Игорь Градов
Игорь Градов
6 мин
ai

LLM обесценили навыки насмотренности: почему суждение теперь стоит дороже стажа

Опыт разработчика делится на насмотренность и суждение. Михаил Шпаков, руководитель разработки Timeweb Cloud, объясняет, как LLM навыки обесценили первую часть и почему вторая теперь стоит дороже, а заодно показывает, как перестроить найм и самооценку в командах, где ИИ закрывает справочные задачи за минуты.

Почему это важно

Техническая насмотренность, годами бывшая главным фильтром при найме, перестала отличать кандидатов: LLM (большие языковые модели, генерирующие текст и код) продают её по цене подписки, и пары вечеров с чат-ботом хватает, чтобы уверенно говорить о любом стеке.

Михаил Шпаков, руководитель разработки Timeweb Cloud, описал сдвиг, который наблюдает на финальных собеседованиях и в ежедневной работе команды. Раньше последний разговор с кандидатом был формальностью после технической секции. Сегодня, по его словам, именно этот этап различает людей лучше, чем проверка знаний, потому что проверяет не «видел ли ты это», а «понимаешь ли, зачем и чего делать не надо».

Насмотренность против суждения: в чём разница?

Шпаков разделяет то, что в резюме называют «опытом», на две составляющие.

  • Насмотренность (знаю API, помню подводные камни библиотеки, настраивал репликацию, встречал этот баг трижды). Это ответ на вопрос «как сделать X».
  • Суждение (judgment, по определению Шпакова). Это ответ на вопрос «зачем» и «чего делать не надо»: не переписывать легаси, хотя руки чешутся; остановиться и выкатить неидеальное; сказать, что фича не решит проблему пользователя.

Годами рынок платил за стаж, потому что стаж был единственным доступным прокси для обеих составляющих сразу. LLM навыки по насмотренности разорвали этот комплект: модель видела больше кода, чем любой разработчик увидит за карьеру.

Что понадобится

  • 30 минут на честный разбор собственного опыта (или опыта команды).
  • Доступ к любой LLM: ChatGPT, Claude, GigaChat, YandexGPT, подойдёт бесплатная версия.
  • Блокнот или документ для фиксации выводов.

Пошаговая инструкция

  1. Разделите свой опыт на два столбца. Откройте документ, проведите вертикальную линию. Слева запишите всё, что вы «знаете как»: конкретные технологии, API, фреймворки, типовые решения. Справа то, что вы «решали сами»: случаи, когда именно вы выбрали путь и несли последствия.

  2. Проверьте левый столбец через LLM. Возьмите три-пять пунктов из левого столбца и задайте модели те же вопросы, которые задали бы джуну на собеседовании. Промпт (текстовая инструкция для модели) может выглядеть так:

Объясни, как настроить репликацию PostgreSQL
с автоматическим фейловером.
Укажи типовые подводные камни и порядок действий.

Оцените ответ. Если модель закрывает вопрос за минуту на уровне, который вы бы приняли от мидла, этот навык уже не ваш дифференциатор (то, что отличает вас от других кандидатов).

  1. Опишите правый столбец как истории с последствиями. Для каждого пункта справа ответьте на три вопроса: что вы решили, что произошло через полгода, что бы вы сделали иначе. Именно эти истории, по наблюдению Шпакова, выдают суждение на собеседовании: человек, принимавший решения сам, рассказывает с оговорками и «тогда это казалось правильным».

  2. Найдите пустоты в правом столбце. Если справа мало пунктов, это сигнал: вы выполняли задачи, а не принимали решения. Шпаков описывает четыре конкретных навыка суждения:

  3. Понять боль пользователя до того, как писать код (задача в трекере описывает симптом, лечить нужно причину).
  4. Увидеть, что задачу не надо делать вообще.
  5. Вовремя остановиться: не полировать, не перепроектировать.
  6. Принять решение без очевидно правильного варианта и подписаться под ним.

  7. Перестройте собеседования (если нанимаете). Техническая секция проверяет насмотренность, и этот фильтр сломался вместе с ней. Перенесите вес на разговор об опыте и взглядах. Спрашивайте не «как устроен X», а «расскажите про решение, за которое вам потом было неловко».

  8. Зафиксируйте план развития. Запишите два-три действия, которые наращивают правый столбец: взять на себя архитектурное решение, провести пост-мортем (разбор инцидента после его устранения), отменить задачу с обоснованием.

Что ввели и что получили

Вот пример промпта для шага 2:

Ты senior backend-разработчик.
Объясни, как организовать graceful shutdown
в Go-сервисе с gRPC и воркер-пулом.
Перечисли типовые ошибки.

