Старк строит, Хаус критикует, Халк переживает: как ИТ-специалисты на самом деле относятся к ИИ

Мы поделимся инсайтами исследования и подскажем, как не выгореть, если пользы от ИИ вы не видите, а KPI от вас требуют повышенные. Анализируя ответы, мы обнаружили некоторые закономерности, с помощью которых определили четыре сегмента аудитории. Мы назвали их архетипами, или портретами. В конце статьи расскажем о них — интересно, найдёте ли вы среди этих портретов себя?

Мы получили 872 анкеты. Именно их мы анализировали и на них строили графики.

Скачать исследование

Разберём, чьи голоса звучат в исследовании и почему выводы получились именно такими.

Специализация. Ядро выборки — разработчики, и прежде всего бэкенд: 25,92% респондентов. Дальше идут разработчики ПО (10,32%), фронтенд- (7,22%) и фулстек-разработчики (8,14%), сисадмины (5,16%), DevOps-инженеры (4,93%), тимлиды (3,9%), тестировщики (2,87%) и специалисты по ИБ (2,87%). Ещё 10,55% выбрали «другую» специальность. Это важно: отношение к ИИ в опросе формируют люди, для которых критичны точность, ответственность и цена ошибки.

Грейды. В исследовании большинство составляют опытные специалисты: 36,6% — синьоры, 33,8% — мидлы. То есть около 70% респондентов — это люди, которые уже видели несколько технологических волн, умеют оценивать инструменты трезво и хорошо понимают, чем чревато использование «чёрных коробок» без понимания их устройства. Отсюда и характерные паттерны в ответах: желание перепроверять, опасение потерять профессионализм, раздражение от навязывания использования. Но об этом чуть позже.

Джунов лишь 7,8%, стажёров — 5,4%, ещё 5,2% приходится на C-level. И 11,2% — на тимлидов.

Сфера работы. Самая крупная группа — разработка и поддержка конкретного ПО (20,07%). Далее — финтех (14,22%), промышленность (11,58%), бигтех (8,26%), студии разработки под заказ (7,34%), телеком (5,5%), e-commerce и построение сложных систем для b2b (по 5,16% для каждого), инфраструктура (4,7%), безопасность (4,47%). Это тоже задаёт тон: в финтехе и промышленности требования к безопасности более жёсткие, а в студиях разработки и бигтехе часто выше темп работы и требования к результатам.

Разберёмся, что именно ИТ-специалисты делают с ИИ на практике — без мифов про нейросети, которые напишут всё за вас.

Для каких задач применяют ИИ

Главный сценарий вполне утилитарный: ИИ используют там, где он быстрее всего даёт выигрыш по времени.

ИИ чаще всего работает как ускоритель инженерной рутины — написать черновик, накидать прототип, собрать документацию, подсказать варианты, ускорить разбор ошибок. В более сложные задачи, например в архитектуру, его пускают гораздо осторожнее.

Интересно, что в число наименее распространённых вариантов попали CI/CD, логирование, подготовка пайплайнов, то есть в DevOps нейросетевые модели применяют гораздо реже, чем в разработке. Возможно, причина в том, что среди опрошенных в целом преобладают разработчики.

Что делают, когда ИИ ошибается

Отдельный интерес представляет то, как относятся к ИИ, когда он начинает «врать» или выдаёт сомнительный результат.

Оказалось, что 54,7% готовы потратить время на исправление/доработку, а 35,6% предпочитают проигнорировать и сделать по старинке, не привлекая ИИ.

То есть большинство воспринимает работу ИИ исключительно как черновик, который надо довести до ума. При этом треть респондентов считает, что цена доработки слишком высока — и быстрее сделать по старинке, вручную. И здесь мы видим важное разделение: одним ИИ экономит время даже с доработками, а другим — только добавляет ещё один контур контроля.

Какие инструменты выбирают

Перейдём к вопросу, чем именно пользуются в работе. В топе — массовые универсальные решения.

ChatGPT остаётся стандартом: это самый узнаваемый и универсальный инструмент, который закрывает работу и с кодом, и с текстом, и с документацией. Его выбрали 56,5% опрошенных. Deepseek на втором месте — 43,5%, на третьем и четвёртом Claude — 26,1% и Gemini — 24,3%.

