Code of Leadership · 2 сент. 2026 г. · 54:29
Слушайте в приложении Podli 🎧
Подписывайтесь на любимые подкасты, слушайте офлайн и в машине с CarPlay и Android Auto и всегда продолжайте с того места, где остановились. Попробуйте бесплатно.
AI-агенты сделали первый вариант решения быстрым и дешёвым. Джун теперь может за короткое время подготовить убедительный прототип, тесты и pull request. Но готовый артефакт ещё не доказывает, что инженер понимает систему, способен проверить результат и готов отвечать за последствия изменения.
Как в этих условиях отличить выполнение от настоящего навыка? Где начинающим инженерам набирать опыт, если агенты забирают задачи, с которых раньше начиналась карьера? И как перестроить найм, наставничество и развитие, чтобы ускорение не разрушило инженерную лестницу?
В этом выпуске Александр Поломодов разбирает, как AI-агенты меняют путь от джуна до самостоятельного инженера.
В выпуске:
Timeline
00:00 - Зачем заново определять путь джуна в эпоху AI
01:07 - Почему одинаковое демо не означает одинакового понимания системы
02:38 - Артефакт, рабочая задача и развитие системы
08:22 - Что исследования говорят об ускорении начинающих инженеров
12:30 - Почему опыт в конкретной задаче важнее формального грейда
17:51 - Почему ускорение написания кода теряется на пути к выпуску
19:08 - Джуну отдали весь продукт: как справиться с ответственностью
22:27 - Как агенты убирают нижнюю ступень инженерного обучения
25:44 - Как делегировать работу агенту и сохранить собственное суждение
30:21 - Рост от готового артефакта к ответственности за систему
36:43 - Стабильность, защитные ограничения и инженерные компромиссы
42:55 - Ответственность мидла и портфель решённых инженерных задач
46:17 - Интервью, на котором видна работа кандидата с агентом
49:30 - Как превратить ученичество в работающую систему
51:57 - Код дешевеет, инженерное суждение — нет