Експерт з технологічних трендів про те, чому AI не спрощує роботу, а підвищує планку
Владислав Хамбір – Software Engineer із десятирічним досвідом у мобільній розробці. За цей час він пройшов шлях від стартапів та аутсорс-агентств до великого американського банку зі списку Fortune 500. Сьогодні він розповідає про те, як AI змінює правила гри в IT і що це означає для кожного фахівця в галузі.
“Swift – це дзеркало того, що зараз відбувається з AI”
Ви давно спостерігаєте за технологічними трендами. Чи є у ВаAIй кар’єрі момент, який особливо точно ілюструє те, що зараз відбувається з AI?
Так, і цей момент – це історія зі Swift. У 2014 році, коли Apple анонсувала цю мову програмування, більAIсть iOS-розробників продовжували працювати на Objective-C. Це була складна мова з високим порогом входу. Swift же був простим, лаконічним, зрозумілим. Його могла освоїти людина без глибокого технічного бекграунду.
Я тоді побачив чіткий сигнал: якщо технологія знижує поріг входу і при цьому активно просувається самою платформою, вона стане стандартом. Apple не просто випустила Swift, вона постійно говорила про те, наскільки він швидший, ефективніший, сучасніший. Вона сама почала переводити свої продукти на Swift. Це був однозначний вектор.
Я зробив на нього ставку тоді, коли більAIсть ще трималася за Objective-C. Сьогодні Swift є основною мовою розробки для iOS. Цей патерн – побачити вектор ще до того, як він став очевидним – відтоді повторювався в моїй кар’єрі не раз. З переходом на SwiftUI, з раннім впровадженням реактивного програмування і зараз з AI.
Сьогодні я бачу точно ту саму картину. Абсолютно всі великі компанії публічно демонструють, як вони впроваджують AI, як він скорочує час розробки, як оптимізує процеси. Це не означає, що кожна така заява є чистою правдою. Але якщо всі дивляться в одному напрямку, значить, правда десь поруч із цим напрямком.
Так, є обґрунтовані аргументи на користь того, що AI є бульбашкою. Але навіть якщо це так, це не привід для паніки. Згадайте бульбашку доткомів на початку 2000-х. Тисячі компаній збанкрутували, інвестори втратили статки. Здавалося б, катастрофа. Але що залишилося після тієї бульбашки? Оптоволоконні кабелі на дні океанів, серверна інфраструктура, протоколи передачі даних: все те, на чому сьогодні тримається весь інтернет. У бульбашку було інвестовано величезні кошти, і ці гроAI побудували фундамент цифрового світу, яким ми користуємося щодня.
З AI відбувається те саме. Навіть якщо частина компаній переоцінена, навіть якщо хайп перевищує реальність, інфраструктура, моделі та інструменти, які створюють прямо зараз, нікуди не дінуться. Напрямок визначено. Бульбашка це чи ні, AI вже змінює те, як ми працюємо, і ця зміна є незворотною.
ЧИТАЙТЕ ТАКОЖ: Алгоритми обирають собі подібних: створене за допомогою ШІ резюме підвищує шанси на працевлаштування
“AI знижує поріг входу, але водночас піднімає планку”
Як AI впливає на вимоги до ІТ-фахівців?
Парадокс полягає в тому, що AI робить дві речі одночасно, і, на перший погляд, вони суперечать одна одній.
З одного боку, він знижує поріг входу. Сьогодні людина без глибоких знань у програмуванні може написати скрипт, створити прототип, автоматизувати завдання. Це змінює саме уявлення про те, хто може називатися “розробником”.
Але з іншого боку, вимоги до професіоналів зростають. Якщо раніше вміння писати код було достатньою підставою для працевлаштування, то зараз це вже не так. Тому що код пишуть усі. Питання в тому, що ти можеш дати понад це.
Це та сама історія, що зі Swift: так, на ньому стало простіше писати, і в iOS-розробку прийшло більше людей. Але ті, хто вмів проєктувати архітектуру, мислити системно, бачити картину цілком, тільки зросли в ціні.
