Контекст

Раньше ценность специалиста в продуктовой разработке — неважно, аналитик это, владелец продукта, разработчик или инженер сопровождения, — во многом мерили тем, сколько деталей он держит в своём контекстном окне: подводные камни конкретного домена, как работает функционал легаси-системы, грабли, на которые он однажды уже наступал. По сути это был сжатый контекст одной-двух областей, накопленный дорогой ценой — годами жизни. Сейчас ровно по этому месту бьёт ИИ: токены, которые раньше приходилось загружать в мозг годами узкой практики, теперь подтягиваются почти даром, из ИИ-модели. Похоже, что дефицитным становится не объём контекстного окна и не глубина знаний в одной области, а то, чем это окно заполнено: много смежных доменов, лежащих рядом, и способность видеть, как они стыкуются в той системе, которую ты создаешь с помощью ИИ. Опыт точно никуда не девается, но, возможно, перестаёт быть решающим преимуществом.

Старый контракт: опыт как сжатый контекст

Спросите того, кто давно в продукте, чем он отличается от новичка, и почти наверняка услышите что-то вроде «я уже наступал на грабли». Вот вам и весь старый контракт профессии: ты годами набиваешь шишки в своей области, и опыт спрессовывается в плотный контекст. Аналитик заранее чует, на каком интеграционном стыке необходимо выполнить изменения. Владелец продукта — какой сегмент пользователей взбунтуется от безобидной на вид правки UX. Инженер сопровождения — какой сервис ляжет первым под нагрузкой, потому что однажды он уже ложился у него в проде.

Если перевести это на язык нейросетей, то опытный специалист и новичок — как одна и та же модель, но с разным числом параметров. У опытного их накопились миллиарды: годы практики наращивали этот объём, пока "модель" не научилась тонко чувствовать тему. У новичка архитектура та же, а параметров пока мало, и набирать их предстоит годами. Вокруг этого и построена вся индустрия: грейды, специализация по направлениям, собеседования, на которых проверяют, насколько ты точно отвечаешь по заданной теме. Глубина узкого знания была главной валютой — по сути, числом параметров, накопленных под одну область.

Что сломалось

И вот по этой валюте ИИ бьёт прямой наводкой. То, что ещё недавно казалось футурологией, стало бытом: интерфейсом разработки всё чаще становится обычный человеческий язык, а заметную часть кода в проектах пишет уже не человек, а агент. Человек при этом всё реже создает решение — он ставит задачу, собирает контекст и проверяет результат.

Знание, которое раньше было редким и узким, вдруг подешевело и стало доступным по первому запросу. И теперь поверхностного знания в смежной области часто хватает, чтобы не дёргать соседа по команде. Аналитику больше не обязательно идти к разработчику с вопросом «а как это работает» — он открывает репозиторий и при помощи ИИ сам читает код, чтобы понять логику фичи. Тестировщик сам разбирает стэктрейс и по логам локализует баг до конкретного сервиса, а не возвращает на доработку с комментарием: "Не работает". Владелец продукта сам пишет SQL к витрине и достаёт нужную метрику, не занимая дата-аналитика. Бэкендер правит несложный фронтенд или заглядывает в Terraform-конфиг, не отвлекая девопса.

Каждый случай по отдельности — мелочь. Но в сумме это тихая смена правил: стоимость перехода через границу домена обвалилась, а вместе с ней — и премия за то, что ты накопил глубину именно тут, а не там. И тут хочется остановиться и спросить себя: если узкая глубина так подешевела, то что вообще теперь делает специалиста ценным?

Контекстное окно — но у человека, а не у модели

Весь последний год про контекст говорят из каждого утюга, но почти всегда про контекст машины. Появился даже отдельный термин, «контекст-инжиниринг»: искусство собрать для модели достаточно вводных, чтобы задача в принципе стала решаемой (Context Engineering Guide). А контекстное окно агента уже привычно зовут ограниченным ресурсом — не бесконечной мусоркой, в которую лишние токены забивают модель ровно так же, как хлам забивает голову человеку (Контекст‑инжиниринг для coding‑агентов: почему агент тупит не из‑за модели, Cloud.ru, 2026).

