John McNeill: AI acelerará la contratación en TI por la demanda de infraestructura y arquitectura

AI не уничтожит техвакансии, а перестроит их. Бывший президент Tesla и глава DVx Ventures Джон Макнилл считает, что по мере роста AI-систем компаниям понадобится больше людей, которые умеют держать в рабочем состоянии инфраструктуру, сети и многослойную архитектуру продуктов.

Спрос на инфраструктуру

Главный аргумент Макнилла прост: AI быстро упирается не только в модели, но и в физическую и сетевую сложность вокруг них. Чем больше компаний запускают обучение и inference, тем выше спрос на вычисления, серверы, GPU-кластеры, синхронизацию узлов и обслуживание сетей. Это уже не история про один ноутбук с API.

Речь идёт о фермах серверов, где каждый сбой стоит дорого, а устойчивость системы зависит от людей, которые понимают, как работают связка железа, сетевого софта и памяти с высокой пропускной способностью. По словам Макнилла, особенно заметно это в инфраструктурных командах. GPU выходят из строя, их приходится менять, заново синхронизировать и встраивать в уже работающие кластеры.

Параллельно растёт спрос на inference — то есть на постоянное выполнение моделей в продакшене, а не только на их обучение. Это означает длинный хвост работы для инженеров: поддержка серверов, настройка сетей, мониторинг, отказоустойчивость, обновления и контроль производительности. Для рынка труда это скорее расширение, чем сжатие.

Архитектура вместо рутины Для разработчиков картина сложнее.

Макнилл признаёт, что базовое написание кода всё активнее автоматизируется: агенты уже помогают с генерацией шаблонов, QA, проверками и деплоем. Но это не отменяет роль инженера — она просто сдвигается выше. Когда продукт собирается из нескольких моделей, поисковых индексов, правил, маленьких специализированных моделей и больших LLM, кто-то должен решить, какой слой за что отвечает и где вообще нужен AI, а где хватит более дешёвого инструмента.

Этот уровень проектирования пока остаётся человеческой задачей. По сути, ценность смещается из зоны «написать функцию» в зону «собрать работающую систему». Чем шире стек, тем важнее способность разложить задачу на слои и выбрать для каждого подходящий инструмент.

Не все части продукта нужно решать токенами и большими моделями: где-то эффективнее поиск, где-то — классический ML, а где-то — связка нескольких агентов под контролем инженера. На этом фоне будут расти роли, связанные с: проектированием многослойной AI-архитектуры выбором между поиском, ML, малыми моделями и большими LLM оркестрацией агентов и синхронизацией их работы QA/QC и деплоем AI-компонентов в продакшене * оптимизацией стоимости inference и вычислительных ресурсов ## Автоматизировать в конце Отдельно Макнилл повторяет принцип, который он вынес из Tesla: automate last — автоматизацию нужно включать не первой, а последней. Он вспоминает, как ранняя автоматизация на производстве замедляла выпуск машин вместо ускорения.

Команде пришлось буквально вернуться к ручной сборке на временной линии, чтобы увидеть узкие места процесса и только потом решать, что именно стоит автоматизировать. Та же логика, по его мнению, работает и в AI-проектах: если накрыть сырой процесс дорогим софтом слишком рано, система получится жёсткой, дорогой и плохо меняемой.

«Если код пишут до того, как система упрощена и оптимизирована, менять его становится слишком сложно».

Из этого следует неприятный, но полезный вывод для техкоманд: не всякая задача требует дорогого AI-слоя. Иногда менеджмент хочет «что-нибудь на AI», хотя проблему решает обычный поиск, набор правил или небольшой ML-компонент. Макнилл советует спорить с такими запросами и сначала формулировать желаемый результат процесса. Уже после этого имеет смысл выбирать инструменты, чистить данные и строить цепочку внедрения. Иначе компании получают красивую демонстрацию вместо устойчивого продукта.

Что это значит

Прогноз Макнилла важен тем, что он сдвигает разговор с лозунга «AI заменит программистов» на более приземлённый уровень. Да, часть рутинного кодинга и операционки уйдёт агентам. Но чем глубже AI встраивается в бизнес, тем больше нужны люди, которые умеют проектировать архитектуру, держать в строю инфраструктуру и отличать реальную автоматизацию от дорогой имитации. Для IT это не конец профессий, а рост требований к уровню мышления и системной инженерии.