ИИ-агенты помогают разработчикам быстрее писать код, искать ошибки и решать задачи, для которых раньше приходилось обращаться к коллегам. Однако вместе с ростом самостоятельности у такого формата работы обнаружился неожиданный побочный эффект — профессиональная изоляция.
Об этом рассказала руководитель инженерного направления Anthropic Фиона Фунг, комментируя опыт команды, которая работает над Claude Code. По ее словам, со временем инженеры настолько погрузились во взаимодействие с ИИ-агентами, что сама работа стала ощущаться более одинокой.
Разработчики стали реже обращаться к коллегам
Раньше инженер, столкнувшись со сложной задачей, мог обсудить ее с коллегой, попросить совет или вместе поискать решение. Теперь часть такого общения заменяет ИИ.
Разработчик формулирует задачу Claude Code, получает варианты решения, проверяет результат и продолжает работу. Это быстрее и удобнее, но одновременно уменьшает количество поводов для живого взаимодействия внутри команды.
Снижение коммуникации стало обратной стороной эффективности. Инженеры получили возможность решать больше задач самостоятельно, но стали меньше видеть, как работают другие люди и какие подходы они используют.
У каждого сформировался свой способ работы с ИИ
Проблему усиливает то, что разработчики по-разному встраивают ИИ в рабочий процесс. Один использует агента для написания кода, другой — для поиска ошибок, третий — для планирования задач или изучения незнакомой системы.
Со временем у каждого появляется собственный набор команд, привычек и приемов. Но если сотрудники работают изолированно, эти знания остаются внутри личного диалога с моделью и почти не распространяются по команде.
В результате люди могут пользоваться одним и тем же инструментом, но не знать, как именно он помогает коллегам. Вместо коллективного опыта возникает множество отдельных рабочих процессов.
В Anthropic начали возвращать совместную работу
Чтобы снизить ощущение изоляции, команда стала сознательно создавать больше поводов для общения. В Anthropic организуют совместные обеды, хакатоны и отдельные блоки времени для коллективной работы.
Особенно полезным оказалось парное программирование. Когда два инженера вместе решают задачу и наблюдают за тем, как каждый взаимодействует с ИИ, они перенимают чужие приемы и находят новые способы использования инструмента.
По словам Фунг, наблюдение за работой другого человека само по себе становится способом обучения. Даже опытные сотрудники могут заметить непривычную команду, иную логику постановки задачи или более эффективный подход к проверке результата.
ИИ меняет не только скорость, но и культуру работы
ИИ-агенты часто оценивают по тому, сколько времени они экономят и какой объем задач помогают выполнить. Но их влияние на работу команды может быть гораздо шире.
Если сотрудник всё чаще взаимодействует с моделью и всё реже — с людьми, меняется сам способ передачи знаний. Исчезают случайные обсуждения, совместный поиск решений и ситуации, когда один специалист учится, просто наблюдая за другим.
Особенно заметной проблема может стать в удаленных и распределенных командах. Там живое общение и без того ограничено видеозвонками и перепиской, а ИИ дает еще одну возможность решить вопрос самостоятельно, никого не отвлекая.
В краткосрочной перспективе это удобно. Но со временем команда рискует превратиться в группу людей, которые работают параллельно и общаются в основном со своими цифровыми помощниками.
Отказ от ИИ проблему не решит
Фунг не предлагает отказываться от ИИ-агентов. Напротив, они уже стали важной частью разработки и позволяют инженерам быстрее справляться с рутинными задачами.
Задача состоит в том, чтобы не считать эффективность единственным показателем успешного внедрения. Компаниям приходится отдельно заботиться о том, чтобы сотрудники продолжали обмениваться опытом, обсуждать решения и видеть работу друг друга.
ИИ может заменить вопрос в рабочем чате или короткую консультацию с коллегой. Но он не создает общий опыт команды сам по себе.