Уборщик за нейросетью: какую профессию на самом деле создал вайбкодинг

Друзья, здравствуйте.

Нас регулярно пугают: AI отнимет работу у программистов. А пока все спорят, когда именно это случится, AI тихо создал новую работу. Причём именно для программистов. Называется она — держитесь — vibe code cleanup specialist. Специалист по уборке после вайбкодинга.

Мы в «Рефактории» занимаемся ровно этим, поэтому решили посмотреть, что вообще происходит с этой профессией в мире, откуда она взялась и что она говорит о нас, людях, в эпоху, когда код пишет машина?

Сам термин «вайбкодинг» появился совсем недавно — в феврале 2025 года его придумал Андрей Карпатый. Идея простая: вы описываете словами, что хотите, нейросеть пишет код, вы в код не смотрите. Как то работает — и ладно.

Прошло примерно полгода — и в LinkedIn начали появляться люди с должностью «Vibe Code Cleanup Specialist». Первая реакция индустрии была предсказуемой, люди коллективно решили что это какая-то шутка. Летом 2025-го скриншот с этой должностью разлетелся по соцсетям с подписью в духе «ну наконец-то мы узнали, какие профессии создаёт AI».

Сегодня под этим запросом гугл выдаёт не мемы, а рейтинги. Буквально: «Топ-10 компаний по уборке вайбкода в США — 2026». Студии и агентства — ISHIR, Ulam Labs, Zethic, LITSLINK, Redwerk и десятки других — завели отдельные страницы услуг. Все они продают примерно одно и то же: аудит, план спасения, рефакторинг спринтами, тесты, CI, передачу документации.

Ставки фрилансеров в этой нише, по оценкам отраслевых обзоров, — от 100 до 300 долларов в час. И это важная деталь - такая работа вряд ли под силу джуну. Чтобы разобрать чужой код, который никто не планировал и который никто до конца не понимает, нужно очень много опыта, а не энтузиазм.

Важно сразу оговориться (мы это уже говорили и повторим): AI не пишет плохой код. AI пишет код — и хороший, и плохой, примерно как человек. Но у вайбкодинга есть две особенности, из-за которых «уборка» стала отдельным рынком.

Первая: код пишут люди, которые не умеют его читать. По данным, которые приводит Redwerk, около 63% пользователей вайбкод-платформ не имеют технического бэкграунда. Это прекрасно — порог входа упал, идеи проверяются за выходные. Но когда что-то ломается, такой автор не может отладить собственный продукт. Он может только написать нейросети: «почини». И получить два новых бага на один починенный.

Вторая: проблемы невидимы, пока не случится инцидент. Интерфейс работает, демо проходит — а под капотом может быть что угодно.

Цифры здесь довольно отрезвляющие. Компания Veracode в 2025 году прогнала больше сотни языковых моделей через 80 типовых задач и проверила результат на безопасность. В 45% случаев модель выбирала небезопасный вариант решения, хотя безопасный был доступен. И, что неприятнее всего, новые и более крупные модели оказались не безопаснее старых: писать синтаксически корректный код они научились, а вот с безопасностью прогресса почти нет.

Хуже всего дела у Java — меньше трети решений прошли проверку. Исследователи объясняют это тем, что у языка длинная история и в обучающих данных полно старого кода, написанного до того, как индустрия всерьёз задумалась о безопасности. Нейросеть честно выучила и хорошие, и плохие привычки.

Lovable и открытые базы. Lovable — одна из самых популярных платформ, где приложение собирается по описанию. В 2025 году исследователи просканировали 1 645 приложений, созданных на ней, и обнаружили, что у 170 из них (около 10%) база данных была открыта — более 300 уязвимых эндпоинтов. Причина банальная: в базе на Supabase не была включена защита на уровне строк (Row Level Security). Публичный ключ, который лежит прямо в коде страницы, в такой конфигурации открывал всё. Имена, телефоны, платёжные данные, API-ключи. Уязвимость получила идентификатор CVE-2025-48757 и критическую оценку.

