Роли, найм и процессы

Агенты меняют не только инструменты, но и распределение работы. Узкое место смещается от написания кода к постановке задач и проверке результата, и если оргструктура этого не учитывает, выигрыш теряется в очереди на ревью. В уроке — что меняется в ролях, в найме и в процессах агентства и какие новые зоны ответственности нужно кому-то поручить.

Куда смещается работа

OpenAI в статье о harness engineering описывает роль инженера в команде, где код пишут агенты: люди расставляют приоритеты, превращают отзывы пользователей в критерии приёмки и проверяют результат. Когда агент буксует, инженер спрашивает не «как заставить его постараться», а «какой возможности ему не хватает» — инструмента, ограничения, документации (OpenAI). Это крайняя точка спектра, но направление общее для всех команд:

• Меньше набора кода, больше спецификаций. Задача, которую агент выполнит хорошо, должна иметь цель, контекст, ограничения и критерий готовности — так структуру промпта описывает документация (best practices).
• Больше ревью. Поток MR растёт, а проверять их по-прежнему людям. DORA 2025 фиксирует, что рост пропускной способности идёт вместе с проблемами стабильности (DORA).
• Больше работы над средой. AGENTS.md, тесты, CI, линтеры — то, что делает результат агента проверяемым.

Как меняются роли в агентстве

Разработчики. Ценность смещается к декомпозиции, чтению чужого кода, ревью и архитектурным решениям. Сеньор, который хорошо ставит задачи и быстро находит ошибку в правдоподобном дифе, становится ценнее, чем раньше.

Тестировщики. Агент пишет тесты быстро, но тест, который проходит на сломанном коде, хуже отсутствия теста. Роль QA смещается к тест-дизайну, проверке тестов, написанных агентом, и e2e-проверкам в браузере (см. курс «Codex для тестировщиков»).

Аналитики. Требования становятся входом для агента напрямую. Критерии приёмки, которые можно проверить тестом, — уже не формальность, а то, от чего зависит качество результата.

Менеджеры проектов. В материалах OpenAI о Symphony менеджер продукта и дизайнер сами заводят задачи и получают на ревью готовый пакет с видео (OpenAI). До этого агентству далеко, но менеджеру уже сейчас важно понимать, какие задачи агенту отдаются хорошо, — от этого зависят оценки.

Новые зоны ответственности

Появляется работа, которой раньше не было. Её нужно явно поручить, иначе она будет ничьей:

В агентстве на 75 человек не нужен отдельный отдел: достаточно нескольких человек с явно записанной частью времени на эти зоны.

Джуниоры и атрофия навыков

Самый серьёзный долгосрочный риск — люди перестают учиться. В рандомизированном исследовании Anthropic 2026 года 52 в основном начинающих разработчика осваивали незнакомую Python-библиотеку. Группа с ИИ-ассистентом набрала в последующей проверке знаний в среднем 50% против 67% у группы без него, а выигрыш по скорости оказался статистически незначимым. Самый большой разрыв — в вопросах на отладку. При этом участники, которые использовали ассистента, чтобы разобраться в коде, а не чтобы делегировать, показали результаты лучше, хотя авторы оговаривают, что этот разбор качественный и причинной связи не доказывает (Anthropic). Есть и исследования с другими выводами, так что вопрос открыт, — но риск достаточно реален, чтобы им управлять.

Практические меры: джуниор объясняет на ревью каждое изменение, которое сделал с агентом; часть задач делается без агента осознанно; отладку сначала пытаются провести самостоятельно. Подробно — в уроке «Джуниоры и рост навыков».

Найм

Если агент пишет код, собеседование «напишите сортировку на доске» проверяет не то. Что стоит проверять:

• Чтение кода и поиск ошибок. Дайте кандидату правдоподобный, но ошибочный дифф и попросите его отревьюить.
• Декомпозиция и постановка. Пусть кандидат разобьёт задачу из реального трекера на шаги и опишет критерии готовности.
• Тестирование. Как он проверит, что изменение работает, и что тест действительно что-то проверяет.
• Работа с агентом. Можно разрешить агента в тестовом задании и смотреть не на результат, а на процесс: как ставит задачу, что проверяет, где останавливает агента.

Базовые знания языка и фреймворка по-прежнему нужны: без них невозможно отличить хороший код от правдоподобного.

Процессы и клиент

• Ревью. Ограничьте размер MR, договоритесь о правилах для агентских MR и ведите учёт нагрузки на ревьюеров — иначе очередь на ревью съест выигрыш. Как это сделать в команде — урок «Ревью при росте потока MR».
• Оценки. Не закладывайте в оценки для клиента ускорение, которое вы не измерили на своих задачах (см. урок про эффект).
• Договоры. Если клиентские договоры затрагивают использование ИИ-инструментов, формулировки согласуйте с юристом заранее, а не по ходу проекта.