Copilot слегка отстаёт (15,1%) — скорее всего потому, что это SaaS-инструмент зарубежного вендора, ушедшего с российского рынка. Его использование может осложняться также требованиями безопасности. Не всякая компания сегодня готова пустить Microsoft в свой (или, тем более, клиентский) код.

Интересно, что в число наименее используемых решений попали собственные адаптированные модели на базе открытых (12,1%), то есть всевозможные дообученные Llama, а также — неожиданно — Gigachat (9,1%).

Причина непопулярности JetBrainsAI (2,8%) очевидна — весьма громкий уход компании с российского рынка. Replit вообще не выбрал ни один человек.

Как требования компании влияют на выбор инструментов

Интересный момент: когда в компании ИИ не просто разрешён, а обязателен к использованию, стек становится шире — люди добавляют специализированные инструменты под разработку.

ChatGPT в этом случае используют чаще — 62% среди тех, у кого ИИ обязателен, против 56,5% у всех. Claude — 32% против 24% в среднем, Cursor — 29% против 18%, Copilot — 20% против 15%, GigaChat — 14% против 9%. То есть на 5–6% больше, в зависимости от инструмента.

Это логично: если ИИ становится частью нормы, сотрудники начинают подбирать удобные и подходящие инструменты под свою роль и задачи.

И тут снова проявляется разница контекстов: там, где ИИ — инициатива отдельных сотрудников, чаще ограничиваются готовыми сервисами и точечным использованием. А там, где ИИ — обязательное требование, появляется собственная инфраструктура под ИИ, и респонденты, как правило, отмечают, что мощностей хватает.

То есть AI-first-политика почти всегда влечёт за собой инфраструктурную зрелость: если компания реально вкладывается в применение ИИ, то строит для этого базу. Если не вкладывается — ИИ остаётся на уровне «попробуйте ChatGPT и покажите кейсы».

Где разворачивают модели и как устроена инфраструктура

Модели чаще используют как готовый сервис в облачной инфраструктуре провайдеров (44%), а не развёртывают у себя локально.

Ответы распределились следующим образом.

Интересно, что 32,1% выбрали «другое». Скорее всего, сюда попали сценарии вроде «используем SaaS-сервисы», «не разворачиваем модели вообще», а также гибридные варианты. Подробнее о том, как внедрить ИИ с помощью облачного провайдера (и не только) — поговорим на конференции K2 Cloud Conf’26.

Если резюмировать, то для большинства опрошенных ИИ — это SaaS-инструменты и внешние платформы, а не локально развёрнутые модели. Это вполне объяснимо, ведь так проще стартовать, ниже порог, меньше инфраструктурных проблем.

Давайте теперь взглянем на ИИ не глазами разработчиков, а с позиции компаний. Кто реально внедряет? Кто делает вид? Где стимулируют, а где ограничивают?

Требуют, рекомендуют или запрещают?

В большинстве компаний политика скорее нейтральная. ИИ чаще всего не запрещают и не требуют. Возможно, такой тренд связан с тем, что большинство нейросетевых инструментов принадлежат западным вендорам, и это является помехой для их внедрения там, где нужно работать с кодом клиентов, или в компаниях, где важны соображения безопасности и независимость от западных решений.

Суммарно около 40% компаний так или иначе подталкивают сотрудников к использованию ИИ, но только каждая шестая делает это формально и жёстко.

Где ИИ насаждают 

Если смотреть по отраслям, жёсткие требования чаще встречаются там, где высока конкуренция за скорость и эффективность.

• Финтех — 22% среди тех, где ИИ обязателен.
• Бигтех — 14%. 
• Студии разработки под заказ — 12%. 
• Есть тенденция продвигать использование ИИ в сфере сложных b2b-систем.

Это те сегменты, где ИИ воспринимается как инструмент ускорения time to market и оптимизации команд.

Где запрещают

Запреты чаще встречаются:

• в промышленности — 32% среди тех, кому ИИ запрещён; 
• в части финтех-компаний — 19% среди запретов. 

Здесь на первый план выходят требования безопасности, комплаенс и регуляторные ограничения.

