Мой годовой опыт в разработке с ИИ агентами и главные выводы

Этот пост для разработчиков, которые еще скептически относятся к кодингу с ИИ агентами и не используют его. Мир стремительно меняется, пора «проснуться» и поменять методику работы.

Ниже я расскажу личный опыт, чтобы было нагляднее.

Моя история

ИИ тема хайповая, и я, конечно, следил за ней еще с 2019 г. Но это были классические, не генеративные модели. Затем в ноябре 2022 появляется ChatGPT, следом в июле 2023 года DeepSeek. И мне больше он понравился. Пока все это было в рамках «О, прикольно, он разговаривает».

Затем я в конце 2024 года ради прикола попросил DeepSeek сверстать HTML структуру для простого лендинга для медцентра — и он мне выдал чистенькую вёрстку, все теги и наименования классов четкие. Я, так сказать, испугался за свою профессию и хлеб. Это где ж такое видано, чтоб машина программировать начала. Ну, думаю, ладно, это еще не скоро и дальше иногда просто спрашивал в чате некоторые подсказки.

Затем в ноябре 2025 года я поехал на партнерскую конференцию Битрикс24, где проходил хакатон вайбкодинга. Я к нему до этого 3 недели готовился — надо отдать должное спецам из Битрикс24, они все материалы подготовили и нянчились с нами, как с малыми детьми, разжевывая, как все развернуть в докере, как оплатить зарубежные ИИ модели (советовали Sonnet, ну на крайняк ChatGPT) и как разрабатывать с помощью ИИ. В итоге на хакатоне я поучаствовал, попробовал со всеми поработать, получил стартовый пинок и интересный опыт.

После этого все изменилось

Я пару недель переваривал эту информацию и опыт, и начал более активно в этой теме разбираться, прошел все муки вайбкодера по поиску методов оплаты напрямую в Openapi и Anthropic, через провайдеров (Openrouter), в ход шли все инструменты — даже крипта. Это сейчас все просто, а год назад было сложнее).

В конце 2025 года ИИшка программировала, ну так средненько (конечно Sonnet и Opus делали свое дело, но это бешеные деньги и для меня не вариант был).

Все изменилось в начале 2026 года с появлением ChatGPT 5.3 — агент работал четко и по делу. С этого момента у меня консоль каждый день работала и пилила какие‑то мои пет‑проекты. Сейчас их в стадии MVP больше 30 штук. Из них публично запущен только один ^[1], а внутренних инструментов штук 5 работает, как отлажу до конца — поделюсь со всеми на GitHub/

То, что остальные не запущены, меня не расстраивает, я решил для себя, что просто получал опыт работы с ИИ агентами. Но зато я как разработчик ноября 2025 года и сейчас огромная разница в компетенциях ИИ кодинга. 16 лет опыта разработки + ИИ агент позволяет мне писать на любом языке React, Go, Rust, Python и делать сложные проекты с минимальной командой.

Теперь самая мякотка — выводы и ценные советы

Что я сейчас могу сказать. Парни, разработчики, если вы эту тему не пробовали, либо пробовали и не получилось — бросайте все и срочно изучайте, пробуйте, получайте опыт.

Точка невозврата уже пройдена, много классических разработчиков для создания продукта сейчас не требуется. Фронты вообще под жестким ударом. Да, количество вакансий и вообще разработчиков в ближайшее время уменьшится, но в то же время возникнут новые профессии, так что возможно не все так плохо и просто произойдет мутация сферы.

Все современные модели (OpenAI ChatGPT, Anthropic Sonnet, Opus, DeepSeek, GLM, Kimi) программируют лучше и быстрее мидла‑разработчика, как минимум на уровне сеньёра и в некоторых случаях лучше.

Если вы начинающий, то для работы берите сразу DeepSeek Harness, ну или на крайняк OpenCode или Pi Code. А Cursor, Windsurf и подобные решения даже не пробуйте.

Забудьте про IDE, не требуется она больше — консоль + ИИ агент ваш лучший друг.

Не запускайте агента хозяйничать на проде, не стоит оно того).

Изучите методологию Spec Driven Development, без этого агент будет творить на вашем проекте, что ему вздумается. А также изучите фреймворки OpenCpec и Spec Kit от GitHub. Идея простая: не позволяй ИИ идти от размытого требования сразу к коду. Сначала spec.md ^[2] (что нужно), потом plan.md ^[3] (как делать), потом tasks.md ^[4] (на какие шаги разбить).

Истории в духе «я за вечер собрал сервис, который лучше платных аналогов», прикольны в самом начале, а потом разбиваются о жесткую реальность доведения своего MVP до продуктового состояния. Волшебной таблетки нет, чтобы сделать что‑то серьезное, нужно все равно работать (но сейчас просто по‑другому).

Какие профессии возможно появятся и к чему вам следует стремиться

1. Архитектор мультиагентных систем (Multi‑Agent Workflow Architect)

Специалист, который проектирует не просто код, а «команды ИИ‑агентов». Он настраивает пайплайны, где один ИИ пишет код, второй его тестирует, третий ищет уязвимости, а четвертый деплоит. От его настроек зависит, не сойдет ли ИИ с ума и не обрушит ли прод. Это новый уровень DevOps и Архитектуры.

2. Инженер по верификации ИИ‑кода и безопасности (AI Code Security & Compliance Engineer)

ИИ часто использует устаревшие или уязвимые библиотеки, а также может случайно «залить» в публичный репозиторий закрытые ключи или коммерческую тайну компании. Этот специалист создает барьеры (guardrails) и системы автоматического аудита сгенерированного кода.

3. Инженер по миграции легаси с помощью ИИ (AI Legacy Modernization Specialist)

В банках, госсекторе и на заводах лежат миллионы строк кода на COBOL, старых версиях Java, C# и PHP, которые люди боятся трогать. Этот специалист умеет правильно «кормить» ИИ контекстом старых систем, чтобы безопасно переписывать их на современные стеки.

4. Доменный RAG‑интегратор / Инженер корпоративного контекста (Enterprise Context Broker)

Базовые модели ничего не знают о внутренней кухне конкретной компании. Этот специалист настраивает локальные LLM и RAG‑системы (Retrieval‑Augmented Generation) так, чтобы ИИ‑агенты имели безопасный доступ к внутренней документации, базам данных и Jira, не нарушая периметра безопасности.

5. ИИ‑психолог / Дебаггер агентов (Agentic Debugging Specialist)

Когда сложный мультиагентный пайплайн заходит в тупик (агенты начинают бесконечно спорить друг с другом или генерировать бред), этот специалист читает «мысли» (chain of thought) моделей, находит логические ошибки в промптах и системных инструкциях, «лечит» workflow.

P. S.

Еще раз повторю — не теряйте время, изучайте ИИ‑кодинг, получайте опыт и вы останетесь в рынке. У кого есть вопросы, можете написать мне в Телегу или здесь в личку (все данные в профиле есть), чем смогу — помогу, расскажу.