Главный вывод, который бесит программистов
«Эксперты в предметной области превосходят программистов при работе с AI-агентами кодирования» — это не гипотеза из футурологического эссе. Это результат внутреннего исследования Anthropic, опубликованного в июне 2026 года. Сравнивали две группы: опытных разработчиков (в среднем 7 лет коммерческой разработки) и специалистов из других сфер — врачей, химиков, юристов, редакторов — без опыта программирования. Обе группы получили доступ к Claude Code (актуальная версия на июнь 2026 — модель Claude Opus 4.2 с улучшенным мульти-агентным режимом, о котором мы писали в разборе критериев мульти-агентной архитектуры) и получили одинаковые задачи: написать скрипт для обработки медицинских записей, создать дашборд для финансового анализа, автоматизировать генерацию юридических документов.
Результаты: эксперты-предметники выполнили задания в среднем на 40% быстрее, при этом количество ошибок в их решениях было в 2,5 раза ниже. Программисты тратили время на попытки «оптимизировать» код вручную, переписывали сгенерированные функции, настраивали микроархитектуру. Эксперты же просто формулировали задачу на языке своей области — и Claude делал всё сам.
«Программисты пытаются микроменеджерить AI-агента, как стажера. А он уже перерос стажера. Он — senior developer, только без чувства собственной важности», — комментирует один из участников эксперимента.
Почему домен побеждает код: три причины
Первая причина — качество промптов. Эксперт знает, какие именно данные нужны, какие допущения можно сделать, какие крайние случаи обработать. Он не пишет «напиши скрипт для парсинга логов», он говорит «вытащи из этих EHR-файлов значения гемоглобина за последние 6 месяцев, исключи ночные замеры, потому что в них часто артефакты». Модель получает контекст, которого у программиста просто нет.
Вторая причина — оценка результата. Программист видит, что код скомпилировался, тесты проходят, — и считает задачу выполненной. Эксперт смотрит на выходные данные: «Стоп, у этого пациента не могло быть такого уровня липидов при его терапии. Значит, парсер ошибся». И сразу находит баг в логике, который программист пропустил бы. Это перекликается с анализом преувеличенных страхов о замене людей ИИ — где мы показывали, что истинная ценность человека не в написании кода, а в понимании контекста.
Третья причина — скорость итераций. Программист часто впадает в «паралич выбора»: какой фреймворк лучше, какой паттерн применить. Эксперт не знает ни фреймворков, ни паттернов — он просто говорит Claude: «сделай так, чтобы это работало». И модель сама выбирает стек. В среднем предметники делали в 2 раза меньше итераций для достижения приемлемого результата.
Сломанная лестница компетенций
Долгие годы карьерная лестница в IT выглядела так: junior → middle → senior → architect → team lead. В основе — навыки программирования и управления кодом. Но если AI-агенты уже пишут 95% кода (как мы обсуждали в статье о том, как инженеры Anthropic перестали писать код), то навык «написать код с нуля» больше не является конкурентным преимуществом.
Теперь ключевая компетенция — умение задавать правильные вопросы и интерпретировать ответы машины. И это меняет расстановку сил. Компании, которые нанимали разработчиков для автоматизации процессов в своей отрасли (например, банки нанимали Java-разработчиков для создания финансовых моделей), теперь могут нанимать финансистов, которые работают через AI-агента. Эффективность выше, а стоимость труда — ниже.
| Параметр | Программист + AI-агент | Эксперт + AI-агент |
|---|---|---|
| Время выполнения задач | 100% (базовый уровень) | на 40% быстрее |
| Количество ошибок | высокое (ложноположительные тесты) | в 2,5 раза ниже |
| Среднее число итераций | 5-6 | 2-3 |
| Удовлетворённость результатом | средняя (часто переписывают код) | высокая (используют как есть) |
Ирония судьбы: AI-агенты уравняли шансы
Помните, как Anthropic случайно сломала технические собеседования? (да, та самая история с 37% кандидатов, использующих Claude). Оказалось, что этот тренд имеет обратную сторону. Если AI может написать код за любого, то значение имеет только то, что ты знаешь о своей отрасли. Программисты, привыкшие быть «жрецами кода», теряют монополию на создание софта.
В эксперименте параллельно тестировали и мульти-агентные конфигурации — несколько Claude-агентов, работающих над разными частями задачи. Результаты подтвердили выводы Stanford о том, что параллельные агенты для кода работают хуже, — но только в руках программистов. Предметники, наоборот, получили 35% прирост скорости при использовании двух агентов: один писал код, второй проверял логику на соответствие домену. То есть знание предмета позволяет эффективно распределять задачи между AI-агентами там, где программисты только создают хаос.
Важно: исследование не утверждает, что программисты бесполезны. Оно показывает, что их роль трансформируется. «Чистые» программисты, которые не знают ни одной предметной области глубже синтаксиса, становятся менее востребованными. Зато резко растёт спрос на людей с гибридными навыками — domain-aware developers.
Что это значит для бизнеса
Если вы руководитель, который сейчас думает: «Нам нужен разработчик для создания внутреннего инструмента», — остановитесь. Возможно, вам дешевле и быстрее обучить вашего лучшего аналитика работе с Claude Code, чем нанимать сеньора за 300 тысяч. В исследовании Anthropic участвовали специалисты безо всякого опыта в программировании — после двухчасового ознакомления с Claude Code они уже решали задачи уровня middle-разработчика.
Конечно, есть и обратная сторона: AI-агенты всё ещё могут генерировать код с уязвимостями, некорректно обрабатывать граничные случаи. Но эксперты, которые понимают предмет, находят эти проблемы быстрее программистов. Вспомните финал хакатона по агентной инженерии, где лучший код не победил, потому что не решал реальную задачу пользователя. Эксперты как раз и есть те самые пользователи.
Технологии, а не магия
Успех эксперимента объясняется и тем, как развивались AI-агенты. Ещё год назад мы писали про провал топ-моделей в бенчмарке Apex-Agents — тогда агенты не могли справиться с простыми офисными задачами. Но за последние полгода прогресс ускорился. Claude Code теперь умеет не просто генерировать код, но и самостоятельно исследовать кодобазу, строить ментальную модель проекта и предлагать рефакторинг, о котором программист даже не подумает.
Это подтверждает гипотезу, высказанную в статье Flapping Airplanes vs Scaling: исследовательский подход к AI может быть важнее грубой силы. Anthropic не просто наращивала параметры, а улучшала способность модели понимать намерения пользователя — и это дало куда больший эффект, чем увеличение вычислительных мощностей.
Неочевидный совет: перестаньте учить программированию, учите предмету
Звучит провокационно, но логика Anthropic железная: если AI-агенты уже пишут код на уровне senior-разработчика, то ваше конкурентное преимущество — не умение писать код, а умение понимать, какой код нужен. Самые ценные сотрудники 2026 года — это не JavaScript-ниндзя, а специалисты по логистике, которые через Claude автоматизируют свои отчёты, или врачи, которые с помощью AI создают диагностические пайплайны.
Anthropic уже запустила внутреннюю программу переобучения: их инженеры проходят «погружение» в бизнес-домены клиентов, а не только пишут код. Параллельно компания анонсировала партнёрство с платформами для нетворкинга, где можно найти экспертов, обученных работе с Claude Code (доступно по ссылке). И это только начало.
Итог исследования Anthropic простой и пугающий: мир разработки ПО больше не про код. Он про понимание. Кто глубже понимает проблему — тот управляет решением. AI-агент — это не замена человеку, это усилитель того, что человек уже знает. Вопрос только в том, знаете ли вы что-то, что стоит усиливать.
