Разговаривал вчера с коллегой из серийного стартапа. У них два сеньор-разработчика, AI-агент на Claude 3.7 и десяток сервисов вроде Cursor и GitHub Copilot. Вопрос: кого ещё нанимать? И этот вопрос сейчас мучает каждого CTO. Эпоха, когда состав команды был предсказуем — тимлид, пара бэкендеров, фронтендер, два тестировщика, дизайнер, пара продактов — закончилась в 2025 году. 2026-й переписал правила игры.
Кодирующие агенты, автономные AI-ассистенты и платформы вроде LangChain Agent Builder убивают классические процессы. PRD умирают, роли размываются, а количество людей в команде сокращается. Но не всё так однозначно. Есть задачи, где AI не просто бесполезен — он опасен. Давайте разберём, кого и зачем нанимать в команду веб-продукта в 2026, а кому стоит немедленно перепоручить работу цифровым агентам.
Ключевая мысль: 2026 год — это не про „заменим людей AI“. Это про „пересобери команду так, чтобы каждый человек делал то, что AI не может, а AI делал то, что люди не должны“. Если вы нанимаете человека на задачу, которую может делать дёшево и надежно AI-агент, вы проигрываете конкурентам в скорости и бюджете.
Разбираем Z-роли: что реально делает человек в 2026
Возьмём классические роли и посмотрим, как они трансформировались. Спойлер: некоторые исчезли, другие мутировали, третьи появились из ниоткуда.
1 Продакт-менеджер: от писателя PRD до дирижёра агентов
В 2025 году классический PM тратил 60% времени на написание и согласование требований. Сейчас это занятие умирает. Современные AI-агенты не нуждаются в 20-страничных документах. Вы даёте им постановку в сто слов, агент задаёт уточняющие вопросы и сам пишет код. PM превращается в AI Orchestrator — он формулирует бизнес-задачи, проверяет гипотезы и управляет контекстом, который подаётся агентам.
Но PM нужен, когда требуется глубокая эмпатия к пользователю, понимание бизнес-контекста и политических нюансов внутри компании. AI не поймёт, почему функция X не может быть реализована из-за негласного контракта с партнёром. Не доверяйте агенту negotiation с заказчиком — там нужен человек.
2 Разработчик: сеньор + AI как новая базовая единица
Джуниоры переживают кризис: по данным Гарварда и Стэнфорда, найм джунов сократился на 67%. Причина — AI-агенты (Cursor, Claude Code, GPT-5) пишут рутинный код быстрее и чище, чем человек с опытом до года. Теперь команда выглядит так: один сеньор-разработчик управляет тремя-четырьмя AI-агентами. Он ревьюит код, задаёт архитектуру и решает проблемы, которые агенты не могут разрулить сами.
⚠️ Ловушка: Не пытайтесь заменить сеньора парой джунов и AI. AI-агенты умеют писать код, но не умеют видеть систему целиком. Legacy-рефакторинг, оценка технического долга, выбор между распределённой монолитной архитектурой — эти решения требуют многолетнего опыта. Экономия на сеньоре в 2026 — самая дорогая ошибка.
3 QA-инженер: мёртв или переродился?
Ручное тестирование интерфейсов — кандидат номер один на вымирание. AI-агенты на основе vision models (GPT-5 мультимодальный, Gemini 2.5) проходят регрессионные тесты быстрее, находят баги и даже генерируют unit-тесты по коду. Но остаётся область, где AI бессилен: тестирование бизнес-логики, где нужно понимание предметной области, и особенно — нагрузочное тестирование с нестандартными сценариями (пиковые нагрузки на 28 февраля, когда база падает от расчёта зарплат). QA нового образца — это Test Architect, который проектирует систему автоматизированных проверок и вмешивается, когда агент даёт ложноположительную/отрицательную реакцию.
4 DevOps/SRE: инфраструктура как код, но код пишет AI
DevOps-инженер 2026 — это человек, который умеет давать промпты для генерации Terraform-скриптов и Ansible-плейбуков, ревьюить их и разбираться с инцидентами. AI отлично пишет IaC, но когда production ложится из-за неправильного лимита в VPC — звонить придётся человеку. AI не обладает чувством ответственности. Он не проснётся в 3 ночи от PagerDuty. SRE-роль остаётся, но команда может быть меньше (один человек на кластер из 50 микросервисов, если AI управляет автомасштабированием и alerting'ом).
Когда AI не поможет: чёрный список задач
В 2026 многие стартапы делают фатальную ошибку — пытаются автоматизировать всё. Давайте честно: есть зоны, где AI пока (и, вероятно, ещё долго) будет проваливаться.
- Архитектурные решения с риском для бизнеса. Выбор между event-driven архитектурой и очередями сообщений — это не про написание кода. Это про оценку компромиссов (стоимость, надёжность, консистентность). AI не видит долгосрочных последствий.
- Безопасность и комплаенс. AI-агенты могут генерировать код с дырами. Человек-безопасник, который понимает контекст (GDPR, SOC 2, специфичные требования клиента), незаменим.
