В начале июня 2026 года исследовательская организация Anthropic Institute опубликовала эссе под названием «Когда ИИ строит сам себя», которое вызвало неожиданный резонанс в профессиональной среде. Как сообщает Let’s Data Science, внимание экспертов привлекла не только сухая статистика, но и анонимное признание одного из сотрудников компании, которое обнажило глубокий кризис самоидентификации современного инженера.

Суть проблемы сводится к двум полярным состояниям, в которых пребывает специалист. В удачные дни автоматизация работает настолько безупречно, что человек начинает чувствовать собственную ненужность, наблюдая, как алгоритмы выполняют задачи быстрее и качественнее. Однако, когда система дает сбой, наступает фаза полного непонимания: разработчик осознает, что больше не контролирует логику происходящего и не до конца понимает суть собственной деятельности.

Согласно данным эссе, к маю 2026 года более 80% кода в репозиториях Anthropic генерировалось их флагманской моделью Claude. Для сравнения: до запуска инструмента Claude Code в феврале 2025 года этот показатель находился в районе единичных процентов. Скорость работы инженеров при этом выросла феноменально — в среднем типичный разработчик во втором квартале 2026 года внедрял в восемь раз больше кода ежедневно, чем в 2024 году.

Кризис исполнения и дефицит суждений

Несмотря на впечатляющие количественные показатели, Anthropic признает наличие серьезных проблем. В тексте эссе подчеркивается, что между возможностями модели и человеческим интеллектом сохраняются значительные разрывы, когда дело касается принятия решений и выбора стратегических целей. ИИ отлично справляется с исполнительской частью, но буксует там, где требуется фундаментальное суждение.

Один из сотрудников компании прямо заявил, что не писал код самостоятельно уже около пяти месяцев. Это превращает инженера из созидателя в своеобразного оператора или контролера, чья роль сводится к верификации огромных массивов данных, созданных машиной. Такая трансформация неизбежно ведет к профессиональной деформации и ощущению хрупкости рабочего процесса.

Взрывной рост объема кодовой базы за счет генерации — это ловушка, где скорость разработки покупается ценой операционной прозрачности. Когда 80% системы написано тем, кто не умеет объяснять свои ошибки, инженер превращается в заложника «черного ящика». Это создает иллюзию прогресса, пока сложность отладки не обнулит всю выгоду от быстрого написания строк. Мы наблюдаем не конец программирования, а начало эпохи тотального аудита.

Ситуация, описанная в Anthropic, является классическим примером индустриального паттерна. Команды, внедряющие продвинутые LLM, сталкиваются с тем, что модели превосходно справляются с рутиной и стандартным синтезом, но оказываются беспомощными при диагностике нетривиальных ошибок или в многошаговых рассуждениях. Это смещает фокус с написания кода на мониторинг и тестирование нестандартных сценариев.

В ближайшем будущем рынку предстоит выяснить, не станет ли этап проверки и верификации тем самым «бутылочным горлышком», которое ограничит реальную производительность ИИ-команд. Пока же профессионалам остается наблюдать за тем, как их роль дрейфует от непосредственного исполнения к высокоуровневому надзору, где цена ошибки в суждении возрастает пропорционально объему автоматизированного кода.