Как AI меняет профессию DevOps и SRE в 2026 году: грейды, навыки, инструменты и будущее

Последнее обновление: апрель 2026

Гость: Виктор Ведмич — Senior Solutions Architect в AWS. В IT с 2009 года. Прошёл путь от Build Engineer до руководителя DevOps-дивизиона, затем ~4 года Developer Advocate. За карьеру провёл 1000+ технических собеседований на DevOps/SRE/platform-роли. Автор книги «Cracking the Kubernetes Interview» (Packt, соавтор Alexander Dovnar). Ведёт YouTube-канал DevOps Kitchen Talks. LinkedIn Viktor Vedmich.

Ведущая: Кира Кузьменко — рекрутер с 20-летним стажем в IT. Фаундер международного рекрутингового агентства NEWHR. Автор курса по поиску работы Hello New Job. Ведущая YouTube-шоу «Просто искать работу сложно». Личный ТГ-канал: «Рекрутинг, котики и апокалипсис». LinkedIn Kira Kuzmenko.

---

Главное из интервью

• AI не уничтожает DevOps — он сдвигает ценность от написания кода и запоминания команд к пониманию концептов, архитектурному мышлению и бизнес-контексту.
• Kubernetes останется ключевой технологией на годы вперёд, потому что именно на нём будут запускаться инференсы AI-моделей и AI-агенты.
• Когнитивная нагрузка инженера не снижается, а растёт — скорость генерации кода опережает способность человека его валидировать.
• Грейды переживают инфляцию: то, что раньше делал мидл, теперь делает AI за минуты, а от людей ждут архитектурного мышления на каждом уровне.
• Теоретические сертификации переживают ренессанс, а практические экзамены обесцениваются — потому что AI решает практический экзамен по Kubernetes за 10 минут на 100%.

---

«Если совсем по-чесноку, за три года технологически мало что поменялось — если убрать AI»

Если вынести за скобки генеративный AI, технологический ландшафт DevOps за три года изменился не так уж сильно. Облака остаются. Kubernetes остаётся. Terraform остаётся. Но AI меняет не стек — он меняет то, как инженеры с этим стеком работают.

Если вы хотите заходить в международную какую-то компанию, 100% вам нужно знать какое-то облако, потому что с вероятностью 95% у клиента будет какая-то облачная часть сервисов. Знание по скиллам — это облака и Kubernetes. Я считаю, что Kubernetes останется с нами ещё на очень-очень долго, даже в мире AI, потому что это будет единственный способ нормально запускать инференции AI.
— Виктор Ведмич

Главное изменение — не в инструментах, а в том, что роль DevOps расширяется. Раньше найти человека, который одновременно знает инфраструктуру и пишет хороший код, было почти невозможно — это были «уникумы и суперстары». Теперь AI берёт на себя написание кода, но читать его стало критически важно.

---

«Мы превращаемся в оркестраторов взаимодействия с агентами»

Виктор описывает конкретный сдвиг в своей повседневной работе как Solutions Architect. Раньше подготовка proof of concept для клиента требовала мучительного расчёта. Теперь с AI-инструментами это не упрощение работы — это, скорее, ускорение с ростом нагрузки.

По факту превращаемся, в AI-погонщиков, или в оркестраторов взаимодействия с агентами. В формате «доверяю, но проверяю».
— Виктор Ведмич

Ключевой поворот: создавать стало легко, а вот валидировать — сложнее. Раньше основной hard skill — знать, как в Terraform сделать конкатенацию строк или работать с модулями. Теперь основной навык — прочитать и оценить. Потому что AI генерирует быстрее, чем человек успевает проверять.

Когнитивная нагрузка выросла, потому что скорость стала больше. Если раньше ты уходил в задачу и мог сидеть делать презентацию три часа, то теперь я презентацию сделал, а теперь напиши мне Terraform-код. И это всё в параллели. Работы стало больше.
— Виктор Ведмич

Виктор настроил себе полноценную AI-экосистему: Deep Research, Fact Checker, подключения к Outlook, внутренней системе репортинга, Slack. Когда приходит клиент с задачей, AI собирает материалы, ищет предыдущие истории взаимодействия, подтягивает лучшие практики — всё в одном месте. Но решения принимает человек.

