- Инженер Amazon Анни Чен рассказала, что активное использование ИИ помогло ей быстрее перейти от начальной позиции к роли старшего инженера.
- По словам Чен, сейчас около 95% её кода генерирует ИИ, но итоговый результат она проверяет сама.
- В Amazon она пришла в 2022 году, а позже перешла от работы над виджетами рекомендаций к продуктам с генеративным ИИ и созданию отдельной команды.
Инженер Amazon Анни Чен рассказала, что работа с инструментами искусственного интеллекта помогла ей быстрее расти внутри компании. Чен пришла в Amazon в 2022 году на стартовую позицию инженера-программиста I, а затем, после работы над ИИ-продуктами, получила повышение сначала до инженера II уровня, а потом до старшего инженера.
Свою карьеру в компании Чен начинала в команде рекомендаций, где занималась виджетами. Около двух лет назад она стала параллельно работать над продуктами на базе генеративного ИИ. В итоге она занялась отдельным направлением и стала основателем собственной команды. Сейчас её работа связана с так называемой «памятью» в ИИ-сервисах Amazon — механизмом, который помогает персонализировать ответы и поведение системы для пользователя.
По словам Чен, первым практическим сценарием для ИИ у неё стала генерация более привлекательных заголовков для рекомендательных виджетов после появления ChatGPT и Claude. Позже она начала использовать ИИ и для программирования. Сейчас, как утверждает инженер, почти 95% её кода создаёт ИИ. При этом она подчёркивает, что такие инструменты не снимают с разработчика ответственности: код нужно понимать, проверять и анализировать по ходу работы, а не только в финале.
Чен советует разработчикам разбираться в том, как работают большие языковые модели, где они ошибаются и почему не всегда понимают задачу. Она отдельно упоминает ограничения контекстного окна — объёма данных, который модель может удерживать в одном запросе. Поэтому сложные задачи лучше делить на части. Ещё один совет — не полагаться слепо на «вайб-кодинг», когда код принимают почти без критики, а сначала продумывать решение самостоятельно и только потом сравнивать его с ответом ИИ.
По её словам, особенно важно заранее задавать системе и себе вопросы о масштабировании, сбоях и резервных сценариях. Чен добавляет, что ИИ снижает порог входа в написание кода, но не избавляет инженера от необходимости разбираться в собственной работе. Проверку и интерпретацию кода она по-прежнему считает задачей человека.
Контекст
Тема «вайб-кодинга» и роли ИИ в разработке активно обсуждается в отрасли. Ранее Линус Торвальдс говорил, что позитивно относится к такому подходу для быстрых экспериментов, но сомневается в его пригодности для поддержки и сопровождения кода.
Что это значит на практике
Для разработчиков эта история показывает, что ИИ уже используют не только как помощник для черновой работы, но и как инструмент ускорения повседневной разработки. Для компаний это ещё одно подтверждение: выгоду даёт не просто генерация кода, а сочетание ИИ-инструментов с обязательной инженерной проверкой и пониманием ограничений модели.
