В начале 2026 года я решил, что пора проверить главный хайп индустрии — vibe coding. Идея простая: вы описываете приложение словами, а ИИ пишет за вас код. Все вокруг говорили, что это убьёт классическую разработку, а я как предприниматель всегда хочу делать продукты быстрее. Я назвал свой экспериментальный проект FutureX — символично, ведь я пытался заглянуть в будущее разработки. И вот что из этого вышло.
Я не профессиональный программист, но основы знаю: могу написать простой скрипт, понимаю, как работают API, но архитектуру сложных систем никогда не проектировал. Поэтому для меня vibe coding был шансом создать полноценное приложение без команды разработчиков. Я выделил на это 3 дня. Сказать, что я был наивен — ничего не сказать.
Что такое vibe coding и почему это тренд
Термин «vibe coding» ввёл Андрей Карпаты (сооснователь OpenAI) в 2025 году. Он описал подход, при котором разработчик не пишет код вручную, а формулирует задачу на естественном языке, а ИИ генерирует код целиком. Это как заказывать еду в ресторане: вы говорите, что хотите, а шеф-повар приносит готовое блюдо. Проблема в том, что вы не видите, какие продукты он использовал и насколько они свежие.
Популярность vibe coding объясняется просто: скорость. Средний разработчик пишет около 50 строк кода в день, а ИИ генерирует тысячи. Для бизнеса это выглядит как волшебная таблетка: можно сократить время выхода на рынок с месяцев до недель. Но у любой таблетки есть побочные эффекты. Мой опыт с FutureX — яркий пример того, что скрывается за красивой картинкой.
Мой кейс: как я строил FutureX
FutureX — это мобильное приложение для управления личными финансами. Я хотел, чтобы пользователь мог записывать доходы и расходы, видеть статистику по категориям и получать уведомления о превышении бюджета. Звучит просто, правда? Я думал, что за 3 дня справлюсь.
Инструменты:
- ChatGPT для генерации кода.
- GitHub Copilot для автодополнения.
- Cursor (IDE с ИИ) для навигации.
Первый день: Я описал структуру приложения: экраны, модель данных, основные функции. ИИ выдал скелет на React Native, подключил Firebase для базы данных и создал интерфейс. Через 6 часов у меня было приложение, которое открывалось и показывало пустые формы. Я был в восторге.
Второй день: Начал добавлять логику: ввод транзакций, категории, расчёт бюджета. Я давал ИИ задания типа «сделай так, чтобы при нажатии на кнопку появлялась форма». Он генерировал код, я вставлял его в нужные файлы. Через 8 часов приложение умело добавлять записи в базе данных. Но появились баги: иногда данные не отображались, иногда приложение вылетало при редактировании.
Третий день: Я решил, что потрачу его на отладку. И тут началось самое интересное. Ошибки были не очевидными: например, при сохранении транзакции с суммой больше 10 000 рублей приложение падало. Я не понимал, почему, потому что код был сгенерирован, а не написан мной. Пришлось разбираться в каждой строчке, и это заняло весь день. К вечеру третьего дня у меня было приложение, которое вроде работало, но я знал, что оно хрупкое, как карточный домик.
Результат: то, что не видно на первый взгляд
Формально я достиг цели: за 3 дня у меня был работающий прототип. Но когда я начал использовать его в реальной жизни, обнаружились серьёзные проблемы, которые я называю «скрытыми издержками». Они не были заметны в первые дни, но вылезли именно тогда, когда я попытался выйти за рамки демо.
Издержка №1: Время на отладку
Первая скрытая издержка — это время, которое вы тратите на поиск ошибок в чужом коде. ИИ не пишет код с нуля, он использует обрывки из обучающей выборки. Поэтому в нём часто встречаются несовместимые библиотеки, неправильные типы данных, забытые импорты. Пока вы вставляете код и он работает — всё отлично. Но когда что-то ломается, вы остаётесь один на один с ошибкой, которую никогда не видели.
Пример из моего опыта: на второй день у меня началась ошибка с авторизацией. ИИ сгенерировал код, который отправлял запрос к Firebase, но не обрабатывал токен. Вместо того чтобы сразу дать рабочее решение, он выдал три разных варианта, каждый из которых не работал. В итоге я потратил 3 часа на чтение документации и исправление кода вручную.
Издержка №2: Архитектурный хаос
Когда вы пишете код сами, вы выстраиваете архитектуру: модули, компоненты, зависимости. Вы знаете, где что лежит. Когда код генерирует ИИ, он создаёт отдельные куски под каждую задачу. В результате в проекте появляется 10 файлов вместо 3, и все они связаны между собой непонятным образом. Это называется техническим долгом, и он накапливается с первой же строчки.
В моём FutureX к концу третьего дня файлы были названы так: HomeScreenV2.js, HomeScreen_final.js, HomeScreen_final2.js. ИИ не знал, что я уже создал похожий компонент, поэтому генерировал новые версии, а старые оставались в проекте. Разбираться в этом было кошмаром.
