3 года системной работы, чтобы 30 лет жить свободно

Проблема, которую мы не замечаем

Ты можешь неделями разбираться с алгоритмами, грызть бинарные деревья, а потом открываешь LinkedIn и видишь, как твой однокурсник уже в Meta, кто-то другой запускает стартап, а третий пилит pet-проекты с идеальным UI на React. Добавь к этому Instagram с вечными видами с Бали, MacBook-ами и лозунгами про Ferrari в 25.

И возникает вопрос: а может, это не мое? Может, я слишком медленный? Зачем мне эта математика, если AI скоро все будет писать за меня?

Знакомо?

Но правда вот в чем: ты не стоишь на месте. Просто ты смотришь не туда и измеряешь не то. Ты растешь, но этого не видно, потому что привык сверяться с чужим финишем, забывая, где твой старт.

Почему мы не видим свой прогресс

Иллюзия мгновенного успеха

Сэм Альтман стал гением «за одну ночь», с релизом ChatGPT. Но за этой ночью семь лет ежедневной работы, когда в него никто не верил. Никакой магии, просто накопительный эффект. Ты вкладываешь день за днем, не видишь результата, терпишь. А потом, внезапно, это становится видно. Не потому что «повезло», а потому что работа догнала ожидание.

Мы сравниваем чужой highlight reel со своими буднями

Ты видишь пост: «Получил оффер в Google!», но не видишь четыре лет практики, 200 отказов, выгоревших выходных и мысли «все, бросаю». Ты сравниваешь их финиш с твоим стартом. Так нельзя. Это рецепт для выгорания и ощущения собственной никчемности.

Мы не замеряем то, что растет

Попробуй: открой код трехмесячной давности. Если ты думаешь: «Господи, я это писал?» — значит, ты вырос. Но мы этого не фиксируем, не записываем. Без фактов мозг все сводит к ощущениям, а они обманчивы. Мы не замечаем роста, потому что не смотрим на него системно.

Правда о росте в IT: что действительно работает

Правда №1: AI не заменит того, кто понимает основы

Недавно я устроил себе эксперимент: протестировал все современные инструменты для генерации кода: Cursor, Lovable, Claude, ChatGPT. И вот к чему пришел: если ты не понимаешь, как работает архитектура, паттерны и что делает каждая строчка — AI сгенерирует такое, что разгребать будет сложнее, чем написать заново.

Типичный сценарий:

1. AI генерирует кучу кода
2. Ты: «Тут слишком сложно, вынеси в отдельные компоненты».
3. Он выносит, ломает половину того, что работало.
4. Добавляет заглушки «чтобы хоть что-то работало».
5. Тратит все токены на «обдумывание».
6. Выдает нерабочий код.
7. «Ваши деньги закончились».

А потом я вношу одну строчку изменений… и все работает.

Вывод: AI это инструмент, который ускоряет того, кто уже умеет. Он не заменит понимание архитектуры, паттернов, того, КАК это работает.

Поэтому: зачем тебе алгоритмы и структуры данных? Чтобы через год ты не писал в чате: «AI нагенерил мне проект, теперь не могу разобраться, что не так».

Правда №2: Умение читать код важнее умения его писать

Когда я пришел в Google, мне дали pipeline, которую писали 10 лет разные команды. Она должна была выполняться раз в день, но стала работать больше 24 часов. Результат? Каждый день pipeline падала, ее убивали и запускали заново. Тысячи машин впустую.

Два года я разбирался в этом легаси-коде. Искал людей, которые работали над этим 7 лет назад. Разбирал каждую строчку: зачем это было сделано? Можно ли убрать? Что сломается?

В итоге переписал все с нуля и сэкономил компании $10 миллионов в год на инфраструктуре.

Урок: умение читать код важнее умения его писать. И это приходит только с практикой. Никаких волшебных репозиториев для этого нет. И это умение пригодится в любом языке. Я в Google программировал на 14 языках. Как? Смотришь, разбираешься. Все языки в основе одно и то же.

Правда №3: 3 года усилий vs 30 лет карьеры

Давай честно: у каждого из нас минимум еще 30 лет активной жизни. Если отдать 5 лет, чтобы дойти до классных позиций, у тебя останется 25 лет наслаждаться результатом.

