Uber замедляет найм и переносит часть разработки на ИИ-агентов

Главный смысл ИИ-стратегии Uber в 2026 году — не «убрать программистов», а сдержать рост штата. Компания вкладывает больше денег в ИИ, нанимает осторожнее и пытается получить больше результата от уже работающих сотрудников. Самый заметный сигнал дал CEO Uber Дара Хосровшахи: примерно 10% изменений кода в компании теперь создают автономные агенты, но перед добавлением в репозиторий этот код всё равно проверяют сотрудники .

Не замена инженеров, а замена части будущих наймов

Uber не описывает будущее, где инженеры исчезают из процесса разработки. Ближайшая логика куда прагматичнее: «дозировать» рост штата и повышать производительность людей с помощью ИИ . Хосровшахи говорил, что хочет, чтобы сотрудники с помощью ИИ увеличивали свой output — условно, объём выполняемой работы — на 20%, 30%, 50% или даже 100% .

Это меняет расчёт при найме. Раньше дополнительная потребность в разработке почти автоматически означала больше инженеров. Теперь часть этой ёмкости Uber может пытаться закрывать ИИ-агентами, инструментами для программистов, автоматизацией и вычислительной инфраструктурой. Хосровшахи также рассуждал о более дальней перспективе: часть прироста инженерного штата можно будет заменить ИИ-агентами и графическими процессорами (GPU), но доступные данные по текущей практике всё ещё указывают на модель «человек в контуре» .

Что именно ИИ делает в разработке Uber

Сдвиг здесь не только в автодополнении строк кода. Uber постепенно двигается к модели, где ИИ становится активным участником разработки: получает задачи, готовит изменения, помогает с миграциями и проверками.

CTO Uber Правин Неппалли Нага говорил, что компания «серьёзно вложилась» в ИИ-кодинг: 95% инженеров Uber ежемесячно используют ИИ-инструменты, а внутренний ИИ-агент делает около 1 800 изменений кода в неделю .

Работа над продуктивностью разработчиков, судя по описанию сессии Developer Productivity Engineering, охватывает весь жизненный цикл разработки ПО. Там упоминались кастомизация coding assistants для больших монорепозиториев — то есть единых крупных хранилищ кода, — агентные системы для масштабных миграций, а также ИИ-инструменты для тестирования и code review .

Контрольная точка остаётся человеческой. Хосровшахи подчёркивал, что сгенерированный ИИ код проверяют сотрудники, прежде чем он попадает в репозиторий . Иными словами, Uber использует агентов, чтобы быстрее подготовить больше работы, но не представляет это как полностью автономную промышленную разработку без надзора.

Почему «10% изменений кода» — не то же самое, что «10% всего кода»

Вокруг таких цифр легко запутаться, потому что разные метрики описывают разные части процесса.

Число Хосровшахи — около 10% — относится к изменениям кода, которые создают автономные агенты . Отдельно The Pragmatic Engineer сообщал, что 84% разработчиков Uber относятся к пользователям agentic coding: они используют агентов командной строки или делают больше агентных запросов, чем простых запросов на автодополнение в среде разработки (IDE) . В том же разборе говорилось, что 65–72% кода внутри IDE-инструментов генерируется ИИ .

Эти показатели не противоречат друг другу. Они измеряют разное: изменения, подготовленные автономными агентами; распространённость агентных сценариев среди разработчиков; и долю кода, сгенерированного внутри IDE. Практический вывод такой: ИИ может помогать черновому написанию гораздо большей части кода, чем доля изменений, которые компания прямо относит к автономным агентам .

Как это снижает потребность в найме

Если та же команда может выпускать больше изменений, Uber получает шанс наращивать инженерную мощность без такого же быстрого роста штата. В этом и состоит экономическая логика: больше расходов на ИИ — меньше необходимости каждый раз добавлять людей при росте объёма задач .

Но стоимость никуда не исчезает, она меняет форму. Вместо того чтобы платить только за новых сотрудников, компания всё больше платит за инструменты, агентов и вычисления. В одном из сообщений о rollout ИИ-кодинга в Uber говорилось, что всплеск использования Claude Code исчерпал бюджет компании на ИИ-кодинг на 2026 год раньше ожиданий; также сообщалось, что Uber использует Claude Code и Cursor .

Такую информацию стоит воспринимать как снимок спроса на инструменты, а не как полную экономику ИИ внутри Uber. Но она хорошо показывает новую развилку: программная «мощность» компании всё чаще планируется как смесь людей, агентов, инструментов и инфраструктуры.

ИИ выходит за пределы программирования

ИИ-стратегия Uber не ограничивается инженерными командами. Хосровшахи говорил, что компания уже много лет использует ИИ для ценообразования поездок и подбора водителей к пассажирам . Более свежие сообщения указывают, что генеративный и агентный ИИ применяются также в поддержке клиентов, подключении водителей и отдельных частях жизненного цикла разработки, сокращая ручное вмешательство в некоторых процессах .

Это важно для найма не меньше, чем кодинг. Если ИИ ускоряет поддержку, упрощает подключение водителей или помогает разбираться с внутренними сервисами, компания может убирать узкие места без пропорционального увеличения численности команд .

Что это значит для инженеров

Текущая модель Uber — это supervised AI engineering, то есть разработка с ИИ под надзором, а не разработка без инженеров. Агенты могут писать черновой код, готовить изменения, помогать с миграциями, тестами и проверками, но люди всё ещё просматривают ИИ-код перед тем, как он становится частью кодовой базы .

Сильнее всего это, вероятно, ударит не по существующим ролям как таковым, а по приросту штата. Uber может расширять инженерную ёмкость, нанимая меньше дополнительных сотрудников, чем потребовалось бы раньше, если ИИ-инструменты действительно дают устойчивый эффект в рабочих процессах .

Открытый вопрос — измерение результата. Высокая доля использования ИИ и большие проценты сгенерированного кода показывают масштаб внедрения, но сами по себе не доказывают точный прирост продуктивности с учётом качества, надёжности, поддержки и долгосрочной стоимости разработки . Для инженеров это означает не исчезновение профессии, а изменение центра тяжести: всё важнее становится умение правильно ставить задачи агентам, проверять их работу и отвечать за итоговый код.