«Первая — для кибербезопасности: такое решение может непреднамеренно отправлять персональные данные или другую чувствительную информацию вовне. Вторая — критическая зависимость от сотрудника: если процесс завязан на личный аккаунт разработчика, то при его увольнении автоматизация просто встанет, а все наработки могут уйти вместе с ним. Поэтому правильный подход выглядит так: сначала делаем прототип и проверяем гипотезу на маленькой фокус-группе, а потом передаём решение команде, которая приземляет его как качественный корпоративный продукт на базе собственной локальной или облачной инфраструктуры — с корпоративными учётными записями, подписками и соблюдением всех требований безопасности».

Мотивация: бонусы, KPI или безразличие?

Выше мы выяснили, что глобально в компаниях не запрещают ИИ и не устанавливают жёсткие требования его использовать. Но интересно посмотреть, что же всё-таки происходит в компаниях, где ИИ запрещают или, наоборот, рекомендуют и требуют. Насколько часто поощряют или вообще штрафуют?

Видим, что чаще всего сотрудников просто хвалят, без денежной мотивации: так ответили 15,3% респондентов. Реже ИТ-специалистов премируют (11,4% по совокупности двух ответов) и ещё реже штрафуют (5,8% по совокупности двух ответов). Есть впечатление, что спустя год-два исследование показало бы ещё больше кейсов со штрафами и премиями за ИИ.

Радует то, что жёсткие меры (штрафы) — пока редкость, но они всё же есть. И именно в этих компаниях чаще появляется напряжение и формальное использование ИИ для галочки. Видим, что негативная мотивация работает плохо и приводит к формальному следованию правилам без реальных результатов.

Изменились ли требования к работе из-за ИИ

Когда бизнес осознаёт возможные бонусы использования ИИ, то пересматривает требования к эффективности команд. Даже если применять ИИ не заставляют, часть менеджмента начинает требовать показывать результаты «выше — быстрее — сильнее». Пока (ключевое слово) у большинства (70,7%) опрошенных с появлением ИИ в работе ничего не изменилось. Но часть респондентов уже ощутила давление: от них ждут больше, урезают сроки, уменьшают команды, повышают KPI. Думаем, этот тренд будет усиливаться и требования продолжат расти.

Важный момент: даже если использовать ИИ официально не требуют, но настоятельно рекомендуют, он может влиять косвенно — через ожидание большей продуктивности. Потому что часто, по мнению бизнеса, подбирать и использовать эффективные решения — ответственность команд. И если с помощью ИИ они могут работать эффективнее, то внедрить его — тоже их ответственность. В общем, тут речь о совпадении ожиданий и о том, как меняются представления бизнеса о результатах, демонстрируемых командами. Даже если начальство ничего не говорит про ИИ, это не значит, что от команды не будут ждать лучших результатов. Ведь ИИ влияет на рынок в целом, на требования и ожидания.

Главные барьеры внедрения ИИ

Если посмотреть на препятствия, то проблема не в сопротивлении. Топ среди барьеров, которые, по мнению опрошенных, мешают компании внедрять ИИ, это требования комплаенса и кибербезопасности.

Причём в компаниях, где ИИ запрещён, требования комплаенса становятся главным стоп-фактором (65% внутри этой группы).

В компаниях, где ИИ активно продвигается, наряду с безопасностью на первый план выходит дефицит компетенций — часто людям просто не хватает экспертизы, чтобы внедрять ИИ системно и там, где это действительно будет полезно. А требования есть — надо адаптироваться, учиться на ходу, что, впрочем, не ново для ИТ-индустрии.

Среди самых редких помех внедрению ИИ назвали неокупаемость проектов, сложности с хранением данных и высокие требования к их качеству.

Здесь начинается самое интересное. Если раньше мы смотрели на цифры использования, то теперь взглянем на эмоции, тревоги и реальное поведение. В целом большинство опрошенных воспринимают ИИ как практический инструмент, а не непонятную магию. Но при этом мы видим весьма полярное отношение — от положительного (около 38%) до остро негативного (около 30%).

Ключевой фактор — личный опыт. Если от команды, работающей на износ, требуют демонстрировать более эффективные результаты, понятно, что это вызовет негатив. Или если нет возможности использовать решение от вендора, а open source сильно галлюцинирует, то разработчики тоже не будут рады. ИИ не волшебная таблетка, а отношение разработчиков тут во многом зависит от подходов менеджмента и наличия ресурсов на то, чтобы внедрить ИИ-помощника безопасно и там, где это будет уместно.

