В августе 2026 года на GitHub агенты создали больше пул-реквестов, чем люди, а в Linear агенты заводят больше задач, чем люди. Об этом в своём докладе на конференции LDX3 в Нью-Йорке рассказал Гергей Орос (The Pragmatic Engineer), опираясь на данные GitHub, Linear и Factory AI, а также на истории из OpenAI, Anthropic, Uber и Ramp. Ниже — что из этого следует практически, без прогнозов о «конце профессии».

Что изменилось

  • Агенты стали массовыми участниками рабочего процесса: генерация PR и задач перестала быть экспериментом.
  • Инструменты вроде Cursor и Antigravity отошли от формата классической IDE — акцент сместился на оркестрацию агентов и работу с контекстом.
  • Код-ревью во многих компаниях превратилось в «театр»: формальное одобрение без глубокого анализа.

Эти изменения не означают, что люди перестали писать код. Речь о перераспределении усилий: рутинные операции (создание шаблонных PR, постановка задач, первичный анализ) всё чаще выполняют агенты, а человеку остаётся проверка, архитектура и решения.

Что сломалось

Главная проблема — качество контроля. Когда агенты генерируют больше PR, чем команда физически успевает осмысленно ревьюить, ревью становится ритуалом. Это создаёт риск накопления скрытых дефектов и снижения ответственности. Вторая проблема — доверие к инструментам: если агент ставит задачи в Linear, кто проверяет их корректность и приоритет? Третья — метрики: считать «количество PR» или «задач» становится бессмысленно, потому что их легко накрутить агентами.

Что осталось прежним

Фундаментальные требования не изменились: понимание предметной области, умение декомпозировать задачу, писать понятные требования и проверять результат. Агенты не отменяют необходимости в архитектурном мышлении и знании кода. Более того, чем больше автоматизации, тем важнее становится способность формулировать чёткие критерии приёмки и отличать работающий код от правдоподобного.

Что делать специалисту

  • Осваивайте оркестрацию агентов: учитесь ставить задачи, проверять результат и управлять контекстом, а не только писать код вручную.
  • Углубляйте навыки ревью: фокусируйтесь на логике, безопасности и граничных случаях, а не на стиле.
  • Тренируйте написание точных требований и критериев приёмки — это ключевой навык при работе с агентами.
  • Следите за метриками качества, а не объёма: доля откатов, инциденты, время до исправления.

Что делать команде

Введите правила работы с агентами: кто и как проверяет сгенерированные PR и задачи, какие изменения требуют обязательного человеческого ревью, как фиксируется ответственность. Пересмотрите метрики: откажитесь от оценки по количеству PR и задач в пользу показателей качества и стабильности. Настройте процесс так, чтобы агенты помогали, а не создавали иллюзию работы.

Доклад Ороса — не предсказание, а снимок текущих сдвигов. Практический вывод прост: автоматизация рутины неизбежна, но ценность специалиста смещается к постановке задач, проверке и ответственности за результат. Именно эти навыки стоит развивать уже сейчас.