Мой друг Дамир месяц назад ушел из Google. По личным обстоятельствам решил: «Зачем мне это надо, год не буду работать». И он год путешествует. Потому что после Google так можно делать. Его на рынке разорвут, когда он вернется — он строил инфраструктуру для AI-агентов.

Это end goal в карьерном плане. Когда ты компетентен настолько, что можешь себе позволить выбирать.

Система устойчивого роста: как на самом деле учиться

Окей, понятно. Долгосрочность, накопительный эффект, не сравнивать себя с другими.

Но что делать КОНКРЕТНО?

Шаг 1: Правило стоп-лосса для обучения

Залипаешь на задаче неделю? Вот простая система:

1. Два часа самостоятельной работы
Копаешься серьезно. Не просто «посмотрел и не понял». Мозг должен напрячься.

2. Используй AI правильно
Попроси AI: «Объясни мне, как 12-лентему ребенку». ChatGPT начинает использовать аналогии, рассказывать про помидоры, включается воображение, материал усваивается лучше.

3. Разбирай каждую строчку AI-кода
AI сгенерил код? Не копируй сразу. Спроси у него же: «Зачем эта строчка?», «Можно ли без нее?», «Почему ты использовал именно этот подход?»

Шаг 2: Измеряй то, что растет

Веди Weekly Report. Каждую неделю. Что записывать:

— что изучил на этой неделе
— где застрял, как решил
— сколько времени на что ушло
— что изменил в подходе
— какой прогресс заметил.

Пример:

— «На этой неделе уменьшил потребление reels с трех часов до одного часа в день»
— «Понял, как работают бинарные деревья! Теперь могу объяснить друзьям»
— «Застрял на рекурсии четыре часа, потом спросил у AI 'объясни как 12-летнему' и понял за 20 минут».

Это фактические результаты. Ими ты гордишься. Шансов вернуться к старому меньше.

Первые недели писать сложнее. Потом на автомате.

Шаг 3: Убери отвлечения 

Все, что мешает ворует твой рост. Я сижу на нецветном телефоне. Screen time упал почти до нуля. Не смотрю reels. Только то, что жена подкинет, штук 10 за день. 

Посмотри: где у тебя съедается больше всего энергии? Социальные сети? YouTube? Игры?

Начни с малого: убери цвет с телефона. Удали Instagram в будни. Заменяй reels на подкасты. Веди учет screen time, записывай результаты в Weekly Report. Маленькое изменение = огромный возврат.

Шаг 4: Долгосрочное мышление 

У тебя еще 30 лет активной жизни. Если потратишь три года на рост, потом можешь выбирать. Бар сегодня или Google London через три года? Подумай. Мама обижается? Потом ты купишь ей квартиру.

Надо понять долгосрочность пути. Тогда все мелкие ежедневные вещи становятся неважными.

Конкретный план: что делать завтра

1. Заведи Weekly Report

— где я сейчас: что умею, что не умею
— что хочу изучить на этой неделе
— сколько времени на что уйдет

2. Определи свой «стоп-лосс»

— застрял на задаче? Два часа пробуешь сам
— не получилось? AI как 12-летнему
— все равно непонятно? Зови помощь

3. Убери одно отвлечение

— Screen time на телефоне, сколько?
— выбери одно: Instagram, YouTube, что-то еще
— удали или ограничь до 30 минут в день

4. Создай долгосрочную цель

— где ты хочешь быть через три года?
— напиши. Повесь на стену
— когда придет искушение забить, смотри на цель

Каждую неделю:

Обновляй Weekly Report:

— что изучил
— где застрял, как решил
— какой прогресс заметил
— что изменил в подходе
— замеры: сон, screen time, часы учебы

Первые недели будет сложно. Это нормально. Мозгу тяжело, он тратит энергию, нужно отращивать нейроны.

Через три года:

Если ты каждый день рос, ты дорастешь до любой высоты.

В математическом анализе есть теорема: если функция возрастающая, она рано или поздно достигнет любой высоты.

Это работает и с карьерой.

Простая математика.