Что такое вайб-кодинг и с какими вызовами предстоит столкнуться индустрии программирования в эпоху генеративных технологий.
Программирование — одна из ключевых областей деятельности, где внедряются достижения эпохи AI. По статистике на 2025 год генеративные технологии применяют 55% компаний, а «вайб-кодинг» стал словом года по версии cловаря английского языка Collins. Разработка приложений теперь быстрее и доступнее, но опыт предприятий показывает, что результат не всегда оправдывает ожидания. О том, как AI меняет работу программиста и к каким последствиям в индустрии может привести вайб-кодинг, мы поговорили с ведущим экспертом по технологиям в СберТех Вячеславом Чернышовым. Герой поделился своим мнением и личным опытом использования AI в работе.
Вайб-кодинг — новый тренд в разработке и «золотая жила» топ-менеджеров
— Вячеслав, здравствуйте! Как работают генеративные технологии и что такое вайб-кодинг?
— Если говорить о генеративных технологиях, стоит вспомнить про Т9 в наших телефонах. 20 лет назад, когда мы пытались ввести слово, он подсказывал нам окончание этого слова. 10 лет назад он уже умел до конца собирать предложения. А сейчас Т9 умеет заканчивать мысль, и мы называем это генеративными технологиями.
Вайб-кодинг — оценка изменений в мышлении людей, которые считают, что они подружились с AI. Людям кажется это магией, но на самом деле это Т9 на максималках. Можно сделать вайб-журналистику, когда за человека статью пишут тоже генеративные технологии. Аналогично вайб-писательство, вайб-режиссура, вайб-редактура — что угодно.
— А как появилась приставка «вайб-»? Казалось бы, это слово не относится к AI.
— Вайб-кодинг — это, можно сказать, «кодинг по настроению»: не когда ты сам умеешь, а когда ты захотел «покодить» и тебе искусственный интеллект что-то сгенерировал. Это такой способ легко войти в IT-индустрию — «полубочком, на расслабоне». По вайбу вкатиться и через полчаса выкатиться, когда ChatGPT всё напишет.
— Когда и почему вайб-кодинг стал массово использоваться разработчиками?
— Если 20−30 лет назад IT управляли инженеры, то сейчас управляют менеджеры. Инженер может объяснить, как работает код или почему он не работает, а менеджеры этого не понимают. Например, 10 лет назад стал популярен язык программирования Python. Он очень простой, что позволяло аналитикам накидать код на этом языке. Теперь стало ещё больше упрощения. Менеджеры не хотят даже Python учить, они просто хотят получить код, при этом не привлекая инженеров. Поэтому вайб-кодинг и стал популярен. Люди хотят получить бесплатно то, что они считают бесплатным.
— Как именно нейросети создают приложение?
— Творчество — это результат абстрактной задачи. Создавая приложение, инженер решает творческую задачу, и у него уже есть точка B, в которую он придёт из точки А. Он знает, что он хочет написать. А генеративные технологии — предсказание точки B по точке A. Это не результат абстрактного мышления.
Как это происходит: человек создаёт запрос «напиши мне приложение, которое выполняет такие-то функции». Загружается массив данных, который обрабатывается генеративным интеллектом. И нейросеть выдаёт эти усреднённые значения в разной степени вариативности. Искусственный интеллект научился «предсказывать» всё приложение. Но это предсказание не всегда рабочее.
— Правда ли, что вайб-кодинг может отнять работу у программистов?
— Большинство компаний управляются менеджерами, которые каждые 5 лет думают, что они нашли золотую жилу: «О, круто, блокчейн! Всё на блокчейне!». Прошло 5 лет, блокчейн занял маленькую нишу, о нём забыли. Дальше: «О Big Data, у нас везде будет Big Data!». В итоге она тоже заняла свою нишу. Сейчас с таким же рвением топ-менеджеры компаний кричат: «AI — вот наконец-то волшебная палочка, которая решит все проблемы».
