Код пишет Claude, а шишки набивать кому? Как вайбкодинг лишает индустрию будущих архитекторов
«Вайбкодинг» двигается по планете буквально семимильными шагами — разработка через диалог с ИИ-агентами вроде Claude Code подается чуть ли не как новый стандарт отрасли. Набрав промпт в чате, можно без преувеличения за пару часов поднять MVP или пет-проект. Порог входа в индустрию снизился до умения более-менее внятно излагать свои мысли ИИ-агентам.
Возможно, мы окончательно избавились от рутины, сложностей и нудной отладки? Или сами создали себе новую проблему — разрушение механизма роста инженеров? Ведь когда рабочий код создается генератором по нажатию одной кнопки, джуны перестают проходить через обязательные этапы профессионального становления. Вайбкодинг напрочь вырезает из процесса разработки то, на чем всегда строилось понимание процесса — поиск утечек памяти, попытки уложить хотелки бизнеса в жесткие архитектурные рамки и многое-многое другое. Верно ли, что, исключив этап набивания шишек на старте карьеры, мы рискуем получить целое поколение специалистов, которые умеют ловко раздавать указания нейросетям, но понятия не имеют, как вся эта конструкция работает внутри? Заваривайте чаек-кофеек покрепче, будем разбираться.
Код пишется, но не проектируется?
Современные ИИ-агенты давно переросли формат «продвинутого Т9». Они умеют сканировать репозитории, строить абстрактные синтаксические деревья и переваривать огромные контекстные окна. Но проблема осталась, и она кроется в самой природе генеративных моделей — ИИ оптимизирует решение под локальный промпт «здесь и сейчас», всегда выбирая путь наименьшего сопротивления. У языковой модели нет долгосрочного планирования в человеческом понимании. Она не думает о том, кто и как будет поддерживать этот код через пару лет. Ей нужно выдать рабочий ответ на конкретный запрос пользователя прямо сейчас. И если этот запрос сформулирован локально, ИИ решит его самым дешевым для себя способом.
Когда разработчик перестает вникать в детали и на автомате принимает сгенерированные куски, он теряет контроль над внутренними связями системы. Ошибки больше не устраняются на уровне архитектуры, а просто замазываются очередными слоями автосгенерированных костылей. В итоге инженер превращается в банального оператора чат-бота, постепенно забывая, как вообще взаимодействуют между собой компоненты приложения.
Естественно, в отрасли уже серьезно заинтересовались этой проблемой. Аналитики из GitClear изучили 623 миллиона изменений в коде за 2023-2026 годы, чтобы оценить реальное влияние ИИ на качество кода. И вот что выяснили:
Рост дублирования. Объем дублирующихся блоков кода (от 5 строк и более) вырос на 81%. Нейросети банально проще сгенерировать новую функцию с нуля, чем искать, разбирать и адаптировать уже существующий в проекте фрагмент. А разработчик на «вайбе» этого просто не замечает.
Отказ от рефакторинга. Количество операций по перемещению и повторному использованию существующего кода сократилось в несколько раз и достигло исторического минимума. Проекты практически перестали чистить от устаревших решений — зачем переписывать старое, если можно поверх нагенерировать новое?
Падение связности. Число межфайловых вызовов функций снизилось на 35%. Кодовая база превращается в набор изолированных, раздутых файлов с невнятной внутренней логикой.
Проще говоря, вместо проектирования гибких систем индустрия получает лавинообразный прирост одноразового кода. А когда из ежедневной рутины исчезают нормальный рефакторинг и поиск правильных абстракций, уходит и сама база для формирования нормального инженерного мышления.
Выжженная земля для джунов — где брать опыт?
Сокращение затрат на новичиков стало для многих самым очевидным решением. Зачем держать в штате новичка для написания простенького кода, если ИИ-агенты справляются с этим за пару секунд и не требуют ни бюджета на онбординг, ни отпуска? Однако, вырезая задачи начального уровня, бизнес одновременно уничтожает ту самую среду, в которой из обычных программистов вырастают Настоящие Инженеры.
