«Ничто не доставило бы мне большей радости, чем если бы наши инженеры вообще не писали код, а просто решали неизведанные проблемы», — подчеркнул Хуанг. Он рассматривает написание кода как задачу, а не как конечную цель.
Эта идея лежит в основе концепции «Цель против Задачи» (Purpose vs Task), которую Хуанг активно продвигает. Он считает, что код — это лишь инструмент, а настоящая миссия инженера заключается в поиске и решении проблем, которых раньше никто не решал.
На ноябрьском собрании сотрудников Хуанг резко отреагировал на предложения сократить использование ИИ. «Вы что, с ума сошли? Я хочу, чтобы каждая задача, которую можно автоматизировать с помощью искусственного интеллекта, была автоматизирована», — заявил он. По его мнению, работа сотрудников станет более амбициозной, а не исчезнет.
Хуанг приводит пример радиологии, чтобы показать, что автоматизация рутинных задач не уничтожает рабочие места, а, наоборот, увеличивает их ценность.
Ранее пионер ИИ Джеффри Хинтон предсказал, что радиологи станут невостребованными, поскольку компьютеры смогут быстрее читать снимки. На практике же число радиологов и их зарплаты продолжали расти. Хуанг объясняет это тем, что чтение снимков всегда было лишь рутинной задачей, а настоящая цель специалистов — точная диагностика и выбор эффективного лечения. Когда ИИ взял на себя рутинную работу, человеческий опыт стал более востребованным, а специалисты получили возможность сосредоточиться на сложных задачах.
Генеральный директор Google Сундар Пичаи в прошлом году сообщил, что искусственный интеллект теперь создает более 30% нового кода в компании. В свою очередь, глава Anthropic Дарио Амодей отметил, что их модель Claude генерирует 90% всего кода в фирме.
Не все разделяют оптимизм по поводу ИИ-программирования. Майкл Труэлл, генеральный директор Cursor, предупреждает о рисках вайб-кодинга — подхода, при котором разработчики позволяют ИИ генерировать код без контроля. Андрей Карпатый, бывший директор по ИИ в Tesla, добавляет, что его собственный проект Nanochat пришлось писать вручную, так как ИИ-агенты оказались недостаточно надёжными.
Исследование Model Evaluation and Threat Research показало, что опытные разработчики с ИИ-инструментами на самом деле работают на 19% медленнее, чем без них, хотя сами считают, что ускорились на 20%. Это ставит под сомнение реалистичность видения Хуанга о будущем программирования «без кода».
