Kotlin все еще нужно учить, но теперь в связке с ИИ. Нейронки действительно изменили разработку, ведь boilerplate подешевел, скорость генерации кода выросла, а часть старых навыков подешевела, что уже отразилось на зарплатах. Но главный вопрос не в том, может ли ИИ написать функцию. Вопрос в том, кто будет отвечать за код, архитектуру, баги, поддержку и релиз, когда эта функция попадет в реальный продукт
В этом видео разбирают почему ИИ может замедлять скорость работы программистов, откуда берутся те самые минус 19% производительности и за какие навыки компании готовы платить. Kotlin здесь как пример прикладного знания — без понимания языка, платформы, потоков, корутин, архитектурных границ и абстракций вы не сможете нормально управлять тем, что генерирует нейронка
Если кажется, что ChatGPT, Cursor или Claude уже заменили обучение, это видео поможет трезво посмотреть на ситуацию. ИИ может быстро написать код, но не объяснит почему выбранная архитектура сломается через полгода, где спрятан технический долг, как поведет себя приложение под нагрузкой и почему поддерживаемость важнее красивого diff. Именно здесь появляется новая ценность инженера: не печатать быстрее всех, а задавать правильные ограничения, проверять решения, видеть последствия и превращать генерацию в рабочую систему
Видео будет полезно тем, кто думает, стоит ли учить Kotlin, TypeScript, Rust или любой другой язык сейчас, когда нейронки пишут код за секунды
Практический takeaway простой: ИИ — это множитель. Если у вас есть инженерная база, ИИ вас ускоряет. Если базы нет, ИИ умножает ошибки и увеличивает время на исправления
Содержание:
- 00:00 О чем видео
- 00:40 Эффективность разработчиков с ИИ
- 08:07 Ответсвенность
- 13:45 Старый майндсет
- 15:07 Что реально изменил ИИ
- 22:31 Налог на поддерживаемость
- 27:45 Итог
