Когато AI пише кода: какво остава за програмиста?

Пиша код. Докога ще е професия?

Този въпрос боли, защото зад него стоят години учене, провалени интервюта, вечери над грешка, която накрая се оказва един ред. А после виждаш как AI пише кода по описание и се питаш дали част от онова, което си изграждал толкова дълго, вече се продава като месечен абонамент.

Лесно е да кажем „програмисти винаги ще трябват“. Само че човекът, който се тревожи за следващата си заплата, има право на по-сериозен отговор. Една професия може да продължи да съществува и едновременно с това да предлага по-малко места, по-труден вход и съвсем различни изисквания.

Според мен точно този риск заслужава разговор. Ще има ли работа за програмисти, когато все повече хора могат да създават софтуер? И какво трябва да умееш, за да има причина някой да потърси точно теб?

Новините вече стигат отвъд впечатляващото демо

На 16 септември 2026 г. GitHub публикува разказ за пренаписването на средата, която изпълнява Copilot агентите, от TypeScript към Rust. Компанията съобщава за над 800 000 реда производствен код, повечето написани от AI агенти, и работа, извършена основно от един разработчик за няколко месеца. Промените са внедрявани постепенно чрез 128 pull request-а. Това е един от разказите на частен проект, а не независимо измерване на производителността на цялата професия. Но вече говорим за реална система, не само за демонстрационен сайт. Източник: GitHub, актуализирано на 23 септември 2026 г.

Данните за работните места са по-сложни. В изследване от 5 март 2026 г. Anthropic поставя програмистите сред професиите с най-висока изложеност на AI според своята методика. Авторите не установяват систематично увеличение на безработицата при силно изложените професии в разглежданите американски данни, но намират предварителни сигнали за забавено наемане на хора на възраст 22–25 години. Това не е доказателство, че рискът е изчезнал, нито пък е измерване на българския IT пазар. Източник: Anthropic, Labor market impacts of AI.

През септември Anthropic представя и модел с различни сценарии за американската икономика до 2030 г. При част от допусканията растежът се ускорява, но перспективите за заетост и заплащане на хората, извършващи интелектуален труд, се влошават. Това са условни сценарии, не прогноза с обещана дата на изпълнение. Самата компания посочва и ограниченията на модела. Източник: Scenarios for our Economic Future.

Моят извод от тези публикации е неудобен: по-способният софтуер и по-сигурната работа не вървят задължително заедно. Възможно е да създаваме повече и едновременно с това част от хората да намират по-трудно мястото си.

Когато AI пише кода, кой решава какво означава „готово“?

Представи си следния пример: собственик на малък бизнес иска система за записване на часове. Описва екраните, получава календар, форма и бутон за потвърждение. Първата резервация минава. Изглежда готово.

После двама клиенти запазват един и същ час почти едновременно. Служител вижда чужди лични данни. Изпратеното потвърждение не отговаря на записа в базата. Външната услуга за съобщения спира, но приложението продължава да показва „успешно“.

Това е илюстративен сценарий, а не твърдение, че всеки генериран проект има тези дефекти. Той показва колко много работа стои зад простото „направи ми система“: правила за достъп, едновременни заявки, обработка на откази, наблюдение и възстановяване.

AI може да помогне и с тези задачи. Не е разумно да обявяваме днешните му слабости за вечна защита на професията. Практическият въпрос е кой ще зададе условията, ще провери поведението и ще вземе решение дали резултатът е достатъчно надежден за конкретния бизнес.

Работещият екран е начало. Обещанието към потребителя продължава и след него.

Професията може да остане, а твоето място да изчезне

Тук успокоителните статии често спират твърде рано. Изреждат архитектура, комуникация и отговорност и стигат до извода, че всичко ще бъде наред.

Но нуждата от човешка преценка не определя броя на необходимите хора. Ако един екип успява да свърши повече работа, фирмата може да поеме нови проекти. Може и да намали наемането. Изборът зависи от търсенето, бюджета, конкуренцията и решенията на ръководството. Няма технически закон, който задължава спестеното време да се превърне в нови работни места.

Същевременно по-достъпната разработка може да направи възможни продукти, които преди не са оправдавали разхода. Малка организация може да получи собствен инструмент, а програмист да тества идея с по-малко начален ресурс. Това е възможност, не доказателство, че новото търсене непременно ще компенсира всяка загубена позиция.

