Почему я перестал нанимать разработчиков

С 2021 по 2024 я был COO американской IT-консалтинговой компании. Я масштабировал инженерный отдел с нуля до 45 человек в Казахстане, Индии, Корее и США. Мы поставляли IoT-системы, WebRTC-платформы, мобильные приложения и CRM для корпоративных клиентов из США. Я нанимал, управлял, увольнял, повышал, менторил — и всё, что между.

Сейчас я веду carawon.tech. Один. И я реализую проекты, которые два года назад требовали бы команду из 5–8 человек.

Проблема масштабирования

В какой-то момент бизнес перестал быть про инженерию и превратился в бизнес продаж и HR. Вот и всё. Внутри всё было направлено на оптимизацию процессов. Больше людей не означало больше результата — они добавляли накладные расходы. С 45 людьми мы были менее гибкими, чем с 5. Каждую неделю что-то новое: выгорания, переговоры по зарплатам, личные проблемы, юридические сложности, обновления политик, недовольные сотрудники. Больше людей — больше человеческих факторов, больше рисков и, как ни парадоксально, менее довольные клиенты. Соотношение времени на управление и на реальную работу ухудшалось каждый квартал. Я ушёл не потому, что компания провалилась. Я ушёл, потому что понял: у самой модели есть потолок, и я тратил лучшие часы на всё, кроме работы, которая имела значение.

Что изменил AI

Первый сигнал был в 2025 году, когда мы заменили пару ролей AI-инструментами. Сработало, но технология ещё не была достаточно зрелой, чтобы всё изменить. Затем в начале 2026 я в одиночку собрал production-ready проект за месяц — то, на что у команды из 10 человек ушёл бы целый год. Это был момент, когда я понял, как быстро AI взрослеет. Я мог бы сделать vibe coding за неделю. Но чтобы сохранить качество, безопасность и архитектуру на уровне production, потребовалось 1–2 месяца. Всё равно — доля от того, что стоили бы 10 человек за год работы.

Сдвиг не был постепенным. Однажды я оценивал проект и закладывал 3 разработчиков на 8 недель. Потом сел с AI-инструментами и понял, что могу сделать ту же работу за 3 недели. Не грубый прототип — production-grade код с тестами, правильной архитектурой и документацией.

Что AI не может

Вот что я до сих пор делаю сам, и ни один AI-инструмент не может заменить:

• Архитектурные решения. Какая база данных? Монолит или микросервисы? Как должна работать авторизация? AI даст ответ, но не даст правильный ответ для ваших конкретных ограничений.
• Управление скоупом. Знать, что НЕ нужно строить, ценнее, чем знать, как строить. AI с радостью нагенерирует фичи, которые никому не нужны.
• Суждение о качестве. AI пишет код, который проходит тесты. Я знаю, когда сами тесты неправильные. Я знаю, когда код, который «работает», сломается под нагрузкой, в edge-кейсах или когда реальный пользователь сделает что-то неожиданное.
• Бизнес-контекст. Понимание, зачем клиенту эта фича, какую проблему она реально решает и соответствует ли технический подход его бизнес-целям.
• Умение сказать «нет». AI рвётся помочь. Senior-инженер знает, когда правильный ответ — «нам не нужно это делать».

Как я работаю сейчас

Каждый проект следует одному паттерну: я проектирую архитектуру, AI генерирует, я ревьюю. Возьмём автомобильный маркетплейс, который я строю — React 19 фронтенд, Django бэкенд, Firebase авторизация, мультиязычность, интеграция платежей. В Interspark это была бы команда из 6 человек на год. Я сам спроектировал архитектуру, настроил модели данных, определил API-контракты. Затем AI сгенерировал слой реализации — компоненты, сериализаторы, скаффолдинг тестов, админ-панели — а я ревьюил каждый элемент на безопасность, производительность и соответствие бизнес-задаче.

Результат — быстрее команды, дешевле агентства и тот же стандарт качества, который я обеспечивал на enterprise-масштабе. Не потому что я сверхчеловек, а потому что AI берёт на себя объём, а я — judgment-решения.

Это будущее?

Не для всех. Крупные организации по-прежнему будут нуждаться в командах. Сложные системы с регуляторными требованиями требуют нескольких специалистов. Некоторым проектам нужна круглосуточная поддержка, которую один человек не обеспечит.

Но для подавляющего большинства проектов по разработке — веб-приложения, платформы, автоматизация, внутренние инструменты — один senior-инженер с AI может поставить то, что раньше требовало 5–8 человек. И с экономикой тут сложно спорить.