Вайб-кодинг испортили не нейронки, а обещание один промпт = готовый продукт.

Само слово уже стало слишком широким. В одну кучу складывают человека, который впервые открыл любую нейронку и просит сделай мне SaaS-продукт, и инженера, который использует AI как сильный инструмент внутри нормального процесса разработки.

В итоге спор получается странный. Одни кричат, что AI завтра заменит всех разработчиков. Другие смотрят на кривые демки, сломанные базы и дырявую авторизацию и говорят, что всё это игрушки.

Мне кажется, правда где-то в другом месте.

AI действительно может сильно ускорять разработку. Но только если вокруг него есть инженерный контур.

Нужно понимать архитектуру продукта, заранее думать о данных, правах доступа, масштабировании, слабых местах, тестах, пользовательских сценариях. Нужно уметь писать нормальные задачи, проверять результат, разделять работу на этапы, не давать агенту бесконечно переписывать одно и то же, держать документацию в порядке.

Это уже не магия промпта. Это обычная инженерная работа, просто часть исполнения уезжает к модели.

Интересно, что к этому же приходят и большие команды. OpenAI в апреле выложила материал про Symphony — внутренний подход к управлению агентами Codex. Там важная мысль не в том, что “агенты сами пишут код”. Важная мысль в том, что команде пришлось перестроить процесс: сделать репозиторий удобным для агентов, вложиться в тесты, ограничения, ревью и понятные задачи.

Anthropic тоже продолжает нанимать людей в Claude Code и Agent Skills. Это хороший сигнал. Если бы всё сводилось к напиши один промпт и забудь, компании не искали бы сильных инженеров для инструментов, процессов, проверок и безопасности.

Проблема вайб-кодинга не в том, что AI плохо пишет код.

Проблема в том, что многие используют болид Формулы-1 как самокат во дворе.

Если посадить за руль человека, который вчера получил права и не понимает трассу, он уедет в стену даже на лучшей машине. А хороший гонщик и на обычной машине проедет достойно, потому что понимает траекторию, скорость, торможение и риск.

С AI сейчас примерно так же.

Модель может написать много кода. Но качество появляется не из объёма сгенерированных файлов. Качество появляется из системы вокруг: архитектуры, проверок, ограничений, ревью, тестов, безопасности и понимания, зачем вообще пишется этот код.

Поэтому я бы разделял вайб-кодинг и инженерную работу с AI.

Первое — это когда человек передаёт модели желание и надеется на чудо.

Второе — когда человек строит процесс, в котором AI становится быстрым исполнителем, исследователем и помощником, но не заменяет ответственность.

И вот второе, на мой взгляд, действительно меняет разработку.