Вайб-кодеры — люди будущего или наивные мечтатели?

Я часто слышу восторженные отзывы о знакомых, которые «навайб-кодили» чудо-решение: юристы, финансисты, налоговики и другие.

Настроили парсеры, выбрали движок, «приземлили» методологию. Звучит круто.

Однако когда начинаешь смотреть на продукт внимательно, видишь следующее: продукт сырой, а методология в его основе — неподтверждённая продуктовая гипотеза. В нынешней динамике трансформации процессов и развития технологий она просто не находит себе места.

Но главный недостаток такого формата — статичность. Мы не можем гибко изменить методологию под задачу, углубить анализ или бесшовно интегрировать решение с другими процессами.

Всё то же самое можно сделать с помощью сильных LLM-моделей, потратив чуть больше усилий, но главное — сохранив гибкость.

Сразу возникает вопрос: почему я должен платить за любительское решение, которое, во-первых, отстаёт по качеству, а во-вторых, устареет, как только я его куплю?

Например, мне недавно попалось решение по проверке контрагента — «умная» проверка с интерпретацией данных (никак бесполезный RAG на базе СПАРК).

Сам по себе «умный отчёт» впечатляет: совсем другой контекст, более глубокий анализ связанных лиц, работа с новостями и прочее. Но есть только одно «но»: данные частично не совпадают с «Интерфаксом» — требуют верификации, а выводы о рисках слишком смелые. Например, GPT и Claude дают гораздо более взвешенную оценку, которую не стыдно показать юристам клиента.

Второй момент — статичность (немобильная методология). Допустим, я обкатываю новую гипотезу — поиск системных рисков сделки через анализ связей между профилем компании и юридической конструкцией самой сделки. Я уже сейчас могу применить этот метод в Claude и зацементировать его в «Проектах». Решение же от коллеги не удастся использовать бесшовно — оно сразу теряет ценность.

Поэтому нужно смотреть на десять шагов вперёд и быть внимательным к деталям.

Что до вайб-кодинга — это крутой инструмент для демонстрации методологии, но не готовое решение. Решение рождается только в системной работе команды: DevOps-инженеров, ML-специалистов и опытных менеджеров-продуктологов.