Разговоры о том, что нейросети вот-вот заменят программистов, ведутся давно, но на практике картина сложнее. ИИ действительно умеет писать код на популярных языках, но это не означает, что разработчики перестанут быть нужны. Скорее меняется то, какие навыки ценятся и как выбирать технологии. В этой статье — практический взгляд на то, с чем останутся те, кто продолжит писать код, и как подготовиться к изменениям без лишних иллюзий.

Почему новые языки появляются всё реже

Создать новый язык программирования — дорого и долго. Нужны компилятор, экосистема библиотек, инструменты, сообщество и годы на отладку. Но главное — нужна причина, по которой разработчики захотят перейти на него. Если ИИ-ассистенты хорошо справляются с генерацией кода только на тех языках, которые видели в обучающих данных, то новый язык без огромной базы примеров рискует остаться без поддержки инструментов. Это создаёт замкнутый круг: чем меньше код пишут на языке, тем меньше данных для обучения моделей, тем менее удобен язык для ИИ-помощников.

Крупные компании и сообщества продолжают развивать существующие языки: добавляют фичи, улучшают производительность, расширяют стандартные библиотеки. Появление принципиально нового языка теперь чаще связано с узкой нишей (например, для квантовых вычислений или специализированного железа), а не с попыткой заменить универсальные инструменты. Поэтому тезис «последний язык уже написан» — скорее метафора, но она отражает реальную тенденцию: революций в языках становится меньше, а эволюция — важнее.

Кто платит за развитие языков и почему это важно

У каждого популярного языка есть свои спонсоры и движущие силы. Python развивается при поддержке Python Software Foundation и крупных корпораций, заинтересованных в анализе данных и машинном обучении. Rust получает финансирование от Mozilla (изначально), а теперь — от фонда Rust Foundation и компаний вроде Microsoft, Google, AWS. Zig — молодой язык, который существует во многом благодаря энтузиазму сообщества и пожертвованиям. Даже PHP и 1С, которые часто критикуют, имеют огромные экосистемы и коммерческую поддержку: PHP используется в веб-разработке, а 1С — в автоматизации учёта в России и СНГ.

Понимание того, кто стоит за языком, помогает прогнозировать его будущее. Если язык поддерживается крупными игроками и имеет активное сообщество, у него больше шансов на долгую жизнь. Если же язык держится на одном энтузиасте или компании, риски выше. Для разработчика это сигнал: выбирая стек, стоит смотреть не только на текущую популярность, но и на устойчивость экосистемы.

Переживут ли PHP и 1С эпоху агентов

Вопрос не в том, «умрёт» ли язык, а в том, насколько он будет востребован. PHP часто называют устаревшим, но на нём работает огромное количество сайтов, включая WordPress, и он продолжает развиваться. 1С — специализированный язык для бизнес-приложений, и его ниша в России остаётся значительной. ИИ-агенты уже умеют генерировать код на PHP и 1С, но качество зависит от обучающих данных. Для PHP данных много, для 1С — меньше, но достаточно для типовых задач.

Ключевой фактор — не сам язык, а задачи, которые на нём решают. Если бизнес-процессы завязаны на 1С, спрос на специалистов сохранится, даже если язык не входит в топы. Агенты могут автоматизировать рутину, но им всё ещё нужен человек, который понимает предметную область, ставит задачи и проверяет результат. Поэтому PHP и 1С, скорее всего, не исчезнут, а трансформируются в инструменты, где разработчик больше фокусируется на архитектуре и интеграции, а не на написании шаблонного кода.

Чем будут заниматься те, кто продолжит программировать

Роль разработчика смещается в сторону постановки задач, проектирования и контроля качества. Вот конкретные направления, которые сохранят ценность:

  • Формулировка требований и декомпозиция. ИИ хорошо генерирует код по описанию, но чтобы описание было точным, нужно глубоко понимать задачу. Умение разбивать сложную проблему на подзадачи и формулировать их для агента — ключевой навык.
  • Верификация и тестирование. Сгенерированный код нужно проверять. Разработчик должен уметь писать тесты, проводить код-ревью и отлаживать ошибки, которые ИИ может не заметить.
  • Архитектура и интеграция. Проектирование систем, выбор технологий, обеспечение безопасности и производительности — это задачи, где нужен опыт и контекст, которые пока плохо формализуются для ИИ.
  • Работа с данными и инфраструктурой. Понимание баз данных, API, облачных сервисов и CI/CD остаётся важным, так как ИИ-агенты не всегда учитывают особенности окружения.
  • Специализация в нише. Чем глубже знание предметной области (финансы, медицина, промышленность), тем сложнее заменить разработчика, потому что ИИ не обладает достаточным контекстом.

Кроме того, растёт спрос на навыки «промпт-инжиниринга» и эффективного взаимодействия с ИИ-инструментами. Но это не отдельная профессия, а дополнение к основной специализации. Разработчик, который умеет быстро проверять гипотезы с помощью ИИ, получает преимущество.

Типичные ошибки и как их избежать

Одна из главных ошибок — гнаться за модными языками без понимания, зачем они нужны. Например, переход на Rust только потому, что он «безопасный», может привести к замедлению разработки, если команда не готова к строгой системе типов. Другая ошибка — игнорировать ИИ-инструменты, считая их игрушкой. На практике они уже сейчас ускоряют рутинные задачи, и умение с ними работать становится конкурентным преимуществом.

Ещё одна ошибка — думать, что достаточно выучить один язык и остановиться. Технологии меняются, и способность быстро осваивать новое (в том числе с помощью ИИ) важнее, чем знание конкретного синтаксиса. Также не стоит полностью полагаться на генерацию кода: без понимания того, как работает система, сложно отладить ошибки и обеспечить надёжность.

Пример: разработчик на Python решает автоматизировать сбор данных. Вместо того чтобы писать парсер с нуля, он формулирует задачу для ИИ-ассистента, получает черновик, проверяет его, добавляет обработку ошибок и тесты. В итоге время сокращается, но ключевые решения остаются за человеком. Другой пример: команда поддерживает legacy-проект на PHP. Вместо переписывания на новый язык они используют ИИ для рефакторинга и документирования, постепенно улучшая кодовую базу без рискованных миграций.

Таким образом, «последний язык» — это не про остановку прогресса, а про смену акцентов. Языки будут развиваться, но революций станет меньше. Разработчикам стоит сосредоточиться на фундаментальных навыках: понимании алгоритмов, архитектуры, предметной области и умении работать с ИИ как с инструментом. Тогда изменения будут не угрозой, а возможностью делать больше и качественнее.