Что нравится в ИИ

Топ позитивных качеств — упрощение подготовки документации, наличие интеллектуальных подсказок, ускорение подготовки прототипов, помощь в тестировании и дебагинге.

Это говорит о том, что ИИ чаще воспринимается как ускоритель вспомогательных процессов, а не полноценная замена инженера. Он снимает рутину и снижает порог входа. Грамотное использование в основном приносит позитивный опыт, тогда как принуждение — негативный и желание сделать формально, без погружения, просто чтобы отстали.

Что не нравится

Позитив — лишь половина картины. Самые распространённые опасения — ошибки, ложь и галлюцинации ИИ. Неожиданным стал страх потерять профессионализм и способность к критическому мышлению. Сильны сомнения в безопасности и раздражение от использовании ИИ там, где это не нужно.

Когда опасения сопровождают работу с ИИ и страхи сбываются — инженеры выгорают. В такой ситуации может помочь честный разговор с командой и руководством: как сделать так, чтобы было полезно, какая цель преследуется при внедрении ИИ. И конечно, эта цель не должна звучать как «внедрить ИИ, потому что все внедряют». Такой честный разговор поможет придумать нетривиальный кейс, получить интересный опыт и застраховаться от выгорания.

«Для людей с сильной внутренней мотивацией и высокой компетентностью это особенно болезненно. Что помогает не выгореть? Во-первых, разграничить то, что можно контролировать, и то, что нельзя. Требование пришло сверху — факт. Но способ, которым специалист его реализует, часто остаётся в его власти. В этом пространстве как раз и можно найти точку авторства. Во-вторых, важно позволить себе называть вещи своими именами. Не "мне нужно быть более гибким", а "я устал от хаотичных изменений, которые не объясняют“. Это честность с собой, которая парадоксальным образом защищает от накопления хронического раздражения, выливающегося потом в выгорание. В-третьих, и это, пожалуй, самое важное, сохранять профессиональные отношения с собственной экспертизой вне корпоративного контекста. Личные проекты, изучение того, что не требует никакой отчётности, участие в профессиональном сообществе — всё это зона, где человек остается субъектом, а не исполнителем»

Как ИИ влияет на людей

На вопрос о личном влиянии ответы распределились неоднозначно: треть респондентов вообще не испытывает негатива, четверти нравится его использовать, а остальные либо стали чаще злиться и раздражаться, либо получать меньше удовлетворения от работы, либо и вовсе ощущают давление и принуждение.

То есть почти треть испытывает снижение удовлетворённости или раздражение. Это важный сигнал: ИИ отрицательно влияет на эмоциональное состояние более 38% опрошенных.

Кто чаще теряет удовольствие от работы

Чаще о снижении удовлетворения говорят синьоры и тимлиды — у них уже сформирована профессиональная идентичность, и внедрение ИИ может восприниматься как изменение привычной роли. Мидлы отмечают неудовлетворённость в меньшей степени.

«В психологическом смысле это удар по тому месту, где живёт самоуважение, связанное с профессиональной уникальностью. Реакции психики на это предсказуемы, хотя и разнообразны. Одни уходят в обесценивание: "ИИ всё равно не понимает, что делает, это просто статистика". Другие, напротив, в идеализацию: начинают использовать ИИ везде, тотально, как будто таким образом присваивают его возможности себе. Третьи фиксируются на тревоге и прокрастинации, откладывая освоение новых инструментов, потому что любое столкновение с ними снова поднимает тревогу несоответствия. Здоровая адаптация выглядит так: человек осознает, что изменился характер его работы, и находит новую точку экспертизы. Он начинает понимать, что его ценность теперь в другом — например, в умении задавать правильные вопросы, понимании контекста, навыках оценки конечного результата. Регресс выглядит иначе: человек использует ИИ механически, перестаёт понимать, почему решение правильное, теряет способность его критиковать. Он становится посредником между заказчиком и инструментом и сам это чувствует — отсюда ощущение пустоты, потери смысла, которое часто предшествует выгоранию. Диагностический вопрос, который можно задавать себе регулярно: "Я использую ИИ, потому что понимаю задачу и хочу ускорить её решение, или потому, что не хочу с ней столкнуться?"».

