70 лет обещаний: почему нейросети и no-code так и не отменили программистов

В 1959 году создатели языка COBOL рассчитывали, что код на нём будет настолько близок к обычному английскому, что читать и понимать его смогут даже менеджеры, не имеющие технической подготовки. Идея казалась революционной: бизнес сам опишет логику, а машина выполнит. На практике всё вышло иначе — синтаксис действительно напоминал текст, но составление корректных инструкций требовало всё того же системного мышления.

Следующая заметная попытка пришлась на 1960-е годы, когда Сеймур Пейперт разработал язык Logo с его знаменитой черепашкой. Дети и взрослые могли управлять графическим объектом, отдавая простые команды, и быстро видеть результат. Инструмент отлично обучал алгоритмическому подходу, но для создания чего-то сложнее геометрических узоров снова требовался программист, способный выстроить многоуровневую логику.

В Советском Союзе в 1980-х появился визуальный язык ДРАКОН, который использовали в космической отрасли. Он представлял алгоритмы в виде наглядных блок-схем, понятных инженерам и военным. ДРАКОН действительно упрощал документирование и проверку процедур, однако проектирование самих систем и их отладка оставались уделом специалистов.

Массовый прорыв случился в 1990-х с выходом Visual Basic от Microsoft. Среда позволяла быстро собирать оконные приложения из готовых компонентов, а код писать на упрощённом языке. Порог входа снизился радикально, и тысячи непрограммистов стали создавать утилиты для своих нужд.

Но как только бизнес-логика усложнялась, проекты либо бросали, либо передавали профессиональным разработчикам. В 2010-х расцвели no-code и low-code платформы вроде Bubble или Airtable. Они обещали, что любой сотрудник сможет автоматизировать процессы и собрать работающий сервис без единой строчки кода.

Действительно, простые задачи закрывались быстро, однако интеграции, нестандартные сценарии и производительность под высокой нагрузкой быстро возвращали в повестку классическую разработку. Сегодня эстафету подхватили нейросети и так называемый вайбкодинг, когда модель генерирует код по текстовому описанию, а пользователь лишь направляет её правками. Инструменты вроде Claude Code или Copilot берут на себя написание шаблонных функций и поиск ошибок.

Рутина уходит, но архитектурные решения, постановка задачи и проверка результата на соответствие реальным требованиям по-прежнему требуют человеческого участия. Даже на фоне свежих проектов вроде playclip, задуманного как игровой аналог TikTok, индустрия продолжает ту же логику — дать пользователю готовую среду, где не нужно писать код. Но и здесь за красивой оболочкой стоит труд инженеров, а сама платформа лишь смещает границу, за которой начинается работа программиста.

Исторический опыт показывает, что каждый новый инструмент действительно забирает у человека часть рутины и делает создание программ доступнее. Однако неизменным остаётся главное: решать, что именно строить, замечать, когда система ведёт себя не так, как задумано, и поворачивать её в нужную сторону приходится людям. Машина выполняет инструкции, но не формулирует цели.

Скептики могут возразить, что с ростом возможностей искусственного интеллекта эта грань сотрётся. Но пока даже самые продвинутые модели требуют чёткого контекста и проверки, а цена ошибки в автономно сгенерированном коде может быть слишком высокой. Поэтому разговоры о полной замене программиста остаются скорее маркетинговым обещанием, чем инженерной реальностью.

В итоге 70 лет эволюции инструментов разработки привели не к исчезновению профессии, а к её трансформации. Программист всё меньше пишет типовой код и всё больше занимается дизайном систем, анализом данных и взаимодействием с заказчиком. И это, пожалуй, самый устойчивый тренд.