У Uber искусственный интеллект всё меньше похож на эксперимент «для презентаций» и всё больше — на инструмент управления ростом штата. В 2026 году компания увеличивает расходы на ИИ и при этом нанимает осторожнее: гендиректор Дара Хосровшахи сказал, что автономные агенты уже создают примерно 10% изменений в коде Uber, но перед попаданием в репозиторий этот код по-прежнему проверяют сотрудники ^[10].

Главный смысл этой стратегии — не в том, что инженеры больше не нужны. Uber пытается изменить саму математику разработки: получать больше результата от уже работающих команд, а часть будущего прироста инженерной мощности закрывать не новыми людьми, а ИИ-агентами, инструментами, вычислениями и автоматизацией процессов ^[5][10].

Не «замена всех», а новая формула найма

Uber описывает происходящее как более аккуратное, «дозированное» наращивание численности сотрудников на фоне роста инвестиций в ИИ ^[10]. Хосровшахи говорил, что хочет, чтобы сотрудники с помощью ИИ повышали отдачу на 20%, 30%, 50% или даже 100% ^[10].

Для найма это важный сдвиг. Раньше рост инженерной нагрузки почти автоматически означал новые вакансии. Теперь компания может сначала спросить: можно ли закрыть часть этой нагрузки агентом, помощником для разработчика, автоматизированным тестированием или дополнительными GPU-ресурсами? Хосровшахи также допускал более долгосрочный сценарий, при котором часть прироста инженерного штата может быть заменена связкой ИИ-агентов и GPU, хотя текущая модель всё ещё оставляет человека в контуре ^[5][10].

Что ИИ уже делает в разработке Uber

Внутри инженерии Uber сдвиг идёт от простого автодополнения к более активному участию ИИ в поставке программного обеспечения. Технический директор компании Правин Неппалли Нага сказал, что Uber «сильно вложился» в ИИ-кодинг, что 95% инженеров компании используют ИИ-инструменты каждый месяц, а внутренний ИИ-агент делает около 1 800 изменений кода в неделю ^[13].

Это не означает, что весь такой код автоматически отправляется в продакшн. Ключевой предохранитель — человеческое ревью: по словам Хосровшахи, сотрудники проверяют сгенерированный ИИ код до того, как он добавляется в репозиторий ^[10].

Работа над продуктивностью разработчиков у Uber шире, чем генерация фрагментов кода. В описании сессии Developer Productivity Engineering говорилось, что компания инвестирует в ИИ на разных этапах жизненного цикла разработки ПО, чтобы помогать разработчикам «Ship Quality Faster»: от настройки кодовых ассистентов под большие монорепозитории до агентных систем для масштабных миграций кода, ИИ-тестирования и ИИ-поддержки код-ревью ^[14].

Почему слово «агент» здесь ключевое

Самая важная ставка — не просто на подсказки в IDE, то есть в среде разработки, где программист пишет код. Uber движется к агентной разработке: инструмент получает более крупную задачу, использует контекст проекта, готовит изменения и может передать их человеку на проверку.

По данным разбора The Pragmatic Engineer, 84% разработчиков Uber были пользователями агентного кодинга — то есть работали с агентами в командной строке или делали больше агентных запросов, чем обычных запросов на автодополнение в IDE ^[8]. Там же говорилось, что 65–72% кода внутри IDE-инструментов генерировалось ИИ ^[8].

Эти цифры нельзя напрямую складывать с заявлением о 10%. Показатель 10% относится к изменениям кода, подготовленным автономными агентами, а диапазон 65–72% — к коду, сгенерированному внутри IDE-инструментов ^[8][10]. Проще говоря, ИИ может помогать писать гораздо большую долю чернового кода, чем та доля изменений, которая формально считается работой автономных агентов.

Как это снижает потребность в новых вакансиях

Если та же команда выпускает больше изменений, Uber может увеличивать объём инженерной работы без такого же быстрого роста штата. Именно в этом экономическая логика: компания тратит больше на ИИ, но нанимает меньше, рассчитывая компенсировать часть потребности в людях ростом продуктивности ^[10].

При этом расходы не исчезают — они переезжают в другую строку бюджета. В сообщениях о Uber описывался всплеск использования Claude Code, из-за которого запланированный на 2026 год бюджет на ИИ-кодинг был исчерпан раньше ожидаемого; также упоминалось использование инструментов вроде Claude Code и Cursor ^[2][3]. Эти сообщения стоит воспринимать как отдельные отчёты, а не как полную картину всех расходов Uber на ИИ. Но они хорошо показывают новый компромисс: инженерная мощность всё чаще планируется как смесь людей, агентов, инструментов и вычислительных ресурсов.

ИИ выходит за пределы кода

Для Uber ИИ не начался с генерации программ. Компания уже много лет использует ИИ, например, для ценообразования поездок и подбора водителей к пассажирам ^[20]. Более новые сообщения описывают применение генеративного и агентного ИИ в поддержке клиентов, подключении водителей к платформе и отдельных частях жизненного цикла разработки, где автоматизация снижает необходимость ручного вмешательства ^[11].

Это важно: история продуктивности здесь шире, чем «инженеры быстрее пишут код». Если ИИ помогает разбирать проблемы внутренних сервисов, ускорять поддержку или убирать ручные шаги из онбординга водителей, компания снимает узкие места не только в программировании, но и в операционных процессах ^[11].

Что это значит для инженеров

Пока данные указывают на модель контролируемой ИИ-разработки, а не на компанию без инженеров. Агенты готовят больше работы, но люди по-прежнему проверяют ИИ-код перед объединением с кодовой базой ^[10]. Инженеры сохраняют ответственность за архитектуру, техническое суждение, ревью, отладку и качество в продакшне, тогда как ИИ забирает всё больше черновой, миграционной, тестовой и повторяющейся реализации ^[10][14].

Есть и важная оговорка: публичные показатели Uber лучше показывают масштаб внедрения ИИ и объём кодовой активности, чем точный, независимо проверенный прирост продуктивности. Но направление уже понятно. Для найма давление, скорее всего, приходится прежде всего на прирост новых ставок: Uber может продолжать наращивать инженерные возможности, добавляя меньше сотрудников, чем потребовалось бы без ИИ, если заявленные выгоды подтвердятся в реальных рабочих процессах ^[10].