The post has been translated automatically. Original language: Russian
Why Jun won't be fired (but his role will change)
Let's take a look at the clickbait header right away. An AI agent can be smarter, faster and cheaper, but there is one thing that only a human can do — take responsibility for the final result.
Therefore, the conditional jun is not going anywhere, but his role is changing.: instead of writing SQL and formulas in Excel, he becomes a manager and reviewer of what AI has written. Almost complete automation of research frees up a significant part of an employee's time. You don't write code — you check and direct someone who writes it better, faster and more accurately than you.
This shift has already taken place in software development. Many programmers around the world worry that they are turning from "code writers" into "managers." Metaphor: previously, the mechanic tightened the bolts, but now he controls the whole train. Some people don't like it. But progress can't be stopped — many companies in the United States already require developers to use AI tools every day, as it turns out that June, who learns how to work with AI, performs at the level of an experienced specialist without AI. And until the bubble bursts, we are enjoying cheap LLM prices at the expense of venture capital money.
Analyst , SQL generator
LLMs write SQL well — this has long been nothing new. But this is not enough, because the analyst's task is to "extract meaning from data and help teams make the right decisions."
That is why an AI agent (and not just an LLM autocomplete call) is suitable for our task: it decides where to dig next. He plans, executes the query, looks at the result, formulates the next hypothesis, and at the end collects a report. Like a live analyst.
Modern AI agents (Claude Code, OpenAI Codex, Cursor, OpenCode, etc.) are equipped with everything necessary to create a drawing:
- Tools for working with the terminal (for reading files and calling SQL queries to the database, for example, via psql).
- Tools for searching on the Internet (sometimes it's easier to Google if you don't have enough knowledge).
- Modern models from OpenAI and Anthropic are already quite smart out of the box: they have seen a lot of other data and hypotheses on the Internet, so they will definitely cope with your special case.
- Subagents, planning, improvisation.
What an AI Analyst can'T do
- Does not understand the business context without an explanation. If I didn't explain the nuance, the agent will figure it out on his own. It's either eureka or not at all.
- We need a person to interpret, and the results need to be checked. Especially in the first iterations.
- The responsibility for the result is still on you: the agent, like Jun at first, needs to be double-checked.
The senior analyst cannot be replaced. He becomes 10x more productive.
And if you're a June analyst, don't panic. AI does not replace you, but changes your role. Learn how to manage agents and check responses. The one who knows how to do it will cost more. I'm sorry for the others.
Почему джуна не уволят (но его роль изменится)
Давайте сразу разберёмся с кликбейт заголовком. AI-агент может быть умнее, быстрее и дешевле, но есть одна вещь, которую умеет только человек — взять ответственность за финальный результат.
Поэтому условный джун никуда не денется, но его роль меняется: вместо того чтобы писать SQL и формулы в Excel, он становится менеджером и ревьюером того, что написал AI. Почти полная автоматизация исследований освобождает заметную часть времени сотрудника. Вы не пишете код — вы проверяете и направляете того, кто пишет его лучше, быстрее и точнее вас.
В разработке ПО этот сдвиг уже произошёл. Многие программисты по всему миру переживают, что из "писателей кода" они превращаются в "менеджеров". Метафора: раньше механик закручивал болты, а теперь управляет целым поездом. Кому-то это не нравится. Но прогресс не остановить — многие компании в Штатах уже обязывают разработчиков использовать AI-инструменты каждый день, так как оказывается, что джун, который научиться работать с AI, перформит на уровне опытного специалиста без AI. И пока "пузырь не лопнул", мы наслаждаемся дешевыми ценами на LLM за счет венчурных денег.
Аналитик ≠ генератор SQL
LLM хорошо пишут SQL — это уже давно не новость. Но этого недостаточно, ведь задача аналитика "извлекать из данных смысл и помогать командам принимать правильные решения".
Именно поэтому AI агент (а не просто вызов LLM автокомплита) подходит для нашей задачи: он сам решает, куда копать дальше. Планирует, выполняет запрос, смотрит на результат, формулирует следующую гипотезу, а в конце - собирает отчет. Как живой аналитик.
Современные AI агенты (Claude Code, OpenAI Codex, Cursor, OpenCode и тп) оснащены всем необходимым для создания рисерчера:
- Тулы для работы с терминалом (для чтения файлов и вызывания SQL запросов в базу данных, например, через psql).
- Тулы для поиска в интернете (иногда проще загуглить, если недостает знаний).
- Современные модели от OpenAI и Anthropic уже достаточно умные из коробки: они насмотрелись на великое множество других данных и гипотез в интернете, поэтому с вашим частным случаем они точно справятся.
- Субагенты, планирование, импровизация.
Что AI-аналитик НЕ может
- Не понимает бизнес-контекст без объяснения. Не объяснил нюанс - агент додумает сам. Тут либо эврика, либо вообще не то.
- Нужен человек для интерпретации, а результаты нужно проверять. Особенно на первых итерациях.
- Ответственность за результат все равно на тебе: за агентом, как и за джуном на первых порах, нужно перепроверять.
Senior-аналитик не заменяется. Он становится 10x продуктивнее.
А если вы джун-аналитик — не паникуйте. AI не заменяет вас, а меняет роль. Учитесь управлять агентами и проверять ответы. Тот, кто это умеет — будет стоить дороже. Остальным соболезную.