Аналитики Стэнфордского университета и ADP выяснили, что с момента массового внедрения генеративного ИИ занятость молодых (22-25 лет) специалистов в наиболее подверженных автоматизации ИТ-профессиях просела сразу на 19% по сравнению с их сверстниками в других сферах. При этом опытные инженеры старшего возраста чувствуют себя сильно лучше — их занятость осталась стабильной или даже выросла. Проще говоря, ИИ не уничтожает рабочие места массово, он просто блокирует вход в индустрию для новичков, забирая у них стартовую рутину.
Что все это значит? Судя по всему, прямо сейчас мы с вами наблюдаем, как разрывается нормальная цепочка профессиональной преемственности. Опытные кадры действительно становятся востребованнее, поскольку только они могут проверить сгенерированный код, отловить скрытые галлюцинации нейросети и удержать архитектуру от распада. А вот для джунов дверь в ИТ постепенно закрывается.
В итоге мы получаем довольно странную ситуацию. Можно даже сказать, патовую. Ведь стартовые позиции в ИТ всегда были не только инструментом закрытия небольших задач, но и учебным полигоном. Именно на рутине начинающий специалист учился разбираться в чужом коде, локализовать плавающие баги и на собственном опыте видеть последствия своих решений. Если закрыть новичкам доступ к реальному продакшну, то через 5-7-10 лет рынок может столкнуться с катастрофическим дефицитом сеньоров и архитекторов. Условным инженерам будущего будет просто негде получить базовый практический опыт.
Станет ли вайбкодер архитектором?
Архитектурное мышление не появляется от знания синтаксиса или умения быстро скармливать промпты ИИ-ассистентам. Оно формируется только в процессе решения реальных инженерных проблем — при поиске утечек памяти, отладке состояния гонки и проектировании устойчивых абстракций. Когда Claude выдает готовый кусок кода за несколько секунд, разработчик просто пролетает мимо этого опыта. Он получает работающий результат, но далеко не всегда понимает, как он получился и почему было выбрано именно такое инженерное решение, а не десяток других.
Вайбкодинг создает иллюзию высокой квалификации. Человек научился шустро дирижировать ИИ-агентами и на коленке собирать сервисы, но понятия не имеет, что происходит под капотом. Пока решение работает в штатном режиме, все выглядит замечательно. Но что будет делать такой промпт-инженер в случае возникновения реальной проблемы?
Самое интересное, что, несмотря на глобальный тренд на повальную ИИизацию, аналитическое и критическое мышление стабильно занимают первые места в списке ключевых навыков, обгоняя простое умение нажимать кнопки в ИИ-сервисах. И, очень надеемся, что молодое поколение айтишников и не только понимают, что без навыков такого мышления, без понимания базовых принципов работы программного обеспечения они рискуют навсегда остаться лишь операторами ИИ.
А что там с продуктивностью?
Итак, благодаря ИИ стремительно растет объем написанного кода, задачи закрываются как из пулемета, и можно без проблем рисовать классные графики о росте продуктивности в отдельно взятой компании. А добавляет ли ИИ реальной продуктивности?
На этот вопрос решили ответить в рамках Pragmatic Summit. И выводы получились такие себе. При том что 93% разработчиков на постоянной основе используют ИИ-ассистентов, реальный чистый прирост производительности команд едва доходит до 10%. Вся сэкономленная на генерации выгода благополучно сгорает на следующих этапах разработки. Программисты не пишут код руками, но превращаются в круглосуточный фильтр для чужих сырых наработок. Время уходит на вникание в сгенерированный контекст, правку некорректных гипотез, отлов багов и попытки удержать архитектуру в адекватном виде.
Безусловно, искусственный интеллект останется с нами навсегда, и глупо отрицать его удобство. Однако если слепо отдавать генераторам право принимать решения, индустрия рискует через несколько лет получить вместо инженеров «промпт-инвалидов» — специалистов, которые не способны написать и пары строк без подсказки агента и теряются при первом же сбое. И теперь всем нам предстоит решать довольно сложную задачу — как, не отказываясь от прогресса, научиться использовать ИИ без потери базовой квалификации?
А как вы считаете, где проходит та грань, после которой использование ИИ-агента начинает приносить реальный вред квалификации разработчика и, самое главное, как ее найти?
Еще интересное на эту тему в нашем блоге:
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.