Надо понимать следующее. В конце концов останутся только два типа профессий: настолько низко оплачиваемые, что невыгодно их заменять искусственным интеллектом, и напротив такие, где требуется высокоабстрактное мышление. Что касается программирования, я вижу это так же, как это происходит в сельском хозяйстве. Если раньше в поле ездили 20 комбайнёров и каждый на своём комбайне, то сейчас ездят 20 автоматических комбайнов и сидит один комбайнёр в будке, который следит за техникой. Так же и разработчиков станет меньше, но они будут усилены искусственным интеллектом.
Лёгкое решение — тяжёлые последствия
— Какие проблемы стоят за бесконтрольным использованием генеративных технологий в разработке?
— Главная проблема — чрезмерное доверие искусственному интеллекту. Он интеллект, но он по-прежнему искусственный. Недавно по всему миру обрушились сервера компании Amazon. Ранее компания отчиталась, что они уволили 40% разработчиков и 90% кода пишется искусственным интеллектом.
Для того, чтобы разработчику оставаться разработчиком, нужно два часа в день писать код. И вот он расслабился, доверился AI, что-то сгенерировал, а через два месяца код сломался. А он уже заместил 80% кодовой базы «поделками» искусственного интеллекта. Хватит ли квалификации у разработчика, чтобы исправить эти ошибки? Языки программирования с 50-х годов и до наших дней становились всё более человекочитаемыми, сейчас это просто английский язык с спецсимволами. Но зачем это, когда весь код пишет AI? Если языки станут обратно машиночитаемыми, то в случае какой-то проблемы мы уже не найдём программиста нужной квалификации.
— Какие могут быть последствия, если полностью положиться на искусственный интеллект в разработке?
— Подобных случаев было много, когда компании понадеялись, что дешёвый искусственный интеллект сделает работу дорогих разработчиков. Интеллект сделал, а дальше что? Никто не провалидировал этот код, никто не убедился, что он рабочий. Менеджеры не будут этого делать, они в этом не разбираются.
История с Amazon — не прецедент. Американская компания IBM в 2023 году уволила 8000 сотрудников в надежде на AI. Теперь нанимают разработчиков заново. Другая проблема — утечка кода через нейросеть Copilot, из-за чего стоит под угрозой конфиденциальность данных тысяч людей и компаний. Многие стартапы также прогорели на искусственном интеллекте. Практика показывает, что более 70% организаций сталкиваются с негативными последствиями кодогенерации.
— Как на раннем этапе оценить качество работы, выполненной с помощью вайб-кодинга?
— Один из способов оценки качества кода — код-ревью. В базу не загружается код, пока его не посмотрят несколько разработчиков. Работоспособность кода тут не проверяется, только чистота и визуальное качество. Затем проводят тестирование: ручное, модульное, интеграционное, нагрузочное, автоматизированное. На этих этапах определяется, как код выполняет свои задачи. Но кто будет писать тесты? Если тоже искусственный интеллект, он напишет такой тест, что код его пройдёт. Это приводит к тем последствиям, о которых мы говорили.
— Как использовать генеративные технологии, чтобы они приносили пользу, а не вред?
— Нужно понять границу их использования лично для себя. Или он за тебя думает и делает работу, или он тебе советует. В моем случае AI — это секретарь. Если ты ограничиваешь его конкретной областью, он может приносить тебе пользу.
Новичка в IT-индустрии легко заставить себе служить. Вспоминаю фразу из сериала «Молодой Морс». Инспектор британской полиции начал спиваться и его начальник говорит: «Алкоголь может быть хорошим другом и безжалостным господином». То же можно сказать про AI. Либо искусственный интеллект тебе служит, если ты его сильно ограничиваешь, либо уже ты ему.
— Внедряете ли вы в повседневную работу генеративные технологии?