- Сложная интеграция с legacy-системами. Старые COBOL-мейнфреймы, проприетарные протоколы — AI не разберётся с индустриальным говнокодом, написанным в 90-х.
- Межличностные конфликты и политика. Умение разрулить спор между двумя сеньорами, которые не могут договориться о стеке, — чисто человеческий навык.
- Креативность высшего порядка. Генерация уникального UX для нишевого продукта, где нет аналогов, — AI предлагает вариации на основе прошлого. Иногда нужно изобрести велосипед заново (парадокс: синдром NIH жив, но в некоторых случаях он оправдан).
Правило большого пальца: Если задача требует ответственности, контекстного понимания рисков или творческого прорыва — не суйте туда AI. Используйте AI для грязной работы, а людей — для принятия решений.
Сколько людей нужно на разных стадиях?
Вот минимальный состав команды, который работает в 2026. Цифры основаны на реальных кейсах из моей практики и отчётах Y Combinator W26.
| Стадия | Классическая команда (2022) | Команда 2026 (с AI) |
|---|---|---|
| MVP / Pre-seed | 2–4 человека (full-stack + дизайнер + PM) | 2 человека: 1 сеньор-разработчик (работает с Cursor/Claude Code) + 1 PM (он же дизайнер, работает с AI-генерацией UI). |
| Seed / Product-Market Fit | 5–8 человек (бэкенд, фронтенд, QA, DevOps, PM, дизайнер) | 3–4 человека: 2 сеньор-разработчика (один — бэкенд/инфра, другой — фронтенд/AI интеграции), 1 PM, 1 тест-архитектор (частично заменён AI). Дизайн — AI + PM. |
| Growth / Series A | 12–20 человек | 6–8 человек: 3–4 сеньор-разработчика, 1–2 PM, 1 SRE, 1 аналитик данных (работает с AI-агентами). Без джунов. |
| Scale / Series B+ | 30+ человек | 15–20 человек: 8–10 сеньоров, 2–3 PM, 1–2 QA architect, 1–2 SRE, Data Engineer, Security Engineer, AI Ethics Advisor (да, это стало ролью). Джуниоры — только через стажёрские программы. |
⚠️ Важное предостережение: Не пытайтесь скопировать состав команды из таблицы, не оценив свой контекст. Если ваш продукт — медицинская платформа, безопасности и комплаенсу нужно больше людей. Если вы делаете простой лендинг-генератор, можно работать вообще вдвоём. Главное — не нанимать лишних.
Новые роли, которые стоит ввести прямо сейчас
2026 год породил несколько специализаций, без которых эффективная работа с AI невозможна.
- AI Agent Orchestrator — человек, который управляет пулом AI-агентов: раздаёт задачи, проверяет результаты, итеративно улучшает промпты. Часто бывший PM или сеньор-разработчик.
- Data Curator / Knowledge Engineer — готовит данные для fine-tuning, создаёт векторные базы, обеспечивает чистоту контекста. Без него агенты будут галлюцинировать на каждом шагу.
- AI Security & Ethics Advisor — роль, которая появилась после пары громких инцидентов (AI-агент случайно задеплоил конфиденциальные данные). Следит за безопасностью применения AI, настройкой guardrails.
- Solutions Architect (AI-augmented) — архитектор, который не пишет код, но рисует схему, как люди и AI будут взаимодействовать в системе. Критически важен для сложных продуктов.
Аудит текущей команды: тест-драйв для CTO
Если вы до сих пор не знаете, кого заменить AI, а кого оставить — проведите простой аудит. Выпишите все задачи каждого члена команды за неделю. Для каждой задачи ответьте на три вопроса:
- Может ли AI-агент сделать это быстрее и дешевле? Если да — делегируйте.
- Если AI ошибётся, какова цена ошибки? Высокая — оставьте человеку, низкая — отдавайте агенту (с ревью).
- Требуется ли глубокая бизнес-экспертиза или контекст? Если да — человек незаменим.
Пример: задача „написать unit-тесты для сервиса платежей“ — AI справится, ошибки редки, бизнес-экспертиза не нужна. Отдаём. Задача „согласовать с финансовым директором требования к отчётности“ — только человек.
Что мы забыли? (или намеренно проигнорировали)
Пару слов про то, о чём молчат консультанты. Культура команды. Когда вы заменяете людей AI, моральный дух оставшихся падает. Они боятся, что следующий — они. Не забудьте вложиться в коммуникацию: объясните, что AI — это инструмент для снятия рутины, а не замена экспертов. И ещё: не верьте, что AI-агенты „бесплатны“. Счёт за API Claude/GPT-5 для команды из 5 сеньоров может превысить зарплату двух джунов. Считайте TCO.
И наконец, главный неочевидный совет: не пытайтесь внедрить AI сразу везде. Начните с одного узкого места — например, с генерации кода для повторяющихся задач. Сделайте это хорошо, измерьте эффект, а потом расширяйтесь. Переход к команде 2026 — это эволюция, а не революция. Если вы уволите половину команды за месяц, продукт развалится, а оставшиеся сбегут.
