Мауро Биг, разработчик веб-фреймворка Mastro, опубликовал разбор, в котором проводит прямую параллель: agentic coding деквалифицирует программирование ровно так же, как React и тяжёлые JS-фреймворки деквалифицировали фронтенд-разработку за последнее десятилетие. Оба изменения работают по одной механике — просто на разных уровнях. И в обоих случаях бизнес выигрывает, а носители глубокой экспертизы — проигрывают.
Контекст
Алекс Рассел назвал это «Потерянным десятилетием фронтенда». Биг соглашается и объясняет механику через понятие дескиллинга — процесса, при котором квалифицированный труд вытесняется технологиями, управляемыми полу- или неквалифицированными работниками. Именно это случилось, когда браузер превратился в «просто ещё один runtime»: появились фреймворки, которые абстрагировали семантический HTML, доступность, кросс-браузерную совместимость и производительность на медленных сетях. Глубокие знания перестали быть обязательными — достаточно уметь «крутить фреймворк».
Биг говорит об этом из первых рук. Он начинал с HTML/CSS и PHP, затем Ruby on Rails, после — тимлид фронтенда крупной швейцарской газеты на Next.js. Классический итог дескиллинга: «full-stack developer» нередко означает не человека, который глубоко понимает оба слоя, а генералиста, которого можно переключать между проектами. Плюс для бизнеса очевиден. Минус — специалист теряет переговорную силу.
Сейчас — та же история, но уровнем выше. Agentic-инструменты позволяют описать задачу на естественном языке и получить рабочий код. Промпт — это новый «правильный поисковый запрос». Только теперь не нужно даже знать Stack Overflow.
Аналитика
Биг предлагает ёмкую эволюционную линию: Google → Stack Overflow → LLM. Каждый шаг снижал порог входа и повышал вероятность того, что исполнитель не понимает, что именно вставил в продакшн. LLM — просто следующая точка той же прямой. Принципиальное отличие от предыдущих абстракций: agentic coding недетерминирован. Компилятор выдаёт предсказуемый результат. Модель — нет. Лёгкое изменение формулировки или версии может дать совершенно другой код. Это ближе к «джуниору», чем к инструменту, — с той разницей, что люди способны учиться без бесконечной правки AGENTS.md.
Отрезвляющий тезис статьи: бизнес-успех и качество кода практически не коррелируют. Медленный сайт почти не влияет на выручку при прочих равных, пока у конкурентов та же проблема. Никого ещё не уволили за выбор React. Значит, рынок сам по себе не откалиброван на качество — и AI-slop будет производиться в промышленных масштабах, пока компании не столкнутся с реальными последствиями накопленного технического долга.
Bauhaus-аналогия в финале статьи точная: в начале XX века промышленность вытеснила ремесленников. Одни ответили историзмом — стали делать машинные копии «под ручную работу». Другие — Bauhaus — ответили иначе: вернулись к материалу и переосмыслили ремесло с учётом промышленных процессов. Именно оттуда — прямая линия к Дитеру Рамсу и Джонатану Айву. Вопрос к разработчикам сейчас: какой из двух путей выберете вы?
Кейсы применения в бизнесе
B2B SaaS стартап (быстрый MVP): если product-market fit ещё не найден, agentic coding — разумный выбор для прототипа. Claude Code или аналоги могут сгенерировать первую версию фичи за часы. Но архитектурный каркас — стек, схема данных, границы модулей — должен принять человек, понимающий, что это потом придётся переписывать. Иначе технический долг накапливается быстрее, чем его замечают.
Корпорация с legacy-системой: здесь AI эффективнее всего в рутине — покрыть тестами старый код, задокументировать непонятные функции, сгенерировать миграции. Именно там, где «абстракция протекает», нужен старший инженер, умеющий критически читать вывод модели. Без него — риск скрытых регрессий в критических путях.
SMB и локальный бизнес в КР/СНГ: для небольшой команды AI-инструменты — реальный способ снизить стоимость разработки. Рабочий сценарий: один сильный разработчик как «архитектор» плюс agentic AI для реализации стандартных компонентов. Главное — не убирать архитектора из цепочки проверки кода.
Кейсы в личной жизни
Разработчик: самое ценное сейчас — умение читать и критически оценивать AI-вывод, а не только промптить. Стоит регулярно «погружаться в материал» — писать что-то руками, разбирать сгенерированный код построчно. Bauhaus-принцип: дизайнер должен знать материал, даже если продукт в итоге делает машина.
Фрилансер или контент-мейкер без технического бэкграунда: LLM реально снижают порог для запуска небольшого инструмента или сайта. Но берите стек попроще — статический генератор, минимум JS. Когда абстракция «протечёт» (а она протечёт), у вас будет шанс разобраться самостоятельно.
Студент CS: не стоит полностью делегировать учебные задачи модели — вы лишаете себя того самого «ремесленного» базиса, который позволит потом оценивать AI-вывод. Используйте модель как репетитора — «объясни, почему этот код работает», — а не как автора.
Как применить сегодня
- Читайте AI-код как на code review — построчно, с вопросом «почему именно так?». Это единственный способ отличить специалиста от промпт-оператора.
- Разделяйте архитектуру и реализацию: структуру данных, границы сервисов, публичный API — проектируйте сами. Детали реализации — делегируйте модели.
- Проверяйте производительность и доступность вручную, особенно на мобильных устройствах: это именно те «неважные детали», которые фреймворки и AI склонны игнорировать.
- Инвестируйте в понимание основ — HTML, CSS, сетевые запросы, SQL. Не из ностальгии, а потому что это уровень, на котором абстракции ломаются.
- Договоритесь в команде, где AI помогает, а где нет. Отсутствие договорённостей ломает не только код, но и коммуникацию.