AI не выравнивает скиллы. Оно их умножает — и это меняет найм
Когда ChatGPT только вышел, я слышал одно: «теперь джун напишет как мидл, а мидл — как сеньор». Красивый нарратив. Спустя полтора года с Claude Code у меня другой вывод.
Слабый разработчик с AI пишет плохой код быстро.
Хороший — пишет хороший код значительно быстрее.
AI не поднимает нижнюю планку. Оно растягивает разрыв.
В чём проблема с нарративом «AI всех выравнивает»
Нарратив появился не из воздуха. AI-инструменты реально снижают стоимость входа: джун может загуглить меньше, написать бойлерплейт быстрее, получить объяснение чужого кода за 30 секунд. Это факт.
Но выравнивание предполагает, что разница в скиллах была в доступе к информации. Это не так.
Старший разработчик медленнее не потому, что он дольше ищет синтаксис. Он медленнее, потому что думает о том, что будет в edge cases через три месяца. О том, как это упадёт под нагрузкой. О том, почему прошлая команда сделала именно так, а не иначе.
Эти вопросы AI не задаёт. И джуну не помогает их задавать.
Шесть месяцев с Claude Code: что я увидел на деле
Я начал плотно работать с Claude Code в начале 2025 года. К ноябрю у меня около 200+ production-задач, сделанных с AI-инструментами: рефакторинг PHP, написание тестов, генерация миграций, review PR.
Закономерность стала видна месяца через три.
Задачи, где у меня было чёткое понимание что и почему — AI сокращал время в 2-3 раза. Я знал, что мне нужно. Я проверял, что Claude написал. Я говорил ему, где он ошибся. Итог — быстро и корректно.
Задачи, где я сам не до конца понимал область — AI создавал иллюзию прогресса. Код компилировался. Тесты проходили. Через неделю в проде обнаруживался баг, который я сам бы поймал при спокойном чтении. Потому что я бы думал медленнее — и заметил бы что-то не так.
Один конкретный пример: cursor-based пагинация с off-by-one на точных кратных. Код выглядел правильно. Тесты проходили. Баг сидел в продакшне семь дней.
Это не ошибка Claude. Это ошибка того, как я дал задачу.
Мультипликатор, а не лифт
Математика простая.
Возьмём условную продуктивность в единицах. Опытный разработчик — 10 в день, начинающий — 3. AI даёт каждому +5 к базе (грубо). Итог: 15 против 8. Разрыв абсолютный тот же, но доля начинающего выросла с 30% до 53% — это уже что-то.
Но нет. Это неправильная модель. AI — мультипликатор, не добавка. Скорее x1.5-x3 в зависимости от задачи. Опытный x2 даёт 20. Начинающий x2 даёт 6. Разрыв с 7 вырос до 14.
Именно это я наблюдаю на практике. Инструмент работает ровно настолько, насколько человек умеет ставить задачу, проверять результат и понимать, где AI может ошибиться.
Я написал об этом подробнее в статье о spec-first подходе к AI-разработке: прежде чем давать задачу Claude, нужно самому чётко ответить на 5 вопросов. Это дисциплина, которая работает только если ты уже понимаешь задачу.
Что это меняет в найме: нанимать по-другому
Я найму не того, кто «умеет работать с AI». Я найму того, кто умеет думать о коде — и дополнительно пользуется AI.
Разница критическая.
«Умеет работать с AI» — это навык ввода промптов. Умеет ли кандидат объяснить мне, почему данное решение правильное? Может ли он предсказать, что сломается первым, если нагрузка вырастет в 10 раз? Видит ли он, что Claude только что написал что-то технически корректное, но семантически не то?
Я использую платный пробный проект вместо собеседований. Раньше в задание входил стандартный PHP-кейс. Сейчас я добавил один пункт: используй Claude Code или Cursor на своё усмотрение.
Результат неожиданный. Хорошие кандидаты сдают лучше, чем раньше. Быстрее, аккуратнее, с понятными комментариями. Средние кандидаты сдают нечитаемый код, который формально работает. Когда спрашиваю «почему вот здесь именно так?» — молчание.
AI помог слабому кандидату закончить задание. Но не помог ему понять, что он написал.
Красные флаги: кандидат «который работает с AI»
За последние несколько месяцев у меня накопился список сигналов.
Нет объяснений выбора — код есть, логика есть, но на вопрос «почему именно N+1 здесь нельзя?» — пауза. Промпт был. Понимания нет.
Тесты есть, coverage 80%, баги есть — это классика AI-тестирования: Claude написал тесты под то, что написал. Happy path проходит. Edge cases не проверялись, потому что человек их не назвал.
Всё готово за 2 часа, ревью занимает 4 — скорость генерации не равна скорости мышления. Когда кандидат работает быстро, но ревью занимает больше времени, чем написание — это сигнал.
Стандартный boilerplate без адаптации — AI генерирует шаблонные решения. Хороший разработчик адаптирует под контекст. Если в PR слово в слово паттерн из docs, вопрос: было ли понимание контекста.
Это не поводы отказывать. Это поводы задать следующий вопрос.
Вывод: планка идёт вверх, не вниз
Я слышу страх, что AI заменит разработчиков. Я не разделяю этот страх.
Я вижу другое: AI сделает очевидным то, что раньше скрывалось за скоростью набора. Навык — думать. Оставаться полезным — думать хорошо.
Планка найма идёт вверх. Не потому что нужно «уметь промптить». А потому что AI убирает буфер, за которым раньше прятался недостаточный уровень. Теперь это видно раньше.
Для меня это хорошая новость. Нанимать придётся меньше. Но каждого — лучше.