Перестаньте позволять ИИ-агентам проектировать вашу архитектуру

Три организации за последний месяц. Один и тот же сценарий: кто-то открывает Claude, ChatGPT или Copilot, просит спроектировать архитектуру и получает уверенное, хорошо аргументированное предложение, которое звучит так, будто его составил очень опытный инженер. Но на самом деле AI не обдумывал задачу — он просто сопоставляет шаблоны из обучающих данных.
Основная проблема: AI патологически сговорчив
- Спросите Claude, имеет ли смысл микросервисная архитектура для команды из трех человек — он с энтузиазмом объяснит, почему это отличное решение.
- Спросите, лучше ли использовать собственный ML-пайплайн вместо управляемого сервиса — он предложит готовую архитектуру.
- Настоящие архитекторы говорят «нет» и сопротивляются усложнению. Claude не может.
Дело не во лжи или ошибках. Дело в неспособности к критически важному навыку: знать, что не нужно строить, пять раз спросить «почему» и объяснить техническому директору, что его идея, навеянная конференцией, ужасна для реальной команды.
Архитектура как башня из Дженги
Результат работы AI проходит тест с первого взгляда: event-driven там, CQRS здесь, service mesh. Но он рассчитан на медиану всего, что видел Claude — обобщенное лучшее решение для обобщенной компании. Реальная архитектура требует контекста:
- Выбрать Postgres вместо DynamoDB, потому что команда знает Postgres, и лучше сдать проект за две недели, чем учить новую модель данных.
- Отказаться от service mesh, потому что у вас четыре сервиса, а не сорок.
- Использовать монолит, потому что задача проста, а микросервисы — это лишь карьерный ход.
У AI-агента нет этого контекста — и, что хуже, он не знает, что его нет.
Конвейер тикетов в Jira
Как только архитектура принята, те же люди просят AI разбить ее на части. Он создает эпики, истории, критерии приемки — готовые к загрузке в Jira. Инженеры, годами оттачивавшие мастерство, теперь реализуют дизайн Claude, одну задачу за другой. Люди с наибольшим контекстом становятся исполнителями тикетов, а сущность с наименьшим контекстом принимает архитектурные решения.
«Но ее проверил senior»
Занятому техлиду вручают связное предложение с правильной терминологией и диаграммами. Сколько он сможет возражать, если на его «Я не уверен, что это правильно» ответят: «Claude потратил двадцать минут на это, а ты хочешь это выбросить?»
📖 Читать полный источник: HN AI Agents
👀 Смотрите также

Тонкая настройка Phi-4-mini путем обучения только параметров LayerNorm не приводит к улучшению производительности.
Энтузиаст протестировал обучение только значений γ в LayerNorm на модели Phi-4-mini в Python и медицинской областях с разными скоростями обучения и форматами данных. Производительность незначительно снизилась на всех тестах по сравнению с базовым уровнем, и автор пришёл к выводу, что трансформеры уже динамически направляют информацию через механизм внимания.

Claude Sonnet 4.6 превосходит Opus 4.6 по выполнению в бенчмарке промптов
Пользователь Reddit отправил сложный запрос обеим моделям Sonnet 4.6 и Opus 4.6; модель Sonnet показала лучший результат по критериям креативности и скрытых требований.

Зависимость от ИИ: почему чрезмерное использование LLM может подорвать базовые навыки
Контр-интуитивное мнение, утверждающее, что сильная зависимость от AI-чат-ботов приведет к атрофии навыков критического мышления, письма, исследования и обучения.

Нано-нативный рынок прокладывает путь для сотрудничества автономных агентов с NanoBazaar.
NanoBazaar, новый нано-родной рынок, революционизирует работу агентов, позволяя AI-кодирующим агентам эффективно и автономно сотрудничать. Узнайте, как эта инновационная платформа упрощает машинные транзакции.