Если смотреть по специализациям, то снижение удовлетворённости чаще отмечают бэкенд-разработчики и специалисты из сфер с высокой ответственностью — финтеха или промышленности.

Опасение потерять глубину навыков чаще встречается среди мидлов и синьоров, специалистов, активно работающих с кодом. Для них ИИ — угроза не потери работы, а, скорее, качества мышления.

Чувство давления чаще возникает в компаниях, где ИИ официально требуют. Это те места, где повышают KPI или требуют презентовать кейсы. При этом 70% формально говорят, что требования не изменились. Но даже косвенное ожидание, что сотрудники будут делать больше за то же время, влияет на настроения.

Интересный индикатор корпоративной культуры — ответ на вопрос о честности. 81% говорят, что не приукрашивали результаты от внедрения ИИ, 19% признают, что завышали вклад ради красоты отчёта. Чаще приукрашивают действительность работы с ИИ сотрудники в компаниях с KPI или штрафами, что, впрочем, неудивительно.

Общие цифры мы разобрали. Теперь пришло время поговорить подробнее о типажах ИТ-специалистов в зависимости от их отношения к ИИ.

Когда мы свели вместе ответы о пользе, страхах, раздражении, давлении, мотивации и реальном поведении, стало понятно: опрошенные не делятся на тех, кто за всё хорошее, и тех, кто против всего плохого. Формируются устойчивые типы отношения к ИИ — с разной логикой, эмоциями и поведением.

Мы условно описали их через архетипы. Попробуйте найти среди них себя.

Уставшие — Доктор Хаус

Кто такой Доктор Хаус? Это скептически и критически настроенный пользователь ИИ. Он фокусируется на ограничениях и ошибках, остро реагирует на неточности и маркетинговые преувеличения. Для него важно, чтобы инструмент был предсказуемым и проверяемым. Таких Докторов Хаусов среди ответивших — 24%.

В поведении это проявляется так:

• чаще возвращается к ручным методам при сомнительном результате;
• реже активно интегрирует ИИ в ежедневные процессы;
• может использовать его формально, если требуют;
• меньше удовлетворён интеллектуальными подсказками и «ускорением».

Их основные опасения совпадают с общей картиной по всем респондентам, но выражены сильнее:

• 82% ответили, что ИИ используют там, где не надо, и создают проблемы;
• 71% отмечают, что ИИ часто ошибается;
• 56% опасаются потери профессионализма.

Среди уставших больше синьоров, мидлов и тимлидов. По специальности это бэкенд-разработчики, специалисты из разработки ПО, инфраструктуры и безопасности. Но интересно, что из всех опрошенных сисадминов, тестировщиков и инженеров данных больше всего именно уставших.

Если брать всю выборку по категории «уставшие», то Докторы Хаусы чаще всего работают в финтехе, промышленности и бигтехе. Они не в восторге от того, что инструмент, который часто ошибается, начинают продвигать как универсальное решение.

Важно понимать, что Докторы Хаусы — это не ретрограды, а люди, которые уже видели технологические хайпы, и не один. А в команде зачастую отвечают за качество и стабильность. Цена ошибки в их работе высока, поэтому подозрительность к искусственному интеллекту вполне объяснима. Ведь он и правда нередко галлюцинирует.

«Рекомендую перевести обсуждение из плоскости „давайте внедрим ChatGPT“ в плоскость архитектуры. ИИ — это не кнопка, а целый комплекс: модель, данные, оркестрация, контроль доступа, аудит, логирование и политика хранения. Продуманная архитектура позволяет снизить риски. Важно разделять сценарии по уровню критичности — например, Copilot для разработчика без доступа к продакшен-секретам, ассистент по внутренним регламентам и ИИ-бот с доступом к финансовым данным представляют собой разные зоны риска. Можно создавать частные или гибридные контуры, используя, например, частные LLM или inference-кластеры с контролем данных. Информационную безопасность нужно включать в проект с самого начала, привлекая специалистов к выбору модели и определению политик доступа. И наконец, важно понимать, что ИИ сам по себе не увеличивает поверхность атаки — это результат хаотичного внедрения. Управляемая архитектура позволяет снизить риски и избежать теневого ИТ. Вместо того чтобы убеждать инфраструктуру довериться ИИ, покажите, что это контролируемая инженерная система».

