Будущее вайбкодинга: реально ли заменит ИИ программистов?

• [00:06] Вайбкодинг — термин для программирования с помощью ИИ. Его популяризировал Андрей Карпатый: код пишется нейросетью на основе идей и настроения пользователя.

• [01:04] Разработку с ИИ поддерживают все крупные среды: Microsoft Visual Studio, Xcode, IntelliJ и отечественные решения. Упрощается создание продуктов даже для неспециалистов через no-code платформы.

• [03:14] Компании фиксируют смещение «узкого места» разработки: вместо найма джуниоров основная потребность возникает в сеньорах — для ревью кода и постановки требований.

• [04:30] По данным Сбера, 50% кода уже пишется с ИИ. В рутинных задачах рост продуктивности очевиден, но значительно возрастают сложности на стыке сложных систем.

• [05:25] Основные барьеры внедрения ИИ: нестабильное качество кода, затраты на доработки, риски информационной безопасности и нехватка качественных обучающих данных.

• [07:39] На рынке труда в США и Индии сокращаются позиции джуниоров. В России увольнений мало, но требования смещаются в сторону универсальности и умения работать с ИИ.

Искусственный интеллект уже вовсю создает программы. По последней статистике, доля кода, созданного с помощью ИИ во всем мире, — около половины, а термин «вайбкодинг» — подход, когда код создает нейросеть, а не человек, — назвали «словом года». Но насколько это безопасная практика? И не приведет ли она к массовому сокращению айтишников?

Сам по себе термин «вайбкодинг» звучит очень интересно — как будто человек кодит, когда у него есть какой-то вайб, то есть настроение. Так и есть. Его, по сути, придумал известный разработчик Андрей Карпатый. Он очень точно описал, как сегодня происходит программирование с помощью больших языковых моделей. По словам Карпатого, нужно просто отдаться вайбу, принять экспоненциальное усиление, которое дают нейросети, и забыть, что код вообще существует.

Удивительно, но этот пост в соцсети он написал в феврале 25 года. А кажется, что с тех пор прошло пару лет. Потому что самые разные команды, включая OpenAI, за прошедший год показали, как с помощью искусственного интеллекта можно создавать несложные игры, сайты и даже программы — по текстовому описанию или по наброску на доске. Достаточно загрузить фотографию такого наброска в ChatGPT, и система сама сформирует готовый код. А если нужно что-то поправить, это можно сделать в режиме диалога с той же нейросетью.

Где же это можно попробовать? Разброс инструментов с поддержкой ИИ огромный, говорят эксперты. Есть классические среды разработки, такие как Visual Studio от Microsoft, Xcode от Apple и IntelliJ IDEA от JetBrains — компании, которая специализируется на средствах разработки и имеет российские корни. Все они сегодня поддерживают самые разные плагины и ИИ-ассистентов. Есть решения от лидеров — ChatGPT и Claude. Есть решения от российских компаний — Яндекса и Сбера.

«Яндекс» объявил о запуске новой версии чата с искусственным интеллектом

Технологии и медиа

Есть и «ноу-код» инструменты с поддержкой нейросетей, для которых не нужны навыки программирования. Один из популярных — Naitan, платформа, которая позволяет собирать, например, телеграм-ботов с искусственным интеллектом буквально в несколько кликов. Главное — продумать логику инструмента.

Статистика проникновения искусственного интеллекта в разработку впечатляет. По итогам 2024 года более 40% всего кода уже создавалось с применением ИИ. Эксперты признаются: еще пару лет назад узким местом разработки было именно написание нового кода. Для этого многие компании набирали большое количество стажеров и младших специалистов — джуниоров. Их отчаянно не хватало. «Теперь эта проблема ушла, но проще не стало», — говорит директор дивизиона инструментов для разработчиков Сбера Рафаэл Танаканян.

«Я не могу сказать, что стало легче. Просто скорость генерации выросла, да. Но мы испытываем сложности с наличием квалифицированных сеньорных специалистов, потому что при росте доли кода, который создает ИИ, возникает большая потребность в валидации, в ревью кода и в постановке первоначальных требований. Поэтому узким местом становится код-ревью и работа с аналитикой. Постановка требований — теперь тоже точка, которую нужно агентизировать, чтобы успевать за темпом роста разработки».

