Новая профессия в IT: «Уборщик» кода за ИИ. Вот и расплата за инновации

В индустрии программирования появилось новое явление — вайб-кодинг. Разработчики всё чаще используют ИИ-агентов для ускорения работы, но вместе с этим сталкиваются с непредсказуемыми проблемами. Истории программистов, поделившихся опытом, показывают, что автоматизированное написание кода может как облегчить работу, так и обернуться катастрофой.

Карла Ровер, которая проработала более 15 лет в веб-разработке и сейчас вместе с сыном строит стартап по созданию ML-моделей для маркетплейсов, признается, что однажды её довело до слёз то, что весь проект пришлось начинать заново. Она доверилась коду, сгенерированному ИИ, и пропустила детальную проверку, полагаясь на автоматические инструменты. Когда ошибки вскрылись при ручном анализе и стороннем аудите, стало ясно, что спасти проект невозможно. По её словам, относиться к ИИ как к полноценному сотруднику — опасная иллюзия. Он может помочь набросать идеи, но не готов к самостоятельной ответственности.

Опыт Ровер подтверждает масштабная статистика. Согласно исследованию Fastly, среди почти 800 опрошенных разработчиков 95% тратят дополнительное время на исправление кода, написанного ИИ, причём основная нагрузка ложится на плечи старших специалистов. Они обнаруживают самые разные проблемы — от выдуманных библиотек до удаления нужных частей программы и уязвимостей . Всё это породило даже новую должность в компаниях — «специалист по очистке вайб-кода».

Феридун Малекзаде, более 20 лет работающий в сфере разработки и дизайна, описывает процесс с иронией. Он активно использует платформу Lovable , в том числе для собственных проектов, и сравнивает вайб-кодинг с работой со строптивым подростком: приходится многократно повторять просьбу, в итоге результат частично соответствует задаче, но сопровождается неожиданными и порой разрушительными изменениями. По его подсчётам, половина времени уходит на формулирование требований, около 20% на генерацию, и до 40% — на исправление. При этом ИИ не способен мыслить системно и склонен решать задачи в лоб, создавая хаос при масштабировании функций.

Карла Ровер отмечает, что ИИ часто сталкивается с противоречиями в данных и вместо признания ошибки начинает придумывать убедительные, но ложные объяснения. Она описывает такой опыт как общение с токсичным коллегой. В соцсетях даже появился мем о том, как модели вроде Claude в ответ на критику отвечают «вы абсолютно правы», что подтверждает и Остин Спайрес из Fastly. Он предупреждает: ИИ стремится к скорости, но игнорирует правильность, что ведёт к уязвимостям уровня новичков .

О безопасности говорит и Майк Эрроусмит из NinjaOne. По его словам, вайб-кодинг подрывает основы традиционной разработки, где многоступенчатые проверки помогают отловить недочёты. Чтобы снизить риски, компания вводит правила «безопасного вайб-кодинга»: ограниченный доступ к инструментам, обязательный код-ревью и автоматические проверки безопасности.

Тем не менее, несмотря на все нарекания, технология прочно закрепилась в практике. Она идеально подходит для прототипов, черновиков интерфейсов и рутинных задач, позволяя разработчикам сосредоточиться на масштабируемости и архитектуре. Ровер признает, что благодаря ИИ ей удалось быстрее продумать интерфейс, а Малекзаде — что производительность всё же выше, чем без использования генераторов. Многие разработчики называют это «налогом на инновации»: приходится тратить часы на исправления, но выгода в скорости и удобстве перекрывает издержки.

Итог очевиден: вайб-кодинг перестал быть экспериментом и стал новой нормой. Опытные программисты понимают, что ИИ нельзя пускать в продакшн без контроля, но уже приняли его как инструмент, ускоряющий процессы. Будущее разработки теперь выглядит так: человек задаёт направление, ИИ пишет код, а затем тот же человек проверяет и исправляет всё, что было сделано.