Сдержанные — Оби-Ван Кеноби

Около 30% респондентов занимают сдержанную позицию по отношению к ИИ. Это вторая по численности группа — не восторженные амбассадоры и не уставшие скептики, а те, кто смотрит на происходящее спокойно и прагматично.

Их ответы хорошо отражают этот баланс:

• 33% говорят, что ИИ снял часть рутины;

• 24% отмечают, что им нравится пользоваться ИИ;

• при этом 26% получают меньше удовольствия от работы.

То есть польза признаётся, но без эйфории и восторга.

Среди сдержанных больше бэкенд-разработчиков (30%), разработчиков ПО, аналитиков, тестировщиков, специалистов из финтеха, бигтеха и продуктовой разработки. По грейдам это в основном синьоры (36%), мидлы (36%) и часть тимлидов (11%). К слову, среди всех опрошенных джунов и стажёров больше всего именно сдержанных.

У сдержанных особенно выражены две причины, почему им не нравится ИИ: 77% считают, что ИИ часто ошибается, а 71% боится потерять профессионализм. Также выше среднего у них страх ослабления критического мышления и сомнения в безопасности использования.

Топ положительных качеств ИИ, по мнению сдержанных, повторяет общую картину с небольшим процентным отклонением доли удовлетворённых в большую сторону. Им нравится:

• 53% — упрощать подготовку документации;

• 52% — ускорять подготовку прототипов;

• 47% — интеллектуальные подсказки, которые облегчают работу.

Важно: их тревоги не превращаются в отрицание ИИ как технологии. Они продолжают использовать нейросети — просто делают это осторожно.

Оби-Ван Кеноби — это чаще всего зрелый специалист, который не склонен объявлять каждую новую технологию революцией. Он воспринимает ИИ как мощный, но обычный инструмент, не впадая ни в восторг, ни в тревогу. Верит, что ключевая ценность остаётся в архитектуре, системном мышлении и инженерных принципах. Его позиция — это баланс между экспериментами и осторожностью.

В поведении это проявляется так:

• регулярно использует ИИ в коде и документации;

• проверяет результаты;

• чаще дорабатывает, чем отказывается;

• не идеализирует инструмент;

• честно описывает результаты работы.

Если ИИ помогает — он его применяет, а если нет — спокойно отодвигает в сторону.

Сдержанные Оби-Ваны — это «тихое большинство», которое определяет реальный темп внедрения технологий. Они не будут продавливать ИИ любой ценой, но и не станут его саботировать, чаще других пишут о результатах честно и редко впадают в крайности.

Противоречивые — Брюс Баннер / Халк

Около 12,3% респондентов продемонстрировали самый сложный тип отношения к ИИ. Их ответы не укладываются в простую логику «нравится — не нравится».

Эта группа фактически делится на две подгруппы:

• 54% говорят, что плохо относятся к ИИ, но признают, что он влияет на них положительно;

• 46% относятся к ИИ хорошо, но ощущают от него негативное влияние.

Вот такой внутренний конфликт. Здесь сложно сказать, почему так происходит или о чём это говорит. Просто есть небольшая группа специалистов грейда мидл и выше, которым «и хочется, и колется». Вероятно, им нравится прикладная ценность ИИ-инструментов, но ровно в той же степени они опасаются, как бы из-за этого не растерять весь свой мидлово-синьорский скилл.

Среди противоречивых заметно больше бэкенд-разработчиков (47%), по грейдам — мидлов (50%) и тимлидов (30%). Это люди чаще всего из разработки и поддержки ПО, студий заказной разработки, промышленности и финтеха.

Они активно работают с кодом, обладают экспертизой, растут профессионально или переходят в менеджерскую роль.

Картина, как на них влияет ИИ, — двойственная: 38% говорят, что ИИ снял рутину, 17% нравится его использовать, но 27% получают меньше удовольствия от работы и 11% чувствуют давление. То есть рационально они видят пользу, но эмоционально испытывают напряжение.

Опасения у противоречивых почти совпадают с общей картиной — это страх потери профессионализма, сомнения в точности, опасение ослабления критического мышления, ощущение чрезмерного и нецелесообразного применения. Но у этой группы сомнения не приводят к отказу от ИИ.