“Агентів не звільняють. Звільняють людей”
Що конкретно тепер повинен вміти IT-фахівець, чого раніше не вимагали?
По-перше: архітектурне мислення. Низькорівневі завдання: написати функцію, виправити баг, згенерувати шаблонний код – все це вже сьогодні можна делегувати AI-агентам. Але проєктування системи, прийняття архітектурних рішень, розуміння того, як частини складаються в ціле – це поки що залишається за людиною.
У моїй практиці це особливо помітно під час роботи над критичними платіжними сервісами. Там ціна архітектурної помилки незрівнянно вища, ніж у стартапі. Штучний інтелект допомагає пришвидшити виконання, але рішення про те, як будувати систему, як забезпечити надійність під час міграції мільйонів користувачів, – це, як і раніше, людська праця.
Друге: відповідальність. Роботу може виконати агент, але відповідальним за результат залишається людина. Саме за цю відповідальність і будуть платити. Ніхто не звільнить AI-агента, якщо щось пішло не так. Звільнять того, хто прийняв рішення і поставив завдання.
Третє: багатозадачність нового типу. Раніше інженер працював з одним завданням, занурювався в нього. Тепер у тебе є, умовно, армія агентів, кожен із яких працює над своїм контекстом. Ти перемикаєшся між ними, даєш зворотний зв’язок, перевіряєш результат, направляєш наступний крок. Це інший режим роботи, інтенсивніший, що вимагає вміння утримувати кілька контекстів одночасно.
Зараз я очолюю напрямок впровадження AI-інструментів у відділі платежів за кредитними картками і можу сказати: AI рекламують як інструмент, який дозволить нам працювати менше, але на практиці кількість завдань просто збільшується. Тому що ти можеш виконувати їх паралельно.
“Мій метод: спочатку сигнал, потім безпечне впровадження”
Як саме Ви визначаєте, яка технологія реально стане стандартом, а яка виявиться хайпом?
У мене є сформований підхід, який я відпрацьовував протягом десяти років і над десятками проєктів різного масштабу.
Перший крок: моніторинг сигналів. Я регулярно переглядаю велику кількість джерел: технічні публікації, активність у спільнотах із відкритим кодом, те, про що говорять на конференціях, що просувають самі платформи. Завдання: відокремити шум від стійкого патерну. Шум: про технологію пишуть усі, але ніхто не використовує її в production. Стійкий патерн: вона починає вирішувати реальні проблеми в реальних проєктах.
Другий крок: оцінка життєздатності. Чи знижує вона поріг входу? Чи просуває її сам вендор або платформа? Чи є приклади успішного застосування в критичних системах, а не тільки в прототипах?
Третій крок, і ось тут, мабуть, найважливіше: безпечне впровадження. Більшість розробників або чекають, поки технологія повністю дозріє і пройде багаторічну перевірку, або поспішають впроваджувати все нове без оцінки ризиків. Я працюю інакше: будую стратегію поступового впровадження з механізмами відкату, з валідацією на кожному етапі, з можливістю масштабувати вдале рішення на велику організацію.
Саме так SwiftUI з’явився спочатку в одному компоненті, потім пройшов через внутрішні презентації та демо, а потім став основою для переходу в масштабах всієї організації. Той самий принцип застосовується зараз з AI-інструментами.
“Стартапи впроваджують швидше. Великі компанії – якісніше”
Хто швидше адаптується до AI – стартапи чи великі компанії?
Стартапи, безперечно, швидше. І причина проста: стартап за своєю природою вже є ризиком. Додати до цього ризику використання неперевіреної технології означає незначну зміну в загальній картині, якщо цей новий інструмент може збільшити швидкість розробки та просування стартапу. Швидкість важливіша за якість, експеримент важливіший за стабільність.
У великих компаніях інша історія. Там є мільйони користувачів, регуляторні вимоги, репутаційні ризики. Помилка у виробництві означає потенційно величезні фінансові втрати та втрату довіри клієнтів. Тому там довго думають, ретельно узгоджують, методично тестують.