---

«Фундаментальные знания остаются. Важно понимать концепты инженерии»

Одна из самых ярких историй интервью — кейс основателя сообщества DataTalks. Человек хорошо знает данные, но плохо знает Terraform. Решил сэкономить 5 долларов и задеплоить новый функционал в существующую инфраструктуру вместо создания отдельного окружения. AI предупреждал: не надо так делать. Человек проигнорировал. Поскольку он не подключил старый Terraform state, инструмент решил, что ресурсов не существуют, и удалил всю базу данных — за 5 минут.

Фундаментальные знания остаются. Важно, нужно понимать концепты инженерии. Если вы сомневаетесь и не знаете, как работает технология, иногда лучше довериться AI, чем думать, что вы умнее. Лучше пойти и перепроверить.
— Виктор Ведмич

Этот кейс Виктор использует как аргумент в пользу harness — настроенного персонального окружения для работы с AI.

Все говорят сейчас про скиллы, про MCP, но все забыли, что есть такая штука — хук. Хук может перехватывать перед тем, как выполнять что-либо, и валидировать, насколько это разрешено или не разрешено.
— Виктор Ведмич

---

«Сейчас не гонка за лучшей моделью, а за тем, как ты настроишь своё окружение»

Виктор вводит термин harness — персональная экосистема инженера для работы с AI. Это не про выбор модели, а про то, как вы организовали свой рабочий процесс.

Сейчас очень большой тренд идёт: эффективно ли ты собрал свой флоу. Мой флоу настроен под меня. И, к сожалению, тебе он 100% не подойдёт. Даже два DevOps-а будут сидеть рядом — у одного harness настроен так, у другого иначе. Нужно свой harness настраивать.
— Виктор Ведмич

Что входит в harness по приоритету:

• Claude.md / agent.md / steering-файлы — инструкции для модели о вашем проекте, стандартах, процессах. «Модель ничего не знает про ваш проект, пока вы ей не расскажете»
• Скиллы — markdown-файлы, описывающие, как решать конкретные задачи. «Разобраться со скиллами — это просто must-have. И это несложно, это markdown»
• Хуки — защитные перехватчики опасных операций
• Работа с агентами — оркестрация нескольких AI-процессов
• MCP — только если нужна жёсткая авторизация к внешним ресурсам (базы данных, закрытые API)

Виктор топит за CLI-инструменты: «Мне, как человеку, выросшему из терминала, Claude Code в CLI — это моё родное». CLI можно интегрировать в CI/CD-процесс, а IDE-based инструменты — нет.

---

Можно ли пускать AI в продакшн-инфраструктуру?

В формат read-only, на чтение и рекомендации, я считаю, что AI можно запускать. На изменение на продакшене — нет. Человек ещё должен быть посередине и принимать решение «да» или «нет». Человек должен оставаться ключевым игроком, который точно понимает, что происходит.
— Виктор Ведмич

AI в режиме адвайзера/рекомендатора — уже продакшн-ready. Ведмич видит, что крупные компании внедряют DevOps-агентов для диагностики инцидентов: вместо того чтобы в 2 часа ночи полусонным разбираться, где что сломалось, инженер получает предварительный анализ — «Вася вчера вкоммитил вот эту штуку, и теперь она на продакшене сломала нам всё».

Но человек остаётся финальным звеном для любых изменений. Причина не только в ограничениях моделей — человек хранит контекст, который не попадает ни в какие RAG-системы.

При этом Ведмич отмечает: люди тоже совершают ошибки. «Например, на этой неделе сам Claude Code по человеческой ошибке оказался более открытым, чем OpenAI. И это сделал человек, а не AI.»