Издержка №3: Обманчивое чувство прогресса
Самая коварная издержка — это иллюзия, что вы двигаетесь быстрее. Когда вы смотрите, как ИИ печатает код со скоростью света, кажется, что вы успеваете всё. Но стоит копнуть глубже — и вы обнаруживаете, что 80% времени уходит на исправление того, что ИИ сделал неправильно.
Я вёл учёт времени по дням:
| День | Время на генерацию кода | Время на отладку и исправления | Чистое время работы |
|---|---|---|---|
| 1 | 5 часов | 1 час | 6 часов |
| 2 | 4 часа | 4 часа | 8 часов |
| 3 | 2 часа | 6 часов | 8 часов |
Видите закономерность? Чем дальше, тем больше времени уходит на отладку. Это потому, что кодовая база растёт, и каждый новый сгенерированный кусок должен быть совместим со старым. ИИ не понимает контекст всей системы.
Издержка №4: Зависимость от ИИ
Это прозвучит иронично, но после 3 дней активного использования ИИ я почувствовал зависимость. Когда генерация кода работала — я был продуктивен. Когда сервер был перегружен или ИИ выдавал абсурдные решения, я впадал в ступор. Я перестал доверять своей интуиции и ждал, что ИИ подскажет.
Психологи называют это эффектом «автоматизации смелости»: когда вы перекладываете ответственность на машину, вы теряете навык решать проблемы самостоятельно. Я не написал ни одной строчки кода без того, чтобы сначала спросить у ИИ. Это пугает.
Издержка №5: Безопасность
ИИ не обучен на лучших практиках безопасности. Он генерирует код исходя из частоты использования в обучающей выборке, а не из лучших решений. Например, я заметил, что для подключения к базе данных он вставил ключ доступа прямо в код. Причём сделал это так, что ключ оказался на витрине GitHub, когда я закоммитил файл.
Это не просто моя ошибка — это системная проблема vibe coding. ИИ не знает, что ваш репозиторий может быть публичным, и что ключи нужно хранить в секретном хранилище. Приходится проверять каждый сгенерированный файл на потенциальные утечки.
Издержка №6: Интеграции с внешними сервисами
Когда я решил добавить в FutureX уведомления через Telegram, я столкнулся с тем, что ИИ предлагал устаревший код. API Telegram Bot — это простой REST API, но документация часто меняется. ИИ, обученный на данных 2024 года, не знал о новых параметрах. Мне пришлось читать документацию самому и вручную править код.
Кстати, если вы тоже хотите автоматизировать свои бизнес-процессы с помощью ИИ, обратите внимание на платформы, которые уже интегрированы с популярными сервисами. ASI Biont поддерживает подключение к Telegram через API — подробнее на asibiont.com/courses.
Когда vibe coding оправдан, а когда нет
После этого опыта я выработал для себя чек-лист. Vibe coding работает, если:
- Вам нужен прототип. Для проверки идеи, демонстрации инвестору или внутреннего инструмента, который не будет развиваться, сгодится.
- Кодовая база маленькая. Если приложение имеет 3-4 экрана и простую логику, ИИ справится.
- У вас есть опытный программист. Если рядом есть человек, который сможет исправить архитектуру, то ИИ может ускорить рутину.
Vibe coding не подходит, если:
- Приложение обрабатывает чувствительные данные (финансы, медицина).
- Вы планируете масштабироваться. Код, созданный ИИ, тяжело поддерживать более 6 месяцев.
- У вас нет навыков отладки. Вам придётся учиться читать чужой код — это неизбежно.
Как я изменил свой подход после провала
Я не забросил ИИ-инструменты, но теперь использую их по-другому:
- Всегда пишу архитектурный план. Перед тем как дать задачу ИИ, я описываю структуру: файлы, зависимости, интерфейсы. Это снижает количество генерируемого мусора.
- Проверяю код на безопасность. Каждый сгенерированный файл я просматриваю вручную. Это занимает время, но экономит нервы.
- Изучаю код. Вместо того чтобы слепо копировать, я разбираюсь, как работает каждая функция. Это медленнее, но даёт понимание.
- Комбинирую ИИ с классическим программированием. ИИ хорош для генерации boilerplate-кода, но бизнес-логику я стараюсь писать сам.
Выводы
FutureX — это не просто название моего приложения, это метафора нашего стремления ускорить будущее. Мы хотим всё и сразу, но забываем, что скорость без понимания — это мина замедленного действия. Мой 3-дневный эксперимент показал: vibe coding — это мощный инструмент, но он не заменяет мышление. Он требует от разработчика даже больше навыков, чем обычное программирование: умение формулировать задачи, отлаживать чужой код, оценивать риски.
Если вы предприниматель, как я, и хотите использовать ИИ для быстрого создания продуктов, не игнорируйте скрытые издержки. Учитывайте их в своих планах. И не верьте тем, кто говорит, что программисты больше не нужны. Нужны, но теперь их роль меняется — они становятся архитекторами и ремесленниками, которые управляют ИИ.
Поделитесь в комментариях: пробовали ли вы vibe coding? С какими скрытыми издержками столкнулись? Мой опыт показывает, что только через ошибки мы учимся по-настоящему. И помните: будущее уже здесь, но цена на него выше, чем кажется.
Комментарии