Что же такое «агентизировать»? Пока получается, что отдельные небольшие задачи инструменты на базе ИИ решают гораздо лучше, чем большую сложную задачу. Подписать небольшой фрагмент выпуска под радио нейросеть может, а вот создать целый выпуск «Инсайта» — пока нет. Так и в разработке: появляются разные агенты для разных задач.

Один пишет требования, второй по ним создает фрагменты кода, третий объединяет, четвертый тестирует. Если на каком-то этапе появляется проблема, можно вернуться назад и попробовать исправить. Вот как описывает ситуацию Рафаэл Танаканян:

«Сейчас мы агентизируем весь так называемый PDLC — Product Development Life Cycle. Мы стараемся агентизировать каждый его этап, чтобы на каждом этапе появились кор-агенты и набор субагентов, чтобы человек мог провести задачу от идеи до работающего кода через мультиагентную среду. Мы подвели результаты: около 50% кода в компании уже создается с помощью ИИ, и этот процент будет расти. Но сложности возникают там, где требуется интеграционная связанность систем — в таких задачах даже сеньоры испытывают трудности. Зато рутинные операции сильно ускоряются. Плюс снижается порог входа — так называемый switch cost при переходе специалистов между командами. Это мы уже видим».

Но не все так гладко. Эксперты выделяют несколько барьеров на пути к массовому внедрению ИИ в разработку. Первый — непредсказуемое качество кода. И здесь проблема не только в том, что порой приходится переделывать один и тот же фрагмент много раз. Но и в том, что такие переделки — если речь идет об объемном куске кода — стоят денег.

С одной стороны, крупные компании могут позволить себе такие траты, и в целом написание кода с помощью нейросетей обходится дешевле, чем работа сотрудников. Но, с другой стороны, иногда потратить можно очень много и очень быстро. Об этом рассказал руководитель направления искусственного интеллекта Х5 Tech Максим Павлов.

«Надо понимать, зачем и как ты это используешь. Например, коллеги начали пробовать инструмент и очень быстро сожгли первый бюджет — что-то около 30, 50 или 100 тысяч в день. А когда начали осмысленно формулировать задачи, у них уровень кода ушел с джуновского до мидлового — по оценке наших разработчиков. Он стал достаточно уверенным и стабильным. Да, не везде оптимальным, но уже хорошим».

Еще одна проблема — риски безопасности. Нужно тщательно проверять код на уязвимости, которые машина может добавить случайно. А если компания использует внешние нейросети, важно понимать, какие фрагменты кода туда можно загружать.

«Одна из причин — вариативность корпоративного ландшафта. Огромный разброс решений, большое количество языков программирования. Вторая проблема — наличие качественных данных для обучения ИИ. Но уровень моделей уже настолько высок, что с задачами уровня джуниоров — разработчиков, аналитиков, тестировщиков — искусственный интеллект справляется прекрасно. Если грамотно поставить задачу и выстроить процесс с необходимыми чекпоинтами, ИИ отлично себя показывает», — поясняет Рафаэл Танаканян.

Ну и, наконец, чисто человеческий фактор. С одной стороны, сотрудники могут слишком полагаться на ИИ и формально относиться к работе. С другой — проявлять излишнее недоверие к нейросетям и завышенные требования к качеству кода.

Влияние искусственного интеллекта на рынок труда уже заметно — особенно в США и Индии. За 25 год крупные компании сократили более 200 тысяч специалистов. В лидерах — производитель процессоров Intel, где сокращение в 24 тысячи связано с кризисом компании. На втором месте Tata Consultancy Services — крупная индийская IT-компания, работающая на рынок США. Там заменили ИИ около 20 тысяч программистов.

В России такого явного тренда пока нет, но компании признают: они меняют требования к новичкам. Во-первых, от программистов теперь ждут умения работать с ИИ: уметь быстро генерировать код и быстро его править. Во-вторых, повышаются требования к техническим знаниям. На первый план выходят навыки коммуникации и системное мышление — то, что не заменит ChatGPT. И растет спрос на универсальных специалистов. Вот как объясняет тенденцию Максим Павлов из Х5 Tech:

«Сейчас ценится универсализация. Нужно уметь много, пусть иногда и не идеально. Если код хуже или медленнее работает — ничего страшного: горизонтальное масштабирование это решает. Люди так и делают. Это не хорошо и не плохо — просто способ решения проблемы, который приживается, потому что он дешевле, чем тратить время разработчиков на оптимизацию».