---

Профессия по грейдам: от джуна до хеда

Джуниоры: «Я бы три раза подумал, стоит ли вам идти в IT»

Я бы три раза подумал, надо ли вам вообще в IT. Рынок возвращается к годам конца 90-х, начала 2000-х, когда шли в IT не потому, что там просто куча баблища, а потому что реально нравится. Если вам реально нравится, вы понимаете, что готовы день и ночь сидеть и заниматься — то идите.
— Виктор Ведмич

Происходит инфляция грейдов: если раньше джун мог за 6–9 месяцев обучения зайти в проект и приносить пользу, то теперь планка выше. AI закрывает рутинные задачи, которые раньше были точкой входа для джуниоров — написать простой Jenkins job, переложить файлы из точки А в точку Б. Теперь AI выполняет это за секунду.

Что делать джуну:

• Фокусироваться на концептах, а не синтаксисе — операционные системы, сети, контейнеризация, Kubernetes. Не запоминать команды и флаги, а понимать, как вещи работают и какие у них ограничения
• Использовать AI как парного программиста — он напишет код лучше вас, но вы должны разбираться, что и почему он делает. «Не принимать на чистую монету, что он сделал, а разбираться, почему так, а не иначе и что на самом деле работает наилучшим образом и какие есть риски»
• Доводить проекты до конца — не «один промпт сделал», а полноценный пет-проект с пониманием, что под капотом, какие технологии выбраны и почему.

Мидлы: больше системного дизайна, меньше хардкодинга

Для мидлов (3–5 лет опыта) Виктор даёт конкретные рекомендации: пора переходить от написания кода к проектированию систем. Читать книги по System Design Interview. Сдать сертификации — причём теоретические, а не практические (подробнее об этом ниже). И обязательно настроить свой harness.

Мидлу 100% уже переходить вот на такую литературу — System Design Interview. Вот такие книжки, правда, они становятся важны.
— Виктор Ведмич

Сеньоры: «Потратьте время, разберитесь, сделайте свой harness»

Для сеньоров Ведмич формулирует прямо: если не освоите AI-инструменты, потеряете ценность на рынке. Не прямо сейчас, но в перспективе.

Ребята, поверьте, AI очень крутой. Потратьте время, разберитесь, сделайте свой harness, настройте, выберите инструмент. Claude Code, Codex, OpenCode — отличная альтернатива. И настройте, чтобы часть ваших рутин была построена вокруг этого. Потому что в противном случае можно потерять свою ценность на рынке.
— Виктор Ведмич

Тех-лиды: оркестраторы людей и AI

Тех-лид превращается в «погонщика AI-агентов», но с расширенной ответственностью. Если раньше он ревьюил код, написанный людьми, то теперь ревьюит код, который люди сгенерировали через AI. Объём пул реквестов растёт, а качество проверки должно оставаться высоким.

Ваша роль становится ещё важнее, потому что вы, по факту, финальный человек-аппрувер, который говорит — да, окей, этот код хороший. Но тут возникает вопрос: насколько много этого кода и насколько вы его можете реально через себя пропустить.
— Виктор Ведмич

Хеды и руководители: ничего не меняется

Самая сложная работа — это работа с людьми. У каждого сотрудника свои какие-то сложности, мотивация... Дети, не дети, вторая работа, голова болит, устал от проекта, хочу Kubernetes, а вы мне Kubernetes не даёте. Уметь общаться с людьми, их научить остаётся прям суперважнейшим навыком.
— Виктор Ведмич

---

Самая частая ошибка кандидатов на DevOps-позиции

Самая частая ошибка — сразу бросаться в решение. Не спрашивать — а зачем? Не понять бизнес-юзкейс.
Мы все должны сдвигаться в сторону бизнеса. Нельзя быть просто винтиком, который пишет Kubernetes-манифесты, важно понимать, зачем мы делаем именно так, а не иначе.
— Виктор Ведмич

Роль «мне сказали — я делаю» уходит. AI отлично справляется с исполнением прямых инструкций. Ценность человека — в понимании, почему нужно делать именно так, а не иначе.

