Упаковали 12 лет опыта в AI Skill, уволили — и позвонили в пять раз дороже, когда система упала

На Dev.to опубликована история инженера, чей 12-летний опыт упаковали в корпоративный AI Skill и затем ликвидировали позицию — а после ночного сбоя платёжной цепочки бывший CTO предложил вернуть его уже в пять раз дороже, но без ИИ в цепочке поставки. Это вымышленный community story, не докрепорт; в нём разобран конфликт статического skill/prompt-знания с живой инфраструктурой на примере Kafka consumer rebalance.

Что в тексте называют AI Skill

Подзаголовок на странице задаёт рамку: «Static AI failing in dynamic systems» — статический ИИ в динамических системах. Внутри сюжета Skill — не продукт конкретного вендора IDE, не Cursor Agent Skill и не MCP-сервер, а внутренняя корпоративная система диагностики и рекомендаций.

Инициатива CTO получает имя Knowledge Transfer Initiative: «сохранить десятилетия институционального знания». Герою прямо говорят: опыт слишком дорог, его «упаковывают в Skill». Три месяца, по понедельникам–четвергам, инженер Caleb задаёт вопросы вроде «почему PostgreSQL, а не MongoDB?» и «почему интервал retry — 450 миллисекунд?» — ответы пишут и записывают.

На валидации система воспроизводит разбор прошлых инцидентов. Пример вывода из текста:

Message broker latency spike detected. Retry logic at 450ms interval will amplify under queue backpressure. Recommend adaptive backoff.

Отчёт фиксирует Knowledge Retention Rate: 96,8% — «96,8% диагностической точности на 312 исторических сценариях отказов»; оставшиеся 3,2% объясняют «субоптимальными рекомендациями из‑за недостатка контекста». После запуска Skill, по нарративу, поглотил 70% тикетов tier-2 operations, а онбординг новых инженеров сократился с шести месяцев до трёх недель.

На all-hands CEO сводит артефакт к промпту: «Раньше: 12 лет опыта Mark в голове. Теперь: 12 лет опыта Mark available as a prompt». Для читателя про agent skills и перенос know-how в ИИ-ассистентов это прямой сигнал: экспертизу пытаются хранить не в голове, а в форме, пригодной для автоматической диагностики.

Где знание перестало обновляться

Сбор и валидация Skill выглядят убедительно — пока инфраструктура не меняется без повторной проверки. После миграции на Kafka новый Platform Lead перестроил monitoring stack, но никто не перезапустил валидацию Skill под новую среду.

Это слепая зона для любой системы, которая «учится» на прошлых инцидентах. Триста двенадцать сценариев в отчёте — не гарантия на тринадцатый, если правила мира сменились: RabbitMQ уже три года как снят, а retry на 450 ms остался артефактом эпохи другого брокера.

The AI didn't fail because it was wrong. It failed because it was right about yesterday — and yesterday wasn't running anymore.

Формулировка из источника хорошо ложится на практику делегирования диагностики ИИ-инструментам без живого эксперта в контуре: модель или skill может быть «точной» относительно архива, но бесполезной относительно продакшена сегодня.

Kafka rebalance: когда «известное» решение ускорило катастрофу

Пятый акт истории — ночной инцидент на core payment chain. В 3:47 срабатывает distributed tracing; P99 latency растёт с 80 ms до 12 s. Через три минуты — таймауты транзакций, к десятой минуте — backup payment queue, к двадцать третьей — каскад отказов downstream-сервисов.

On-call открывает AI Skill. Диагноз системы:

Detected message broker latency. Applying known mitigation: activate retry queue with 450ms backoff.

Стратегия срабатывала в 312 из 312 исторических кейсов. Текущий — «номер 313».

Корневая причина в тексте не в «галлюцинации» модели, а в переносе shim'а между стеками. 450 ms подбирали под RabbitMQ — совпадение с окном GC Erlang VM; в заметках к миграции есть предупреждение: «450ms matches RabbitMQ GC window. Do not reuse outside this context.» На Kafka consumer groups работают иначе: координатор ждёт poll с заданным интервалом, иначе помечает consumer мёртвым и запускает rebalance.

Retry worker в сюжете синхронный — одно сообщение за раз плюс 450 ms backoff. При очереди порядка шестидесяти сообщений round-trip даёт 60 × 450 ms = 27 000 ms при poll_timeout = 5000 ms — consumer пропускает poll, группа уходит в rebalance, растёт redelivery и latency.

poll_timeout = 5000
time_per_round = 60 * 450  # 27,000ms > 5,000ms → rebalance

Именно этот механизм связывают с «крашем» Skill в проде: автомат применил «правильный» для вчерашнего брокера паттерн к сегодняшнему Kafka — и усилил деградацию вместо смягчения.

Увольнение, звонок CTO и цена без ИИ в цепочке

Третий акт — restructuring: позицию ликвидируют, severance N+3 (три месяца). Герой регистрирует Mark Johnson Consulting LLC с оговоркой: только проектная работа, «No AI in the delivery chain».

В 4:12 во время инцидента звонит бывший CTO. Он ссылается на заметку в документации миграции с RabbitMQ — ту, что раньше считали устаревшим комментарием к конфигу. Предложение: «Five times my old salary» — пять прежних окладов. CTO соглашается: «Deal.» Условия: две недели on-site, контракт, своё оборудование, формулировка «No AI touches your delivery chain». Сцена обрывается на «Done. Send the contract to my lawyer» — принят ли оффер и вернулся ли герой в штат, за пределами художественного финала не подтверждено; база зарплаты и equity тоже не раскрыты.

Эпилог задаёт читателю вопросы про этику «упаковки» личного опыта в корпоративный skill и про то, кто остаётся ответственным, когда промпт заменяет инженера — до первого инцидента в новом стеке.

Материал на Dev.to опубликован 8 июня 2026; у поста 28 реакций и 5 комментариев, время чтения — 7 минут. Внутри skill не описан как стек LLM, RAG или конкретные агентные фреймворки — только поведение на логах и исторических сценариях. Урок для команды, которая копирует чужой опыт в ИИ-артефакт: без ре-валидации после смены инфраструктуры даже высокий retention rate не спасёт от ночного звонка с множителем к зарплате.

Источники

• My company packaged 12 years of my experience into an AI Skill, then laid me off. When it crashed, the CTO called at 5x my salary. — Dev.to, автор xulingfeng; дата доступа: 2026-06-08 (UTC).