Почему поздно учить автоматизацию
Идея этого поста пришла мне в голову, когда неделю назад мы с менторами, SDET крупных международных компаний, на регулярной встрече обсуждали перспективы рынка автоматизаторов и пришли к довольно интересным выводам.
Но прежде чем я поделюсь нашими заключениями, давайте отмотаем время на пять лет назад и вспомним, почему почти каждый мануальщик мечтал уйти в автоматизацию.
- Более интересные и сложные задачи: Фактически гибрид тестирования и разработки.
- Востребованность на рынке: Соотношение вакансий было примерно 70/30 в пользу автоматизаторов.
- Высокая зарплата: Автоматизация требовала больше навыков и постоянного обучения, поэтому и оплачивалась лучше.
Для позиций начального уровня было достаточно уметь писать простой код на Python, Java или JS, обладать структурным мышлением и понимать CSS/XPath, дерево DOM, Git и базовые библиотеки вроде Selenium. Именно поэтому путь из manual QA в автотесты был таким популярным и не занимал вечность. Я сама прошла этот путь много лет назад и не могу сказать, что это было чем-то запредельно сложным.
На современном рынке автоматизаторы все еще нужны, но сегодня эта позиция уже чаще всего подразумевает специалиста, который умеет работать с инструментами ИИ-разработки. Он ставит задачи AI и контролирует, что код получился поддерживаемым, чистым, красивым и быстрым. Некоторые из присутствовавших на встрече SDET код уже не пишут — по поводу чего, впрочем, они переживают. Я ещё пишу, но уже в режиме ML Evaluation Engineer.
Теперь давайте подумаем, что ожидает нас в перспективе 2-3 лет. Очевидно, что AI-модели и инструменты (например, Claude Code) будут развиваться, обучаться и писать код все лучше и лучше и в конце концов достигнут уровня крепкого девелопера широкого профиля, который в зависимости от задачи может и качественный код написать, и приличными тестами его покрыть.
Следовательно, ни «чистые» программисты, ни тем более автоматизаторы станут рынку не нужны.
Что же делать? Следует ли срочно бросать IT и «переквалифицироваться в управдомы» сантехников/водителей грузовика, как рекомендуют в некоторых американских айтишных чатах?
Мы с коллегами полагаем, что выход все-таки есть. Да, AI-модели уже генерируют неплохой код на низком уровне. Но в перспективе нескольких лет те проблемы, что есть сейчас — неспособность создавать стройную и поддерживаемую архитектуру и обеспечивать нужный уровень качества — с большой вероятностью сохранятся.
Ведь качество работы AI-модели сильно зависит от объема исходных данных для её обучения. И если с примерами работающего кода для обучающих выборок никаких проблем нет, то описаний архитектуры программного обеспечения и, главное, качественной архитектуры, намного меньше.
Поэтому все равно кто-то будет должен управлять тем, насколько разрабатываемый софт получается поддерживаемым, масштабируемым и поэтому окупаемым. То есть вопрос качества перейдет на более высокий уровень.
Подводя итог, вашей целью на ближайшие пару лет должен стать высокий уровень знаний в системном дизайне и архитектуре, умение формулировать требования — как бизнес-, так и системные, — и конечно, понимание работы AI-моделей.
Но прежде чем достичь этой цели, нужно будет прокачать и программирование. Не для того, чтобы писать ассерты для автотестов, а чтобы получить возможность перейти на следующий, архитектурный уровень.
План:
1. Прокачиваем программирование на любом языке до уровня сеньора.
2. Погружаемся в архитектуру и system design.
3. Изучаем бизнес-анализ и конкретную предметную область.
Да, учитывая основную работу и, возможно, семейные обязанности, это может быть сложно. Ну а кто сказал, что в IT будет легко?..