---

Hard skills: что знать точно

Виктор перечисляет приоритеты:

• Kubernetes — 100%. Без вариантов. На нём будут запускаться AI-агенты и инференсы моделей. В последних релизах Kubernetes появляются сэндбоксы для AI-агентов. Альтернатив нет
• Сети. Одна из самых сложных и недооценённых областей. Дизайн сетей, маршрутизация, протоколы (BGP, DNS, разница между UDP и TCP), понимание, чем Application Load Balancer отличается от Network Load Balancer. «На сетях строится весь интернет. Amazon падал в прошлом году — проблема была с DNS»
• Безопасность / DevSecOps. С ростом скорости разработки через AI растёт количество уязвимостей. Появляются новые векторы атак — prompt injection, jailbreak моделей. Плюс, если все генерируют код через одни и те же модели, у всех одинаковые проблемы в коде
• LLM Ops. Новое направление внутри DevOps — люди, которые понимают, как запускать и скейлить инференсы моделей в продакшене

Forward Deployed Engineer — новая модель

Виктор показывает схему из трёх пересекающихся кругов: Platform Engineer, Software Engineer, Solutions Architect. На пересечении — Forward Deployed Engineer (или, как пошутили в чате, «давай-деплой-инженер»). Это специалист, который знает, как довести продукт до конца: от кода до деплоймента, с правильными технологиями и безопасностью.

Раньше шутили, фуллстек — это был фронт и бэк. А теперь фуллстек становится полным — от идеи до продакшна.
— Виктор Ведмич

---

«У теоретических сертификаций ренессанс»

Практические экзамены обесцениваются.

Я показывал демку, как буквально за 10 минут AI решает практический экзамен по Kubernetes на 100%. И моя мысль такая: сейчас важнее всего — умение прочитать то, что написано, знать концепты.
— Виктор Ведмич

Логика: на практическом экзамене нужно помнить команды и флаги — AI делает это лучше. А на теоретическом экзамене (например, AWS Solutions Architect) дают высокоуровневые сценарии, и нужно концептуально понимать, какие проблемы возникнут при выборе того или иного сервиса, какие ограничения у SQS против Kafka, когда выбрать ECS, а когда EKS. Это AI пока делает хуже.

---

Инструменты: что пробовать, что пропускать

Claude Code — инструмент №1, который Ведмич рекомендует каждому DevOps-инженеру попробовать на этой неделе. «Моё личное мнение — лидер на рынке. Лучшая возможность сделать свой собственный harness.»

MCP — переоценён. Сам Anthropic, по словам Ведмича, признал, что MCP «было сделано на скорую руку». MCP нужен только для жёсткой авторизации к внешним ресурсам — база данных, закрытые API. Для всего остального — CLI + скиллы.

Есть такой проект «Anything's a CLI». Всё запихнуть в CLI и через скилл рассказать, как с этим CLI работать. Поэтому MCP не нужен. MCP сейчас нужен только если нужно ходить куда-то с жёсткой авторизацией.
— Виктор Ведмич

Локальные модели — пока не для продакшн-разработки. Хороши для экспериментов и быстрых задач вроде summary сообщений из Slack. Но генерировать код через локальный Qwen «не стоит — вы расстроитесь и скажете, этот AI тупой как пробка». Для серьёзной работы — большие модели от Anthropic, OpenAI, или китайские (GLM, Minimax, Qwen).

Книга «AI Engineering: Building Applications with Foundation Models» — рекомендация Ведмича для тех, кто хочет разобраться в AI-инженерии.

---

Будущее DevOps: 2029 год

• DevOps останется. Кто-то должен отвечать за продакшн, деплоить, хостить, запускать. Особенно в легаси-системах, куда контекстного окна модели может не хватить
• Dev в DevOps станет реальным. Шутка про «YAML-программистов» закончится — нужно будет писать Python, JavaScript, что угодно для решения бизнес-задач
• Код обесценится. Будет стоить только идея и контекст. Компании будут чаще пилить внутренние решения вместо покупки универсальных продуктов, потому что разработка подешевеет кратно — вместо 100 разработчиков, нужно будет 10 с подписками на AI
• Количество IT-специалистов в мире (~27 млн) будет медленно снижаться. Не обвал, а плавный тренд — «не 27 миллионов, а 26 с половиной»

Код ничего не будет стоить. Будет стоить только идея.
— Виктор Ведмич

На вопрос «пошёл бы ты сам в DevOps с нуля в 2026?» Ведмич отвечает: да, но с фокусом на LLM Ops — инфраструктуру для запуска и масштабирования моделей. «Разбираться, как запускаются модели, как это скейлить, как делать своих агентов — я бы сместил фокус в такой LLM Ops + DevOps.»

