Распространение вайбкодинга активно меняет рынок ИТ-разработки. Если раньше для создания кода команде (программистам, тестировщикам и т. д.) требовались часы и дни, то сегодня нейросеть по запросу может выполнить эту работу за несколько минут. Но вайбкодинг эффективен только в руках квалифицированного специалиста. Почему — объясняет Ксения Манскова, руководитель направления ресурс-менеджмента в компании IT_ONE.
Вайбкодинг — новый тренд, который может привести к фундаментальным переменам на рынке. Первые инструменты для автоматизации кодирования с помощью нейросетей (GitHub Copilot, Cursor, ChatGPT, Claude, Windsurf, Replit, Devin) стали активно развиваться с 2021 года, а по-настоящему серьезную популярность получили только в 2024–2025 годах.
Согласно исследованию IT_ONE, сегодня примерно 35% вакансий в области разработки среди основных требований к кандидату упоминают вайбкодинг в его различных проявлениях. Например, знание ИИ-инструментов, навыки промпт-инжиниринга и ИИ-валидации кода, понимание возможностей и ограничений языковых моделей, умение встраивать ИИ в рабочий процесс.
Благодаря этому исследованию мы подтвердили для себя ряд важных тенденций. Например, выяснили, что многие российские ИТ-компании активно развивают внутреннюю ИИ-экспертизу: организуют обучение специалистов работе с искусственным интеллектом, создают центры компетенций. В нескольких компаниях уже сформированы отдельные департаменты, которые занимаются ИИ-разработкой. Многие измеряют эффективность вайбкодинга, например, оценивают количество строк созданного нейросетью кода, количество найденных в этом коде багов.
ИИ — всего лишь стажер
Искусственный интеллект можно сравнить со стажером в любой сфере деятельности — нужны серьезные вложения в его обучение. И даже после этого, по мнению наших партнеров и клиентов, качество кода, сгенерированного искусственным интеллектом, значительно ниже по сравнению с кодом, который написал квалифицированный специалист. Это связано, в том числе, с тем, что ИИ чаще всего создает заданные фрагменты кода в отрыве от остального проекта.
Более того, сгенерированная ИИ-программа требует больших ресурсов на поддержку — доработку и исправление ошибок. Несмотря на то, что ИИ сегодня развивается невероятно быстро, эти проблемы еще какое-то время останутся актуальными. А когда они будут преодолены — разработчики столкнутся с новыми рисками, которые пока даже сложно предугадать.
В любом случае программирование (как и выполнение любой другой задачи в ИТ, например, системного анализа или тестирования) с помощью ИИ не принесет существенных преимуществ без фундаментальных знаний специалиста в своей области. Ведь при его использовании нужно потратить на решение задачи приемлемое количество токенов и избавиться от необходимости бесконечно дорабатывать созданный код. Для этого нужно изначально сформулировать запрос предельно подробно, учитывая различные нюансы, которые могут быть неизвестны новичку.
В связи с этим наши коллеги сходятся во мнении, что современный вайбкодер — это специалист уровня Senior, который, в первую очередь, обладает высокими компетенциями в своей сфере, но при этом — глубоким пониманием того, как делегировать ИИ рутинную часть задач.
Изменение организационной структуры ИТ-команд
Что это означает для сотрудников? С большой долей вероятности уже через год–два даже в командах, работающих над крупными проектами, нужно будет не десять Senior-разработчиков, а только один, который будет руководить системой агентов. ИТ-экспертам, безусловно, стоит задуматься об освоении навыков вайбкодинга, чтобы сохранить конкурентное преимущество.
Например, в IT_ONE запущены программы обучения квалифицированных специалистов уровня Senior в сфере ИИ: разработчиков (Vibe-Coding Developer — из специалистов Java/Python/Fullstack разработки) и ИИ-архитекторов (как правило, из системных аналитиков). В будущем планируем расширить этот перечень, например, включить в него AI QA-инженеров.
Потребность в начинающих специалистах тоже точно не исчезнет полностью. Во-первых, для выполнения ряда типовых задач привлечение «живого» сотрудника все еще обходится компании дешевле, чем запросы к ИИ-модели. Во-вторых, талантливый Junior — это будущий Middle и Senior, человек с креативным мышлением, который может привнести в команду неординарные идеи.
Для получения конкурентных преимуществ на рынке труда начинающие ИТ-специалисты могут:
- осваивать популярные ИИ-инструменты: GitHub Copilot, Cursor, ChatGPT, Claude;
- развивать навыки промпт-инжиниринга;
- учить Python — основной язык для ИИ-разработки;
- практиковаться в валидации ИИ-сгенерированного кода;
- отслеживать новые тренды (ИИ-агенты, автоматизация, no-code/low-code);
- развивать системное мышление: ИИ заменяет кодирование, но не архитектуру.
Бизнесу тоже придется учитывать эти изменения при формировании и обновлении ИТ-стратегии. Промпт-инжиниринг постепенно становится базовым рабочим навыком не только для ИТ-специалистов, но и для сотрудников других функций. При этом одной из главных проблем внедрения ИИ остается нехватка доступных корпоративных инструментов, поэтому компаниям потребуется инвестировать в собственные ИИ-платформы и безопасный доступ к моделям. Не менее важно развивать внутреннюю ИИ-культуру — вовлекать руководителей в продвижение новых практик, создавать институт ИИ-амбассадоров и системно обучать сотрудников работе с такими инструментами.