А ведь ту же метафору можно перевернуть. Все говорят про контекстное окно модели — но та же оптика прекрасно ложится на самого человека, в какой бы роли он ни был. У него ведь тоже окно конечного размера: ограниченный бюджет внимания, конечное число токенов, которые он держит активными прямо сейчас. Старый контракт забивал почти всё это окно глубиной одной области. Новый, наверное, просит набивать его иначе — токенами из соседних доменов. Потому что именно стыки ИИ, похоже, собирает хуже всего: требования, схема данных, биллинг и инфраструктура, нагенерённые по отдельности, не сходятся на границах и держать эти границы в окне целиком приходится теперь человеку. По сути меняется не размер окна, а то, чем его выгоднее заполнять.

Но у каждого из нас есть не только контекстное окно. Есть и кое-что вроде системного промпта — устойчивый слой, который не перезагружается от задачи к задаче: принципы, вкус, чутьё на то, где не стоит доверять ИИ, привычка думать про систему целиком. Окно мы пересобираем под каждый проект; системный промпт остаётся. И, если присмотреться, опыт распадается ровно на эти две части — на то, что лежало в окне (детали конкретного домена), и на то, что зашилось в системный промпт (как ты вообще думаешь о работе). Дешевеет, похоже, первое: узкую глубину теперь дёшево подтянуть из модели. А системный промпт, наоборот, скорее дорожает.

Тут сходятся две линии. Ширина — это то, чем теперь выгоднее заполнять окно: токены из многих смежных доменов вместо глубины одного. А системный промпт — это то, что подсказывает, какие именно домены подтянуть и где у собранной ИИ системы искать слабое место. Одно без другого не работает: широкое окно без системного промпта — просто свалка разрозненных токенов, а сильный системный промпт без ширины в окне — некому подать на вход.

А кого на самом деле усиливает ИИ?

Есть популярная мысль: ИИ усиливает то, что у тебя уже есть. Чем больше навыка и опыта — тем быстрее и лучше результат. Звучит убедительно. Но стоит копнуть, и всплывает вопрос: а что именно он усиливает?

Если «экспертиза» — это глубина в одном домене, то её ИИ как раз и удешевляет: модель и сама неплохо закрывает глубину почти в любой отдельно взятой теме. А вот склеить пять доменов в работающую систему она пока, похоже, не умеет. Так, может, усиливается не глубина, а охват — и тот, кто держит в окне токены сразу из пяти областей, выжимает из ИИ больший рычаг, чем тот, кто очень глубоко знает одну? И ещё один кусок «экспертизы», который ИИ точно усиливает, — это не содержимое окна, а системный промпт: принципы, вкус, чутьё на то, где модели не стоит доверять.

Готового ответа у меня нет. Но сам вопрос — что в опыте усиливается, а что обесценивается — кажется куда полезнее любого готового вывода.

Что это значит для производственного процесса

Если посмотреть на весь жизненный цикл разработки ПО, хорошо видно, как центр тяжести человеческой работы существенно меняется.

На постановке и проектировании самым ценным становится не код, а спецификация и архитектура — там, где компромиссы упираются в бизнес-контекст, которого у модели просто нет. Границы между ролями при этом размываются: аналитик, разработчик и архитектор всё чаще смотрят на систему одними глазами.

На реализации код всё больше пишет агент, а человек уходит в постановку задач, сборку контекста и проверку — пропорция «думать против писать» переворачивается.

А на ревью и интеграции вылезает самое интересное: куски по отдельности работают, а система на стыках — нет. И заметить это, наверное, может только тот, у кого в контекстном окне лежат сразу все смежные домены.

Вывод: чем наполнять контекстное окно

Старый совет был простой: выбери стек и закопайся поглубже — в один домен, один продукт. Новый, наверное, звучит иначе: держи в окне больше доменов сразу и нарабатывай насмотренность на их стыках. Это не про то, чтобы стать поверхностным во всём, — это про то, на что ты тратишь конечный бюджет своего контекстного окна. Поменьше токенов на зубрёжку тонкостей, которые модель и так подтянет; побольше — на способность увидеть всю систему, которую ИИ собирает по кусочкам, и поймать момент, когда кусочки не сходятся. А параллельно — отращивать свой системный промпт: принципы, вкус, чутьё на то, где ИИ ошибётся. Окно дёшево пересобрать, системный промпт — нет.

Опыт не умер. Просто, похоже, его узкая, «оконная» часть перестала занимать первое место — а та, что зашита в твой системный промпт, наоборот, выходит на первый план. А может, и нет, и я где-то ошибаюсь. Но если статья заставила вас иначе взглянуть на собственное контекстное окно и подумать о своем системном промпте — значит, своё дело она сделала.