---

FAQ

Нужно ли DevOps-инженеру уметь программировать в 2026 году?
По мнению Ведмича, писать код руками — уже менее критично, но читать и понимать код — обязательно. AI генерирует код быстрее и часто лучше, чем инженер. Задача человека — валидировать, что сгенерированный код концептуально правильный и безопасный.

Можно ли войти в DevOps с нуля в 2026 году?
Можно, но сложнее, чем раньше. Ведмич рекомендует начинать с фундаментальных концептов: операционные системы, сети, контейнеризация, Kubernetes. Фокус — на понимании, как вещи работают и какие у них ограничения, а не на запоминании команд.

Какой AI-инструмент попробовать DevOps-инженеру первым?
Claude Code — однозначная рекомендация Ведмича. CLI-инструмент, который можно интегрировать в CI/CD-процессы и настроить под себя через скиллы, хуки и steering-файлы.

Заберёт ли AI работу у DevOps-инженеров?
Нет — но трансформирует роль. Рутинные операции (L1-саппорт, написание типового кода, базовый траблшутинг) уходят к AI-агентам. Ценность человека смещается к архитектурному мышлению, пониманию бизнес-контекста и валидации решений.

Стоит ли сдавать сертификации по DevOps в эру AI?
Ведмич считает, что теоретические сертификации (AWS Solutions Architect, и т.п.) приобретают новую ценность — они проверяют концептуальное понимание, которое AI пока не заменяет. Практические экзамены (CKA, CKAD) менее релевантны, потому что AI решает их за минуты.

Что такое harness и зачем его настраивать?
Harness — персональная экосистема инженера для работы с AI: steering-файлы, скиллы, хуки, агенты, подключения к рабочим инструментам. По мнению Ведмича, harness важнее выбора модели — именно он определяет продуктивность.

Какое направление DevOps наименее подвержено AI-трансформации?
Работа в крупных корпоративных средах (SAP, госкомпании, жёсткие enterprise) — там трансформация доходит медленнее. Но Ведмич считает, что через три года AI докатится и туда.

---

Где найти Виктора Ведмича

• LinkedIn — Viktor Vedmich
• YouTube — DevOps Kitchen Talks
• Книга «Cracking the Kubernetes Interview»
• Курс «AI в DevOps» на Слёрме (следующий поток — 22 июня 2026)
• Все ссылки — Linktree
• Twitter/X — @vedmichv

---

Об авторах

Виктор Ведмич — Senior Solutions Architect в AWS, Мюнхен, Германия. В IT с 2009 года. За ~11 лет в EPAM Systems прошёл путь от Build Engineer до руководителя DevOps-дивизиона (30–35 человек), провёл 150–200 технических собеседований в год. Затем ~4 года Developer Advocate в AWS. Kubestronaut (все 5 сертификаций Kubernetes от CNCF), AWS Certified AI Practitioner, Google Cloud Architect, Microsoft Azure Administrator. За карьеру — 1000+ технических собеседований на DevOps/SRE/platform-роли. Автор книги «Cracking the Kubernetes Interview» (Packt). Спикер курса «AI в DevOps» на Слёрме. Ведёт YouTube-канал DevOps Kitchen Talks и подкаст «AWS на русском». Выступал на InfoQ Dev Summit Munich, TechLead Conf, HighLoad++ Foundation, AWS Community Day, AWS re:Invent re:Cap. LinkedIn Viktor Vedmich.

Кира Кузьменко — рекрутер с 20-летним стажем в IT. Фаундер международного рекрутингового агентства NEWHR. Автор курса по поиску работы Hello New Job. Ведущая YouTube-шоу «Просто искать работу сложно». Личный ТГ-канал: «Рекрутинг, котики и апокалипсис». LinkedIn Kira Kuzmenko.