Затова и фразата „AI няма да те замени, ще те замени човек, който използва AI“ е твърде удобна. Тя превръща сложна икономическа промяна в личен изпит. Можеш да използваш инструментите добре и пак да попаднеш в компания, която съкращава екипа си.

Адаптацията увеличава възможностите ти. Не е застраховка.

За начинаещите залогът е още по-личен

Опитният разработчик има натрупан контекст: виждал е провалени внедрявания, подвеждащи изисквания и решения, които изглеждат елегантни, докато някой не трябва да ги поддържа. Начинаещият тепърва изгражда тази преценка.

Ако фирмите автоматизират част от малките задачи, възниква проблем: точно чрез такива задачи човек може да се научи да чете чужд код, да получава обратна връзка и да носи постепенно по-голяма отговорност. Да кажем на всички „станете архитекти“ не решава въпроса откъде ще дойдат следващите опитни инженери.

Тук има работа и за работодателите. Менторството, прегледът на решения и постепенното включване в реални системи трябва да бъдат съзнателна инвестиция. Иначе очакваме готови специалисти, докато ограничаваме възможностите те да станат такива.

За учещия най-опасният капан е да обърка готовия проект със собствено умение. Ако AI е създал приложението, а ти не можеш да обясниш как се проверява паролата, къде се съхраняват данните и какво става при грешка, портфолиото ти обещава повече, отколкото можеш да защитиш.

Това не означава да учиш без AI. Използвай го като събеседник: поискай обяснение, предложи свое решение, намери контрапример. След това промени изискването и опитай сам да проследиш последствията. Именно там започва разбирането.

Повече генериран код не е достатъчно доказателство за напредък

Дори измерването на ползата от AI се оказва трудно. През февруари 2026 г. METR обяснява защо променя експеримента си за производителност: отказът на част от разработчиците да работят без AI и подборът на задачи правят новите оценки ненадеждни. През май организацията публикува анкета сред 349 технически специалисти с положителни самооценки за ползата, но изрично предупреждава, че усещането за продуктивност може да надценява действителния ефект. Източници: METR — промяна на експеримента и анкета от май 2026 г..

За един екип това има съвсем практичен смисъл. Мери времето до проверена и внедрена промяна, включително прегледа, поправките и възникналите проблеми. Ако генерирането отнема минути, а разбирането и поправянето — дни, броят редове прикрива истинския разход.

Понякога най-полезното решение е да изтриеш ненужна функционалност или да зададеш въпрос, който спестява цял проект. За такава работа няма впечатляващ брояч на произведения код.

Какво си струва да развиваш още сега

Бих започнал с четири конкретни навика:

• Изяснявай задачата, преди да генерираш решение. Опиши кой ще използва системата, как изглежда успехът и кои грешки са неприемливи. За резервациите това включва и какво става при две едновременни заявки за един час.
• Проверявай отвъд щастливия сценарий. Пробвай отказан достъп, невалидни данни, повторена заявка и недостъпна външна услуга. Тестовете трябва да проверяват изискванията, включително когато AI е написал и тях.
• Поддържай основите си. Бази данни, мрежи, структури от данни, сигурност и дебъгване ти дават език, с който да разпознаеш проблема. Упражнявай се да обясняваш и променяш малки части от проекта без помощ.
• Показвай решенията си, не само крайния екран. В портфолиото опиши избраните компромиси, проверките, ограниченията и конкретния принос на AI. Така читателят може да прецени твоето разбиране.

Не е нужно да изпробваш всеки нов инструмент в седмицата на появата му. По-полезно е да завършиш един малък проект, да го дадеш на реален потребител и да разбереш защо той прави нещо, което изобщо не си предвидил.

Пиша код. Какво още мога да обещая?

Страхът за работата не е доказателство, че си лош програмист. Той е разбираема реакция, когато умение, в което си вложил години, започва да се автоматизира пред очите ти. Няма нужда да се преструваме, че това е само вълнуваща възможност.

Бих заложил на способността да поемеш конкретен проблем: да го разбереш, да използваш подходящите инструменти и да докажеш, че решението работи в условията, за които е създадено. Колко от кода ще напишеш лично може да се променя. Преценката ти трябва да издържа проверка.

Ако тепърва започваш, можеш да разгледаш безплатния урок по програмиране в codeLab като първа стъпка към това разбиране. Ученето има смисъл, когато ти помага да виждаш какво стои зад работещия екран.

Следващия път, когато AI ти даде готов код, спри за момент преди „Приемам“. Можеш ли да обясниш защо му вярваш — и с какво би доказал, че греши?

Това вече е професионален въпрос.