AI отделил создание программ от понимания программ.

Раньше путь обычно выглядел так:

язык → практика → баги → архитектура → production → продукт

Теперь его можно пройти в обратную сторону:

идея → prompt → работающий продукт → пользователи → первый серьёзный сбой → необходимость понять, что вообще было создано

Поэтому спор «вайб-кодер — программист или нет» кажется мне неверно поставленным.

Для опытного инженера сильная модель становится быстрыми руками. Она может написать миграцию, тесты, рефакторинг или значительную часть сервиса. Но границы системы, цена ошибки и решение о том, чему можно доверять, остаются у человека.

Для человека без технической базы AI может стать всей разработкой сразу: языком, IDE, документацией, фреймворком, архитектором, программистом и тестировщиком.

Он всё равно способен выпустить полезный сервис и создать реальную ценность. Обесценивать результат только потому, что человек не написал реализацию из головы, бессмысленно.

Но фактически он программирует через GPT, Claude или Gemini. Язык реализации становится случайной деталью: сегодня модель выбрала Next.js и Supabase, завтра другая выберет SvelteKit и PostgreSQL.

LLM начинает напоминать смесь языка намерений, вероятностного компилятора и арендованной инженерной команды.

И здесь есть отличие от прошлых слоёв абстракции.

Python скрывает машинные инструкции, но сохраняет причинность: определённую семантику, документацию, stack trace и воспроизводимое поведение. Prompt задаёт пространство возможных решений. Модель может молча выбрать за человека архитектуру, границы состояния, модель безопасности и будущие проблемы.

Поэтому AI абстрагирует уже не только код. Он абстрагирует часть технического суждения.

Практическая граница проявляется, когда модель перестаёт быть права:

· заметит ли человек убедительно выглядящую ошибку; · сможет ли построить проверку и локализовать сбой; · сможет ли восстановить данные и выбрать между исправлением и откатом; · сможет ли объяснить безопасность решения без фразы «модель сказала, что работает».

Если да — перед нами инженер, даже если 95% кода написала модель.

Если нет — перед нами всё ещё может быть сильный предприниматель, продуктовый человек или AI-native builder. Но его технический потолок сильно зависит от способности модели самостоятельно закончить задачу.

AI демократизировал создание software. И одновременно создал новый вид технического долга: продукт может появиться раньше, чем у его создателя сформируется рабочая модель того, как он устроен.

Инженерия начинается в тот момент, когда production задаёт вопрос, которого не было в prompt.