов) и одновременно технический партнёр интегратора, который делает заказные AI‑автоматизации.

С конца 2023 года он ведёт внедрение нейросетей в разработке в условиях жёсткой безопасности и закрытых контуров: от локального железа и внутренних практик обучения команд до встраивания AI в пайплайн (AI‑ревью перед мержем и обязательные каскады тестов).

По его словам, в его департаменте финтеха, около 30% кода уже пишется с помощью LLM, а в соседних веб‑подразделениях ускорение доходило до 10–15 раз; среди «тяжёлых» кейсов — перенос высоконагруженного алгоритма на GPU (Rust+CUDA) и запуск решений для клиентов в защищённом контуре (в т.ч. под требования 152‑ФЗ).

С нейросетью сделал за 2 дня то, что фронтендер делает 30 дней

Для понимания, на что сейчас способны нейросети, Иван попробовал сделать простой проект для финтеха – админку для внутреннего сервиса.

В админку входил дашборд для руководства, полноценная БД с возможностью загрузки данных, коннекторы, разные графики и т. д. Такой проект можно вполне считать коммерческой разработкой.

Прикинули по срокам – у профессионального фронтендера такой проект занимает почти 1 месяц.

Иван такой проект сделал за 2 рабочих дня. Было написано на 30% больше кода (из-за того что нейронка пишет подробные комментарии), но качество продукта сопоставимо.

Получилось ускорение примерно в 15 раз.

Из 40 разработчиков оставили только 10

2025 — тяжёлый год. Операционные расходы растут, доходы нет. Капитализация падает, акционеры недовольны.

Такие решения принимаются не от сытой жизни. Бывают кассовые разрывы, когда зарплату нечем платить. Бывает давление сверху: «резать косты».

В январе решили оставить в интеграторе только сеньоров и архитекторов – тех, кто понимает, как строить системы, кто может корректировать то, что пишет AI.

Осталось 10 человек из 40.

Миддлы и джуны пошли в отпуск с заданием: научиться работать с нейросетями, прийти с результатами. Будут результаты — посмотрим.

Но человек 15 точно уйдут: они не согласны с подходом компании Ивана, вообще не используют AI coding инструменты и считают их злом.

В финтехе расстались с 1500 айтишников всё по той же причине – с AI (даже с локальными моделями – Qwen и GLM) код пишется быстрее.

Расставание с людьми — дорого, но когда математика не сходится, выбора нет.

Через 3 года AI coding будет базовым навыком

Иван вспоминает, что в 2001 году массово сокращали бухгалтеров. Появились 1С и Excel, 80% рутины автоматизировалось.

Бухгалтер на счётах, который не умеет в Excel, стал не нужен. Не потому что плохой – навык обесценился.

Сегодня Excel — базовый навык. На собеседовании не спрашивают «умеете ли пользоваться Excel?». Это как «умеете ли читать?».

AI coding идёт туда же. Через 3-5 лет вопрос «используете AI для разработки?» будет звучать так же странно.

Всё будет держаться на сеньорах

В финтехе, говорит Иван, решили всё просто – закрыли найм джунов. Зарплатная вилка для миддлов не выросла. Хотите работать ниже рынка — welcome.

Фокус сейчас идёт на наём сеньоров и архитекторов со знанием нейросетей. Людей с широким кругозором, которые могут из готовых кусков собрать работающую систему.

Промпт-инженеров, например, они не берут. Иван считает это временной профессией. Как веб-мастер в 90-е – через пару лет исчезнет.

А вот люди, которые обладают широким кругозором и могут из готовых кусков собрать работающую систему, спроектировать её – вот такие люди нужны.

Иван говорит, что они будут нанимать сейчас продактов, которые умеют сами собирать прототипы.

Product Owner должен знать, что хочет получить, и через Claude Code проверить гипотезу самостоятельно, не ждать разработчика.

Синтаксис можно не знать.

Иван, например, Rust не знал вообще, последний раз программировал на C++ в 2000-х, но написал высоконагруженный алгоритм на 500 млн RPS вместе с Claude

Подробнее об этом во второй части интервью.

Но архитектуру знать надо – что система должна делать и что получить на выходе. Без этого ничего не выйдет.

Если человек сам не обучается – он никому не нужен

Внедрение AI-кодинга заняло 6-7 месяцев, 40% команд используют.

«Он сделает не так», «За ним надо отвечать» – типичные отговорки у разработчиков от использования AI coding. У Ивана есть команды с сильными лидами, сильной разработкой, но они до сих пор не используют AI в работе.

Есть «старички»: «Я всё знаю, это хайп, пройдёт». Их невозможно обучить, отчаивается Иван.

Обучаемость индивидуальная: кто-то за 2-3 недели схватывает паттерны, а кто-то никогда.

Никто не будет так сильно тратить время на обучение людей. Если человек сам не обучается — не приживётся.

Нужно самому идти в ногу со временем.

Ручное программирование – это хобби, зарядка для мозга, наподобие игры в шахматы. Почему компании должны оплачивать медитации своих сотрудников, проигрывая в скорости конкурентам?

Про безопасность нейросетей

Основной страх компаний, которые хотят внедрить AI coding себе заключается в боязни того, что у них утечёт код или данные.

Но реальные утечки происходят не из-за нейросетей. Очень маловероятно, что кто-то пойдёт взламывать сервера Anthropic, расшифровывать токены и искать среди них ваши исходники.

Чаще это происходит из-за того, через что к ним обращаются: непонятные плагины, незащищённые протоколы, бесплатные VPN.

При этом, люди, испытывающие такие страхи, забывают, что их же менеджеры обсуждают рабочие вопросы по мобильному.

Могут взломать телефон? Могут.

Все пользуются? Да.

Но вот то, что реально работает:

- Маскирование данных. По ГОСТам проходит любой аудит. Не отправляешь чувствительное наружу, шифруешь у себя.

- Умное прокси. Фильтр на базе локальной LLM проверяет запрос на чувствительную информацию. Есть — отклоняет, нет — пропускает. Причём, такой подход уже работает в одном из финтехов, говорит Иван.

- Закрытый контур. Нужно железо: минимум 8×H100 80GB, чтобы GLM нормально работала на команду в 100 человек. Но стоит это, примерно, 16 млн рублей – не всем по карману.

Прогноз

Россия в AI coding в ближайший год сильно не трансформируется.

Крупная разработка сосредоточена в бигтехе и финтехе. Они зажаты по безопасности, постоянный аудит. Свои ЦОДы с видеокартами есть, локальные модели будут. Но качество не догонит ни китайцев, ни западную четвёрку.

Плюс лобби: Сбербанк, Яндекс со своими моделями. Деньги делать надо, а они отстают. Скорее всего, облачные решения не разрешат, не российские тоже.

Корпоративная разработка придёт к AI. Но придёт отсталой от мира.

Автоматизация простых задач уже работает: автотесты, код-ревью.

Малые команды становятся эффективнее. Gamma.app — 50 человек штата, $2B оценка на 2025-й год.

Выводы

AI-трансформация — вопрос «когда», а не «если». Для кого-то это уже январь 2025.

- Измеряйте. Без метрик не поймёте эффект. Story points, время на фичу, строки кода.

- Начинайте с сеньоров. Они понимают архитектуру. Джуны без контекста не справятся.

- Не ждите идеальных условий.

Если вам интересно узнать больше про профессиональный подход к AI coding, подписывайтесь на мой Telegram канал, Тимур Хахалев про AI Coding!