Никакого хакерского гения для этого не требовалось. Это ровно тот случай из нашей прошлой статьи: кнопка «Мои заказы» работает идеально, а данные при этом доступны всем.

Вторая история не про катастрофу, а про самообман — и она, пожалуй, этим и интере. Исследовательская организация METR провела рандомизированный эксперимент: 16 опытных разработчиков решали 246 реальных задач в собственных репозиториях — часть с AI, часть без.

До эксперимента участники ждали ускорения на 24%. После — оценили, что AI ускорил их на 20%. По факту с AI они работали на 19% медленнее.

Тут нужна честная оговорка: это одно исследование, в специфических условиях (опытные люди, большие знакомые кодовые базы, инструменты начала 2025 года), а доверительный интервал у результата широкий. Обобщать его на всё и вся нельзя. Но сам разрыв почти в 40 процентных пунктов между ощущением и реальностью — очень показателен. Нам кажется, что всё идёт быстро и хорошо. Генерация мгновенная, экран заполняется кодом — мозг считывает это как прогресс.

А «уборщик» — это, по сути, человек, который смотрит на факты, а не на ощущения.

Здесь начинается самое интересное. Если присмотреться к тому, за что платят специалистам по уборке: код как раз стоит дёшево, его может написать любая модель за секунды.

Платят за другое:

Опрос компании Fastly среди почти 800 разработчиков показал, что 95% тратят дополнительное время на исправление AI-кода, и основная нагрузка ложится на старших специалистов. Один из инженеров в интервью TechCrunch описал свой рабочий день так: половина времени — на формулирование требований, 10–20% — на сам вайбкодинг, 30–40% — на «вайбфиксинг». При этом он уверен, что с AI успевает больше, чем без.

Посмотрите на эту пропорцию. Самая большая доля — это не написание кода и даже не его починка. Это думать, что именно нужно сделать.

Было бы нечестно не упомянуть и скептиков. Их аргументы звучат примерно так.

«Это временная неэффективность рынка». Инструменты становятся лучше, платформы добавляют защиту по умолчанию, и через пару лет убирать будет нечего. Отчасти это правда: тот же Replit после скандала сделал разделение баз автоматическим. Но заметьте, что именно было исправлено — платформа встроила в себя человеческое инженерное решение. Кто-то должен был его принять.

«Уборка не лечит причину». Если команда продолжает выпускать прототипы в продакшен без проверки, уборщик будет приходить снова и снова. Один комментатор в LinkedIn выразился жёстко: правильный человек для этой работы никогда не назовёт себя «специалистом по уборке вайбкода». С этим мы, пожалуй, согласны: хорошая пересборка заканчивается не чистым кодом, а процессом — тестами, CI, договорённостями о том, что и как проверяется перед релизом.

«Мы десятилетиями автоматизировали ручной труд, а теперь создаём ручную работу, чтобы чинить автоматизацию». Звучит иронично. Но, может быть, ирония тут и есть главный вывод.

Каждая волна автоматизации в разработке рождала новую профессию. Появились компиляторы — появились люди, которые разбираются в производительности. Появились облака — появились DevOps-инженеры. Появились бесконечные данные — появились специалисты по их качеству.

Профессия «уборщика за нейросетью», возможно, со временем сменит название. Но вопросы, на которые она отвечает, никуда не денутся:

Нейросеть отлично отвечает на вопрос «как». Вопрос «стоит ли» и вопрос «кто за это отвечает» по-прежнему остаются за человеком. И, кажется, именно здесь проходит граница, которую стоит беречь.

Вайбкодинг — прекрасный способ за вечер понять, стоит ли идея следующих шести месяцев. А дальше начинается работа, в которой главный инструмент — не промпт, а голова.

Если ваш проект уже на стадии «работает — не трогай», приходите в Рефакторию — посмотрим под NDA и честно скажем, какой из трёх сценариев ваш. Смеяться не будем (вслух).