История Anthropic хорошо показывает, как быстро меняется вход в профессию программиста. Еще недавно главным доказательством компетентности считались алгоритмические собеседования, знание структур данных и способность в одиночку написать чистое решение под давлением времени.
Но в эпоху AI этот набор перестает быть главным фильтром. Если модель может быстро помочь собрать прототип, найти рабочий путь и сократить время на реализацию, то сам по себе навык «быстро кодить с нуля» уже не выглядит таким редким, как раньше.
Именно поэтому в компании все чаще смотрят не на то, насколько человек помнит классические задачи, а на то, умеет ли он увидеть важную проблему, предложить осмысленное решение и довести его до работающего результата.
По сути, новый аргумент в пользу кандидата — не объем выученных шаблонов, а способность мыслить продуктово. Важнее становится не просто написать код, а понять, что именно стоит строить и почему это вообще имеет значение для бизнеса и пользователей.
Но у этой истории есть и обратная сторона. Если AI делает исполнение дешевле, компании могут одновременно требовать от новичков больше самостоятельности и при этом сокращать количество самих начальных позиций.
Получается парадокс: отдельному инженеру стало проще быстро показать результат, но сама «лестница входа» в профессию становится уже и круче. Раньше junior-позиции были не только про дешевую рабочую силу, но и про обучение на реальных задачах. Теперь этот этап может сжиматься, а вместе с ним — и пространство, где человек набирает опыт.
На этом фоне меняется и сама природа инженерной ценности. Она уходит от чистой реализации к двум более сложным зонам: к выбору правильной задачи и к контролю за тем, чтобы система оставалась надежной, безопасной и управляемой.
Если AI умеет быстро генерировать код, то именно человек должен решать, какой код вообще нужен, где у системы слабые места, что может сломаться в продакшене и как не потерять контроль, когда агент начнет работать автономно.
Поэтому фраза о том, что «coding interview умерло», на самом деле означает не смерть отбора, а его усложнение. Теперь недостаточно проверить, умеет ли кандидат писать код.
Нужно увидеть, умеет ли он мыслить, принимать решения, объяснять свой выбор и работать рядом с AI так, чтобы результат был не просто быстрым, а осмысленным и надежным. И именно это, похоже, становится новой валютой в инженерной карьере.
Если хотите, я могу еще сделать из этого более публицистическую версию или, наоборот, более деловую и сухую заметку.