Вайб-кодинг: ИИ отбирает работу у программистов или меняет правила игры?
ИИ уже умеет собирать приложения по описанию на обычном языке. Код генерируется за минуты, а человек иногда даже не открывает его вручную. Значит ли это, что программирование скоро станет ненужным? Не совсем.
Проблема в том, что мы привыкли измерять разработку количеством написанного кода. А с приходом ИИ эта метрика начинает терять смысл.
На круглом столе «Вайб-кодинг. Реальный инструмент или опасная игрушка?», проведенным изданием IT World 29.09.2026, эксперты обсудили, что происходит с разработкой, когда код начинает писать машина, кто отвечает за ошибки и почему «дешевый код» вовсе не гарантирует дешевую разработку. Одним из спикеров стал Алексей Какунин, генеральный директор коЕМДЕВ.
«Новый язык программирования теперь английский»
Формула звучит эффектно, но в ней есть доля правды.
Сегодня вместо того, чтобы вручную писать функцию, разработчик может описать нейросети, что должно происходить. Модель сгенерирует код, предложит архитектурные решения, найдет ошибки и внесет изменения.
Алексей Какунин, генеральный директор ЕМДЕВ, сформулировал изменение так:
«Новый язык программирования теперь английский».
Получается, знание конкретного языка действительно постепенно перестает быть единственным главным навыком программиста.
Но это не означает, что программирование стало простым.
«Безусловно, необходимы все базовые знания по построению информационных систем, которым должны обучать специализированные образовательные учреждения", отметил эксперт.
И дальше появляется принципиальная разница:
«Очень важно понимать, что мы делаем. То есть, мы программируем или разрабатываем программное обеспечение. Это две огромные разницы».
ИИ может помочь написать программу. Но разработка программного продукта — это еще требования, архитектура, интеграции, безопасность, тестирование, эксплуатация и ответственность за результат. ИИ закрывает только часть этого процесса.
Код генерировать научились. А проверять?
Вот здесь начинается самое интересное.
Вайб-кодинг позволяет одному человеку генерировать значительно больше кода. Но если объем производства вырос в десять раз, это не значит, что человек способен в десять раз быстрее проверить результат.
Получается новый bottleneck: код создается быстрее, чем его можно нормально проверить. И меняется сама логика контроля.
Раньше разработчик мог в значительной степени проверять, как написан код. При вайб-кодинге все больше внимания приходится уделять тому, что в итоге делает система.
На круглом столе прозвучал показательный пример: при создании модели с помощью вайб-кодинга больше всего времени ушло именно на проверку правильности результата.
Это довольно важный сдвиг.
ИИ ускоряет производство кода, но одновременно увеличивает стоимость ошибки. Чем больше машина написала за человека, тем больше человеку потенциально придется проверить.
Самая дорогая строка кода та, которую никто не проверил
Отсюда возникает экономический парадокс.
В презентации вайб-кодинг выглядит почти как магическая кнопка:
было: разработчик + много часов → код
стало: разработчик + несколько запросов → много кода
Но в реальном проекте между кодом и работающим продуктом есть еще целая цепочка.
Нужно проверить результат. Найти ошибки. Проверить безопасность. Убедиться, что модель не придумала лишнего. Проверить интеграции. Протестировать пограничные сценарии.
Поэтому снижение стоимости генерации кода не обязательно означает снижение стоимости разработки.
И это один из главных вопросов, который только предстоит научиться считать: в какой момент экономия на написании кода перестает компенсировать стоимость его проверки?
А если ИИ написал уязвимость?
Есть еще одна проблема — безопасность.
Когда разработчик берет готовый пакет из открытого репозитория, происхождение кода хотя бы можно исследовать. Когда код генерирует агент, появляется дополнительный уровень непрозрачности.
Что именно модель использовала? Какие решения приняла? Не добавила ли лишнюю зависимость? Не создала ли уязвимость?
Поэтому просто сказать «это написал ИИ» недостаточно.
В корпоративной разработке безопасность приходится закладывать в саму среду, в которой работает ИИ.
Участники круглого стола обсудили подход, при котором структура платформы остается фиксированной, а LLM получает возможность работать с отдельными методами данных. Таким образом, часть потенциально рискованного проектирования ограничивается на уровне платформы. Но финальная ответственность все равно остается у человека:
«В плане юридических вопросов, конечно, за все отвечает человек в любом случае, подпись конечную ставит именно он».
И это, пожалуй, главный принцип эпохи ИИ: нейросеть может сгенерировать решение, но не может расписаться за его последствия.
А что будет с программистами?
Скорее всего, вопрос уже поставлен неправильно.
Не «исчезнут ли программисты?», а какая часть работы программиста останется человеку.
Если машина берет на себя генерацию типового кода, человеку приходится подниматься на уровень выше: проектировать систему, формулировать требования, контролировать архитектуру и проверять то, что сделала нейросеть.
То есть программист постепенно превращается из человека, который пишет каждую строку, в человека, который определяет, какие строки вообще должны существовать.
И это требует не меньшего, а в некоторых случаях большего понимания системы.
«Если ты разрабатываешь программное обеспечение, то в данном случае искусственный интеллект тебе помощник, но он закрывает только часть всего общего процесса», — уточнил Алексей Какунин.
ИИ не удешевляет всё. Иногда он заставляет тратить больше
Есть еще один любопытный эффект.
Когда технология становится дешевле, люди начинают использовать ее больше.
На круглом столе приводился практический пример: снижение стоимости токена в два раза сопровождалось ростом его потребления в несколько раз. В результате общие расходы не снизились пропорционально — использование просто стало гораздо интенсивнее.
С ИИ вполне может произойти то же самое, что с другими технологиями: дешевый инструмент провоцирует появление новых сценариев его использования.
И в итоге компания начинает делать с ним гораздо больше, чем планировала изначально.
«Народ тупеет» — не самый очевидный вывод
Один из популярных аргументов против ИИ звучит так: если нейросеть делает работу за человека, человек перестает развиваться.
Алексей Какунин предложил не торопиться с таким выводом.
По его мнению, мы наблюдаем очередной этап научно-технической революции — изменение самого способа производства программных продуктов. Раньше новые инструменты автоматизировали отдельные операции. Теперь ИИ начинает автоматизировать целые фрагменты интеллектуального труда.
«Сейчас то же самое происходит и с новым видом производства программных продуктов».
Поэтому вопрос скорее не в том, «отупеет» ли разработчик, а в том, какие навыки станут базовыми в новой модели разработки.
Так вайб-кодинг все-таки игрушка или инструмент?
Похоже, уже инструмент.
Но инструмент довольно необычный.
Он не столько заменяет разработчика, сколько меняет точку приложения его усилий.
Раньше значительная часть работы заключалась в том, чтобы превратить идею в код.
Теперь значительная часть работы может переместиться на этапы до и после кода: правильно поставить задачу, спроектировать систему, выбрать ограничения, проверить результат и принять ответственность за то, что получилось.
И здесь возникает главный парадокс вайб-кодинга:
чем лучше ИИ умеет писать код, тем меньше ценность самого умения писать код и тем выше ценность способности понимать систему целиком.
Так что программист, возможно, действительно больше не обязан быть самым быстрым человеком за клавиатурой. Но ему по-прежнему придется быть человеком, который понимает, что именно строится, зачем это нужно и что произойдет, если машина ошибется.