— Я использую AI, когда мне нужна короткая выжимка из темы. Ответы генеративных технологий — нечто усреднённое по всему интернету: либо я прочитаю 10 статей, либо AI мне сразу выдаст эту информацию. Но если дело касается конкретных решений, даже самых простых, тут у него серьёзные проблемы. А люди целые приложения пишут.
Я преподаю у студентов, так вот они пользуются кодогенерацией. AI всё за них написал, они могут и не понять, что он написал. Так можно совсем расслабиться. Ты приходишь на работу и не включаешь мозг. Поэтому для меня важно, чтобы мою работу по написанию кода делал только я. Я отвечаю за каждый символ, который я пишу, и знаю, что написал его правильно.
Какое будущее ждёт AI в программировании
— Каковы перспективы использования генеративных технологий в разработке и есть ли они вообще?
— Я полагаю, что AI, как и блокчейн и Big Data, займёт свою нишу. Его поместят в «загон» и не дадут оттуда вырваться окончательно. AI можно использовать там, где нет точных наук. Но программирование — это очень точная прикладная наука. Слепого предсказания мало. Всё, что касается передачи информации от человека к человеку, искусственный интеллект уже заменяет легко, потому что мы общаемся архаично, наши языки примитивны. Но когда мы говорим о точности в миллисекунды и до сотой цифры после запятой, то на данном этапе AI не может такое предсказывать. Разработчики-профессионалы видят систему до одного байта, до нуля и единиц. Это намного глубже, чем любые способы передачи мысли.
— Как внедрение генеративного интеллекта в разработку влияет на обучение программированию?
— Мы не ограничиваем студентов в использовании генеративных технологий, но они должны сами этому научиться. Они могут генерировать код, но каждое задание они защищают устно и должны уметь объяснять, как они его сделали до последнего знака. Мы позволяем пользоваться инструментарием, но требуем понимания. А с точки зрения формата преподавания пока ничего не поменялось.
— Что выгоднее на долгой дистанции: доверить работу по разработке программисту-профессионалу или предоставить её искусственному интеллекту, а затем исправлять его ошибки?
— При наличии конкуренции на рынке труда высококвалифицированные специалисты уйдут из компании, в которой им не дают развиваться и писать код самим. Такие компании лишатся кадров и наберут менее квалифицированных специалистов, которые не смогут обслуживать искусственный интеллект. Важно, чтобы искусственный интеллект помогал не менеджерам, а профессионалам. Если в компании качественный менеджмент, они оставят у себя высококлассных специалистов, которые будут сами писать код, но оптимизируют работу с помощью AI.
— Как может измениться IT-индустрия через 10 лет под влиянием искусственного интеллекта?
— Негативный сценарий: всех разработчиков уволят и это будет поначалу работать. Языки программирования будут примитизироваться в сторону понимания только машиной, и в какой-то момент программирование станет для нас чёрным ящиком. Но есть позитивный сценарий: эта система сломается раньше и работу искусственного интеллекта ограничат. В идеальном исходе AI должен усиливать человека, а не заменять его.
Среди разработчиков есть градация: джун, мидл и сеньор. Джун выполняет примитивные задачи, которые AI умеет решать. Поэтому джуны уже страдают. Но AI, как и джуны, может делать работу неправильно, только не за два дня, а за две минуты. Потом этот код всё равно исправляют мидлы.
Искусственный интеллект не станет совершенным. Любая система требует вмешательства человека. Если ты построишь дом, но не будешь его обслуживать, он рано или поздно развалится. Так же может случиться с AI.
— Что бы вы посоветовали начинающим разработчикам, которые используют генеративные технологии?
— Я бы посоветовал не начинать работать с генеративными технологиями хотя бы первые три года в индустрии. Специалист, который научился абстрактно мыслить и качественно выполнять свою работу, будет востребован всегда. Только абстрактное мышление отличает нас от искусственного интеллекта.
Автор: Мария Орлова
