Эта статья — не про «очередной список сервисов», а про то, как именно меняется день разработчика, когда обычные привычки начинают работать вместе с ИИ‑инструментами.
Привычка 1. Делать сложное в начале дня
Когда я сажусь за код утром, мозг ещё не забит чатом, задачами и бытовухой.
Раньше я в это время просто «глотал лягушку» — брал самый неприятный таск и ковырял его вручную.
Теперь первые 30–40 минут выглядят так:
- Открываю задачу, формулирую её текстом — так, как объяснил бы другу.
- Бросаю это в ИИ‑ассистент (ChatGPT/Claude) и получаю черновой план: какие модули трогать, какие случаи учесть.
Разницу чувствуешь сразу: вместо того чтобы 20 минут тыкаться в код, ко второму кофе уже есть набросок решения и список подводных камней. Заказчику легче объяснить, что ты делаешь — и за что он платит.
Привычка 2. Не держать всё в голове
Раньше было «помню, как работает этот модуль, потом допишу доку».
Потом, понятно, никто ничего не дописывал, и каждый баг превращался в расследование.
Сейчас я делаю по‑другому:
- после доработки модуля сразу отдаю его ИИ с просьбой «объясни простыми словами, что здесь происходит»;
- беру этот текст, выкидываю воду, дописываю детали и кидаю в README или внутреннюю Wiki.
Документация перестала быть отдельной болью.
Это важно, если ты планируешь:
- передавать проект другому разработчику;
- продавать доступ к коду как продукту;
- брать доп. деньги за «нормальное сопровождение».
Привычка 3. Рефакторить по чуть‑чуть, а не раз в год
Большая рефакторизация редко оплачивается отдельно: это то, что «вы должны делать сами».
Поэтому я привык раньше откладывать это до последнего.
С ИИ стало проще:
- открываю старую функцию и прошу ассистента предложить 2–3 варианта, как сделать её короче/понятнее;
- из предложений выбираю лучшее и слегка подгоняю под стиль проекта.
Так за неделю можно аккуратно привести в чувство десяток файлов, просто «между делом» — пока ждёшь ответ клиента или билд.
Результат: меньше багов на поддержке и меньше стыда, когда открываешь свой же код через полгода.
Привычка 4. Не героизм, а процесс
Раньше я гордился тем, что могу «сам, без Google, без подсказок» решить задачу.
Пока не посчитал, сколько часов на это улетает.
Сейчас в голове другой критерий:
если ИИ может сэкономить мне час на рутине, этот час можно продать.
Примеры:
- Вместо того чтобы руками накидывать 10 однотипных SQL‑запросов, я описываю схему и прошу ассистента сгенерировать базовый слой, а сам настраиваю нюансы.
- Вместо написания десятка однообразных unit‑тестов — прошу ИИ предложить каркас, а дальше допиливаю реальные крайние случаи.
Привычка 5. Работать «пакетами», а не по одной мелочи
Когда весь день живёшь в чате: «пофикси тут, поправь там», мозг разваливается на куски.
Нейросети хорошо помогают именно если ты даёшь им контекст.
Поэтому я:
- собираю мелкие правки в список;
- открываю проект, даю ассистенту описание сразу нескольких изменений;
- получаю блок предложений по коду в одном месте.
Так меньше переключений, а ИИ лучше понимает, что ты вообще делаешь с проектом.
Привычка 6. Записывать, что ИИ делает плохо
У каждого ассистента есть свои любимые косяки:
кто‑то постоянно забывает про edge‑кейсы, кто‑то пишет слишком общую обработку ошибок, кто‑то любит «захардкодить» значения.
Я веду себе маленький список:
- «Эта модель пропускает проверки прав, проверять каждую ручку вручную»;
- «Эта модель любит рекурсию, где она не нужна»;
- «У этой всё ОК с кодом, но она пишет тонну лишнего текста».
Через пару недель общения уже понимаешь, где ей можно довериться, а где — нет.
Это как работа с коллегой: знаешь, что у него болит и где проверять внимательнее.
Привычка 7. Показывать заказчику не только результат, но и процесс
Одна из самых важных штуковин для денег:
когда клиент видит только финальный zip с кодом, он не понимает, за что заплатил.
Когда видит, как ты снимаешь с него эксперименты, тесты, обсуждения — чек воспринимается легче.
С ИИ это стало проще:
- снимок экрана с объяснением модуля, которое ты получил от ассистента;
- маленький фрагмент промпта, по которому сгенерирован прототип;
- диаграмма или комментарий, который расставил ИИ.
Ты не говоришь «смотрите, я всё делал на нейросети», ты показываешь, что у тебя вложен труд в постановку задачи и проверку,
а ИИ — просто инструмент.
Привычка 8. Считать время и экспериментировать с ценой
Нейросети убирают часть рутинных часов.
Если раньше ты делал задачу за 8 часов, а теперь за 4 — у тебя два варианта:
- дешевле стоить и брать больше задач;
- держать цену и освободить время под свои проекты.
Чтобы это не превратилось в хаос, полезно:
- отслеживать примерно, сколько времени уходит на разные типы задач;
- пробовать фикс‑прайс, когда уже понимаешь, сколько в среднем жрёт та или иная фича.
Знание того, что ИИ съедает 30–40% рутины, повышает уверенность, когда просишь адекватный чек.
Привычка 9. Делать мини‑разборы своих фейлов
Иногда ИИ подкидывает идею, которую ты принимаешь, а потом всё ломается.
Очень легко сказать: «нейросеть виновата», закрыть diff и забыть.
Я стараюсь раз в неделю устраивать себе короткий «разбор полётов»:
- где я слишком поверил ассистенту;
- какую проверку пропустил;
- что можно было сформулировать в промпте иначе.
Это занимает 15–20 минут, но в долгую даёт чувство, что ты становишься не «прикручивателем ChatGPT», а специалистом, который умеет рулить этим зверем.
Как это монетизировать на практике
Чтобы привычки не остались просто красивыми словами, вот три рабочих формата:
- Увеличить плотность работы на фрилансе
Берёшь 2–3 своих типичных задач (бот, API, парсер), замеряешь время «до» и «после» активного ассистента.
Если после пары недель видишь, что на каждой задаче экономишь хотя бы час — пробуешь поднять цены или брать на одну задачу в неделю больше. - Продать рефакторинг, а не только «допилы»
С привычкой к мелкому рефакторингу и ИИ‑подсказкам можно отдельно предлагать:
«Приведу ваш старый код к виду, в котором его не будет стыдно поддерживать».
Это не каждый клиент поймёт, но те, кто понимает, платят за это хорошо. - Сделать из себя «переводчика между бизнесом и ИИ»
Чем лучше ты формулируешь задачи ассистенту, тем лучше ты формулируешь задачи людям.
Именно таких людей многие компании ищут сейчас: тех, кто может взять хаотичное пожелание, превратить его в внятный запрос к ИИ и потом в работающий сервис.