The Economist (30.08.2026) разбирает, почему программисты — единственная профессия, массово использующая ИИ на уровне ежедневной работы, и сможет ли кто-то догнать их. Издание выделяет четыре структурных фактора, делающих код аутлиером на ИИ-рынке, и показывает, почему ответ на вопрос о догоняющих решает устойчивость всего текущего инвестиционного цикла в центры обработки данных.

Что произошло

Ядро статьи экономическое, а не техническое: новых моделей, бенчмарков и методов в ней нет. The Economist называет четыре фактора, делающих программирование особенным: объём открытых обучающих данных (open-source код составляет почти 1/5 обучающих датасетов), простоту проверки вывода (тесты), доступность контекста в цифровом виде (кодбейсы и API) и культуру ранних внедрений самих инженеров. Публикация подкрепляет это рыночными цифрами: по данным Stack Overflow, ИИ-инструменты для кода используют 4/5 разработчиков; суммарный ARR четырёх AI-кодинг-стартапов Cognition, Cursor, Lovable и Replit вырос со примерно $800 млн в июне 2025 года до примерно $6 млрд; а по данным SemiAnalysis за Q2 2026, кодинг даёт более половины совокупного ARR OpenAI и Anthropic.

Контекст

Фон для анализа задаёт экономика строящихся сейчас центров обработки данных. Сегодня совокупный годовой доход от использования ИИ оценивается примерно в $150 млрд, однако по расчётам The Economist для окупаемости строительства ЦОДов эта цифра должна вырасти до $2,5 трлн к концу 2020-х. Это означает, что спрос на ИИ должен выйти далеко за пределы разработки кода, именно поэтому публикация ищет, какая профессия может догнать программистов, и показывает, насколько высок планку устанавливает кодинг-сегмент.

Почему это важно для индустрии

Для отрасли устойчивость текущего инвестиционного цикла зависит от того, распространится ли спрос на ИИ за пределы программирования. Ближайшие кандидаты уже демонстрируют рост: в юриспруденции Harvey, Clio и Legora удвоили суммарный ARR за год до примерно $1 млрд; в финансах Rogo прибавил 100 enterprise-клиентов и увеличил ARR на 50% за квартал; в клиентском сервисе Sierra вышла на $200 млн ARR, а в ИИ для этого сектора в этом году влили $3 млрд — больше, чем в любую другую категорию ИИ-приложений. При этом все эти вертикали структурно отстают: у них мало публичных данных, нет дешёвой автоматической проверки результата, а значительная часть знаний существует вне цифрового формата. В кодинге рынок уже перешёл к консолидации: собственные инструменты OpenAI и Anthropic захватывают доминирующую позицию, а инвестиции в независимые кодинг-стартапы застопорились, поэтому главная возможность смещается к построению решений поверх инструментов лабораторий и к созданию слоя верификации вывода в соседних нишах.

Почему это важно для пользователей

Для читателя статья даёт простой диагностический чек-лист: объём открытых данных, тестируемость вывода, цифровая доступность контекста и культура ранних внедрений в профессии. Если ваша область отвечает этим критериям, у неё есть шанс стать следующей массовой нишей для ИИ; если нет, основными затратами станут слой верификации и интеграция контекста. Для разработчиков вывод в том, что их сегмент остаётся самым зрелым на рынке: ниша прошла пилотную фазу и превращается в инфраструктуру всей индустрии. Для специалистов из других областей практический смысл в том, что препятствие для внедрения ИИ в их работу чаще всего — не качество модели, а отсутствие автоматической проверки результата и публичных данных.

Что пока неизвестно / ограничения

Цифра $2,5 трлн — это экстраполяция от окупаемости строительства ЦОДов, а не технический прогноз: в статье нет методологии, сценариев и связи с измеримым прогрессом возможностей моделей. Приведённые ARR-метрики подтверждают масштаб спроса, но ничего не говорят об уровне решаемых задач, доле ошибок и степени автоматизации работы. Пока неизвестно, появится ли вторая ниша с кодинг-характеристиками и будет ли решена проблема верификации вывода в некодинг-доменах.

Источники

Автор

Look at AI, редакция