Я спостерігав ситуацію, коли весь світ уже активно користувався AI-інструментами, а у великій компанії вони ще були під забороною через побоювання щодо витоку даних. Минув час, було укладено індивідуальний контракт із постачальником AI-послуг, виділено ізольоване сховище. І тільки тоді інструменти з’явилися. Повільно? Так. Але зате системно і безпечно.
Великі компанії надолужують відставання завдяки якості впровадження: вони можуть дозволити собі запросити фахівців з Anthropic або OpenAI, організувати корпоративне навчання, вибудувати процеси. Стартапи в цьому програють.
Унікальна позиція, яку я займаю зараз, полягає саме в тому, щоб поєднувати ці два світи. Привнести стартап-швидкість у корпоративне середовище, не створюючи при цьому enterprise-ризиків. Це не просто впровадження нового інструменту. Це зміна культури того, як команда сприймає інновації.
ЧИТАЙТЕ ТАКОЖ: Meta створює ШІ-аватар Цукерберга для спілкування зі співробітниками
“Різноманітний досвід – це і є суперсила”
Ви працювали у стартапах, аутсорсингових компаніях, великих фінтех-компаніях. Як цей різноманітний досвід формує Ваше бачення технологій?
Кожен тип компанії переслідує різні цілі, і це формує різне бачення технологій.
У стартапі головне – це швидкість зростання. Там думаєш: що дозволить нам рухатися швидше, захопити ринок, знайти користувачів. Ти береш найновіше, бо це конкурентна перевага. В аутсорсі все визначається часом і грошима. Є ідея замовника, обмежений бюджет, жорсткий дедлайн. Відразу думаєш: що можна автоматизувати, як прискорити процес при мінімумі ресурсів. За три роки в одній із аутсорс-компаній я пройшов через понад десяток проєктів. Такий досвід тренує навички швидко відбирати інструменти, які реально працюють під тиском, а не тільки в ідеальних умовах.
У великій продуктовій компанії на першому місці стоїть стабільність. Там думаєш інакше: як впровадити щось нове так, щоб нічого не зламати. Як довести, що технологія надійна, перш ніж вона отримає доступ до критичної інфраструктури.
Коли у тебе є всі три точки зору одночасно, ти починаєш бачити технології об’ємно. Ти розумієш, чи працює вона тільки в ідеальних умовах стартапу, чи витримає навантаження з мільйонами користувачів.
“Рутина зникне. Виживуть ті, хто вміє мислити системно”
Які IT-професії, на Вашу думку, зміняться або зникнуть у найближчі 3-5 років? А хто, навпаки, виграє?
У зоні ризику – будь-яка рутинна робота. Якщо ваша діяльність зводиться до повторюваних, передбачуваних завдань, це саме те, що штучний інтелект робить найкраще і найшвидше замінює.
Виграють ті, хто працює з системним мисленням: архітектори, технічні лідери, ті, хто вміє керувати командами, зокрема командами з AI-агентів. Люди, здатні ухвалювати рішення в умовах невизначеності та нести за них відповідальність.
Окрема історія з junior-фахівцями. AI, з одного боку, полегшує навчання: знайти інформацію, розібратися в концепції, написати перший код – все це стало доступнішим. Але з іншого боку, поріг для працевлаштування зріс. Тому що базові навички тепер є у всіх, хто вміє користуватися AI. Щоб тебе взяли на роботу, потрібно запропонувати щось більше.
Формула проста: що вища абстракція вашої роботи, то стійкіша ваша позиція. Чим ближче вона до виконання, тим вразливіша.
Історія IT – це історія постійного зміщення порогів. Objective-C здавався нормою, поки не з’явився Swift. Ручне тестування здавалося неминучим, поки не з’явилася автоматизація. Кожного разу технологія змінювала те, що вважалося достатнім.
AI є черговим таким зрушенням і, мабуть, наймасштабнішим із тих, що бачило нинішнє покоління ІТ-фахівців. На тих, хто сприймає це як загрозу, чекає важка адаптація. На тих, хто бачить у цьому інструмент для зростання, чекають можливості, яких раніше просто не існувало.
Адаптуватися або зникнути – це не метафора. Це буквальний опис того, що відбувається прямо зараз.