Модель выдала пошаговый ответ с перехватом сигналов, таймаутами, дренированием очередей и пятью типичными ошибками. На уровне, который два года назад отличал уверенного мидла от джуна. Этот ответ занял 40 секунд. Если ваш «опыт» состоит из таких же справок, LLM навыки уже сделали его общедоступным товаром.

А вот вопрос, на который модель не ответит так же убедительно:

У нас сервис с graceful shutdown на 30 секунд,
но бизнес просит деплоить 20 раз в день,
и пользователи жалуются на обрывы.
Что делать: сокращать таймаут, менять стратегию деплоя
или менять архитектуру? Бюджет — 2 недели одного инженера.

Модель предложит три варианта. Но она не выберет один и не подпишется под последствиями.

Частые ошибки
  • Путать суждение с красноречием. Шпаков подчёркивает: суждение это не умение красиво говорить. Это инженерный навык, который проявляется в деталях: человек помнит цену собственных ошибок и знает, что стало с решением через полгода.
  • Ставить на то, что модель «никогда не научится». Граница между «как» и «зачем» не высечена в камне: модели учатся предупреждать о рисках и предлагать откатиться. Строить карьеру на этой ставке Шпаков не рекомендует.
  • Игнорировать насмотренность. Она по-прежнему нужна, без неё в профессии никуда. Она просто перестала быть дефицитом и дифференциатором при отборе.
  • Обесценивать ответственность. Модель нельзя уволить, с неё нельзя спросить за инцидент. Разница между советом и решением не в качестве ответа, а в том, кто платит за ошибку.

Что делать с этим прямо сейчас, по ролям

Разработчику и автору технического контента на Дзене. Проведите разбор из шагов 1 и 2 для себя. Если левый столбец длинный, а правый пустой, у вас проблема, которую не решит ещё один курс по фреймворку. Пишите на Дзене не «как настроить X» (это уже справка из LLM), а «почему я выбрал X и что пошло не так».

Тимлиду и нанимающему менеджеру. Пересмотрите вес этапов воронки. Если техническая секция всё ещё главный фильтр, вы отбираете по навыку, который LLM навыки сделали дешёвым. Добавьте разговор о решениях и их последствиях.

Предпринимателю в РФ и СНГ. Всё описанное работает с любыми доступными моделями: GigaChat, YandexGPT, ChatGPT через VPN. Суть не в конкретном инструменте, а в том, что справочная экспертиза обесценивается, и платить за неё как за дефицит уже не имеет смысла.

Мнение редакции dzen.guru

Шпаков описывает картину из одной компании, но я вижу ту же динамику в контенте. Автор, который умеет только пересказать документацию, проигрывает модели по скорости и полноте. Автор, который объясняет, почему он выбрал одно решение и отказался от другого, по-прежнему незаменим.

Честная оговорка: суждение невозможно прокачать по инструкции из шести шагов. Шаги выше помогают увидеть проблему и направить усилия. Само суждение нарастает только через реальные решения с реальными последствиями. Шпаков называет это «осадок от личных последствий», и у модели, по его точному замечанию, «нет шрамов».

Чем больше кода пишут ИИ-агенты (программы, самостоятельно выполняющие цепочку действий), тем дороже стоит человек, готовый поставить под результатом свою подпись. Начните с правого столбца: запишите три решения, за которые вы отвечали лично, и убедитесь, что они видны в вашем резюме, портфолио и текстах.

Генератор идей для Дзена

Найдите темы, где ваш опыт и суждение важнее справки из LLM

Попробовать бесплатно
Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Что такое ИИ-агент на слабой модели: структурная инженерия вместо промптов
ai

Что такое ИИ-агент на слабой модели: структурная инженерия вместо промптов

Мне нужно больше контекста из оригинала, но я напишу строго по тому, что есть. Компания-разработчик не названа, продукт: opencode (открытый CLI-агент). Это не…

6 мин
ИИ в рекрутинге оценил не кандидата, а интервьюера: практик разобрал свои ошибки
ai

ИИ в рекрутинге оценил не кандидата, а интервьюера: практик разобрал свои ошибки

Компания Potok (российский HR-tech-сервис) или конкретный стартап в тексте-источнике не упоминаются, раунда финансирования нет, суммы нет, инвестора нет.…

4 мин
Генератор видео на нейросети научился не терять деньги: чекпоинты спасают оплаченные сцены
ai

Генератор видео на нейросети научился не терять деньги: чекпоинты спасают оплаченные сцены

Немного терялся в размерах исходного текста, но продолжаю работу с ним. Оригинал обрывается, поэтому работаю строго по предоставленным фактам. Российский…

6 мин