Кто платит за AI-продуктивность: почему выгорают middle-инженеры

Значимый прорыв формирует отрасль ИИ: kmoseenk 10 минут назад Кто платит за AI-продуктивность: почему выгорают middle-инженеры Средний 6 мин 564 Блог компании OTUS Искусственный интеллект Управление разработкой * Программирование * Аналитика Перевод Автор оригинала: Sreenivasa Reddy В современной разработке AI-ассистенты для кодинга создали кризис, о котором никто не говорит. Junior-инженеры работают быстрее, чем когда-либо. Senior-инженеры проектируют архитектуру с меньшими усилиями.

А что происходит с вашими middle-инженерами? Они тихо тонут: большую часть времени вылавливают ошибки AI, которые не попадают ни на один дашборд. Без какого-то признания.

Технические детали

Я называю это проблемой «невидимого валидатора». Опираясь на опыт создания AI-платформ, которые обслуживали более 100 миллионов пользователей на enterprise-масштабе, в этой статье я разберу, как ваши лучшие инженеры субсидируют продуктивность всех остальных… и что сделать, пока они не ушли. Exit-интервью, к которым я не был готовВ прошлом квартале цифры выглядели отлично.

Мы выпускали релизы на 40% быстрее. Код-ревью, которые раньше занимали дни, теперь закрывались за часы. Руководство было в восторге.

На нашу команду ссылались как на доказательство, что внедрение искусственного интеллекта работает. А потом трое моих лучших middle-инженеров уволились. Все — с разницей в шесть–восемь недель.

Отраслевые последствия

Я сидел на каждом из этих exit-интервью и думал, что каждый раз услышу что-то новое: более выгодный оффер, перемены в жизни или что-то, что можно списать на обстоятельства. Но все трое сказали примерно одно и то же. Один сформулировал совсем прямо:«Я больше не могу выдерживать это давление: постоянно доводить всё до нормального состояния — и не получать за это никакого признания».

Эта фраза меня остановила и заставила очень серьезно задуматься. Пока остальные радовались росту скорости, они тихо забирали на себя работу, которая так и не попадала на спринт-доску. Исправляли ошибки за искусственным интеллектом.

Добавляли контекст, который модели упустили. Следили, чтобы сгенерированный код действительно выдержал продакшен в регулируемой среде. Ничего из этого не отражалось ни в метриках, ни в перфоманс-ревью, ни в обсуждениях повышения.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.