1. Использовать RAG вместо «голой» модели. Если вы ждёте, что модель сама знает ваши внутренние регламенты, вы проектируете галлюцинации. Правильная схема: векторизация внутренних документов —> retrieval —> контекстное дополнение —> строгий промпт. В результате точность растёт кратно.
2. Делать многошаговые пайплайны. Не один вызов модели, а анализ запроса, уточнение, генерация, проверка и валидация правил. ИИ нужно проектировать как систему, а не как чат.
3. Добавлять валидационные слои. Примеры: проверка фактов через API, сопоставление с базами, регулярные выражения, rule-based-фильтры, LLM as a judge. Генерация без проверки — это прототип, не продакшен.
4. Ограничивать область знаний. Чем уже домен — тем выше точность. AI-ассистент «по всему» работает хуже, чем ассистент по конкретному регламенту или продуктовой линейке.
5. Вводить метрики качества. Нужно измерять: hallucination rate, accuracy, latency, cost per request. Потому что ИИ — это инженерная дисциплина, а не магическое действо

Кто такой Брюс Баннер, он же Халк? Это рациональный, но внутренне напряжённый пользователь ИИ. Он видит пользу и активно применяет инструменты, но испытывает тревогу за сохранение профессиональных навыков и глубины мышления. Его позиция характеризуется конфликтом между эффективностью и идентичностью.

В поведении это проявляется так:

• может дорабатывать результат, а может взять и переделать всё вручную (возможно, с возгласом «Достало!»);

• иногда использует ИИ для галочки, чтобы отстали;

• чаще других готов оформить плохой результат как «неудачный эксперимент»;

• в большинстве случаев честно описывает вклад, но при этом треть опрошенных этой категории признались, что приукрашивали результаты нейросети.

Халки — это самый чувствительный к изменениям сегмент. Они раньше других замечают, что ИИ влияет не только на скорость работы, но и на само ощущение профессии. И возможно, именно здесь сегодня проходит главная линия внутреннего конфликта ИТ-сообщества.

Амбассадоры — Тони Старк

Самая заметная группа — 33% респондентов — относятся к использованию ИИ положительно. Это не просто нейтральный ответ «я не против», а осознанное (и часто эмоционально-восторженное) одобрение.

Именно среди них чаще встречаются:

• CIO / CTO и управленцы уровня C-level;

• владельцы продуктов;

• специалисты из сфер b2b-систем, ритейла, консалтинга и e-commerce.

Это те, кто обращает внимание не только на код и его качество, но и на скорость вывода продукта на рынок и экономику процессов. Важный инсайт здесь в том, что за внедрение ИИ больше всего болеет топ-менеджмент, которому это позволяет экономить бюджеты.

Основная причина столь позитивного отношения — практическая выгода: ИИ снимает рутину, упрощает ведение документации, ускоряет прототипирование, помогает в тестировании и дебагинге, позволяет быстрее двигаться по задачам.

«Если смотреть по отраслям, то в финансовом секторе сегодня наиболее востребованы задачи, требующие обработки данных в реальном времени. Это антифрод с задержкой (latency) менее 10 миллисекунд, распознавание документов (паспорта, договоры) и риск-моделирование с быстрым дообучением на исторических данных. В ритейле и FMCG на первый план выходят прогнозирование спроса, гиперперсонализация и компьютерное зрение для торговых залов — контроль выкладки товара и мониторинг касс. Плюс генеративный ИИ для создания контента каталогов и виртуальных ассистентов. В промышленности ключевые сценарии — это компьютерное зрение для контроля качества и безопасности (дефекты, утечки, периметр), предиктивная аналитика оборудования и тяжелые HPC-расчёты, включая обработку сейсмики и цифровые двойники».

Для Тони Старков ИИ — не угроза, а инструмент роста эффективности.

Позитивисты заметно активнее остальных применяют ИИ в работе:

• 78% — используют в написании кода (против 61,7% в среднем);

• 65% — в разработке документации;

• 57% — в создании прототипов;

• 51% — для автоматизации;

• 46% — в дебагинге;

• 46% — в тестировании.

То есть это самая интенсивная группа по использованию — они применяют ИИ буквально везде, где это вообще возможно.

При этом им действительно нравится использовать ИИ, потому что:

• 67% — упрощает подготовку документации (49% в среднем);

• 64% — ускоряет подготовку прототипов (46% в среднем);

• 60% — есть интеллектуальные подсказки, которые облегчают работу (48% в среднем);

• 49% — облегчает дебагинг (35% в среднем);

• 46% — помогает в тестировании (35% в среднем).

Половина позитивистов чаще честно пишут о результатах использования ИИ (54% против средних 48%). Только 15% позитивистов приукрашивают результаты — это реже, чем в среднем (19%).

Если ИИ даёт сомнительный результат, то 82% Тони Старков готовы потратить время на доработку и только 12% возвращаются к старому доброму ручному методу — гораздо реже, чем в среднем по всем респондентам (36%). 

Среди тех, кого премируют за производительность или инновационные кейсы, доля позитивистов особенно высока. При этом они чаще честно описывают результаты, реже приукрашивают вклад и менее склонны к формальному использованию ИИ для галочки. CEO, берите на заметку!

Кто такие Тони Старки? Это техно-визионеры и амбассадоры ИИ. Они видят в ИИ усилитель интеллекта и системно встраивают его в рабочие процессы. Воспринимают автоматизацию как естественный этап эволюции инженерии.

В поведении это проявляется так:

• активно интегрируют ИИ в код, документацию, прототипирование;

• автоматизируют повторяющиеся процессы;

• экспериментируют с инструментами;

• готовы дорабатывать результат;

• демонстрируют бизнесу измеримый эффект.

Амбассадоры — это драйверы трансформации. Именно они продвигают AI-first-подходы, инициируют внедрение, объясняют ценность бизнесу, создают внутренние нетривиальные кейсы.

Когда мы запускали исследование, сформулировали вопрос довольно прямолинейно, почти как в названии книги Филиппа К. Дика об андроидах и овцах: мечтают ли ИТ-специалисты об ИИ или хотят его отменить? Но ответы показали, что реальность гораздо сложнее.

В индустрии нет ни массовой эйфории, ни массового отторжения. Около трети специалистов действительно относятся к ИИ положительно — это те самые Тони Старки, которые видят в нём усилитель продуктивности и способ масштабировать процессы. Почти столько же занимают сдержанную позицию: используют инструмент, проверяют его, интегрируют осторожно, без идеализации и завышенных ожиданий. Четверть устала и раздражена, чаще всего из-за давления, формализма и неточностей. И ещё около 12% находятся во внутреннем конфликте: они видят пользу, но тревожатся за глубину своих навыков и удовольствие от профессии.

Самое важное — ИТ-специалисты опасаются потери профессиональной глубины. Почти две трети респондентов беспокоятся, что чрезмерная зависимость от ИИ может снизить уровень мастерства и критического мышления. Ошибки и галлюцинации раздражают не сами по себе — раздражает необходимость постоянно перепроверять и нести ответственность за магическую логику «чёрной коробочки». Что она выкинет в следующий раз?

При этом польза от ИИ очевидна и понятна уже всем категориям. Его активно применяют в коде, документации, прототипировании. Большинство готовы дорабатывать результат, а не отказываться от инструмента сразу. ИИ уже стал частью повседневной инженерной практики — пусть и с оговорками.

Отношение к ИИ во многом определяется контекстом компании. Там, где внедрение поддерживается, чаще появляются амбассадоры. Там, где его продавливают через KPI и отчётность, быстрее накапливается усталость. И дело зачастую не только в бюджетах — главные барьеры связаны с безопасностью, законодательными рамками и нехваткой компетенций.

В итоге исследование получилось не столько про технологию, сколько про трансформацию профессии. ИИ меняет рутину, скорость работы, ожидания от продуктивности и даже ощущение собственной ценности как специалиста. Для одних это естественный этап эволюции инженерии. Для других — повод задуматься о допустимых границах автоматизации.

Наш вывод: ИТ-специалисты не мечтают об ИИ и не стремятся его отменить. Они пытаются встроить его в свою работу так, чтобы сохранить главное — профессиональное мышление, ответственность и чувство контроля над результатом. И именно в этом поиске баланса сегодня проходит настоящая линия изменений.