Вайб-кодинг: что теперь делает разработчик, если код за него может написать ИИ

В феврале 2025 года один из основателей OpenAI Андрей Карпатый описал способ работы, при котором он формулирует задачу словами и почти не смотрит в сгенерированный код. Он назвал это vibe coding. Через девять месяцев, 6 ноября 2025 года, словарь Collins объявил выражение словом года: использование искусственного интеллекта, которому ставят задачи на естественном языке, для написания программного кода.

Разберем, сколько кода нейросеть реально пишет за человека и на самом ли деле ИИ ускоряет работу.

Единого показателя нет — доля зависит от компании и от инструментов. Например, открытые данные об этом есть у Google. Гендиректор корпорации Сундар Пичай сообщил на конференции Cloud Next '26, что ИИ-инструменты пишут 75% нового кода компании. В конце 2024 года доля была около 25%, осенью 2025-го — примерно 50%, то есть за полтора года показатель вырос втрое. У Microsoft в 2025 году Сатья Наделла называл долю около 30%.

В том же заявлении от Google есть важная деталь — каждый фрагмент, написанный нейросетью, все равно утверждает инженер. То есть 75% — это доля кода, который человек прочитал и принял.

В июле 2025 года организация METR провела рандомизированный эксперимент. Шестнадцать опытных разработчиков выполняли 246 настоящих задач в своих же крупных проектах — часть с доступом к ИИ, часть без. Результат оказался обратным ожиданиям — с ИИ задачи заняли у них на 19% больше времени.

Хотя до эксперимента участники рассчитывали ускориться примерно на 24%, а после эксперимента они считали, что работали на 20% быстрее. Разрыв между ощущением и замером получился около 40 процентных пунктов.

В феврале 2026 года METR опубликовала обновление на инструментах нового поколения — здесь уже участвовали 57 разработчиков и тестировали подход на 143 репозиториях и более чем 800 задачах. В этом случае время задач сократилось на 18% у исходной группы и на 4% у новых участников.

Нейросеть хорошо справляется с типовым кодом, который до нее писали тысячу раз. Например, ИИ быстро объясняет незнакомую библиотеку, когда в документации сто страниц, а нужно понять три функции. То же относится и к задачам, много раз встречавшихся в открытом коде, на котором училась модель, поэтому писать их заново незачем.

Человеку остается то, где нужно знать контекст проекта:

Идеальный процесс будет выглядеть так. Разработчику нужно описать задачу и добавить контекст — на каком языке писать, как принято оформлять код в проекте, какие есть ограничения. Полезно приложить примеры похожих мест из того же проекта, чтобы модель подхватила стиль.

Дальше нейросеть выдает вариант. Разработчик сначала запускает программу и смотрит, как она себя ведет, и только потом читает сам код. После этого следует проверка и тесты.

Проверять сгенерированный код будет удобно по такому списку:

Вайб-кодинг сместил фокус профессии с набора кода на постановку задач и контроль качества. Из этого можно выделить пять важных навыков:

Ни одно из этих умений не новое, изменилась лишь пропорция — раньше разработчик писал код сам и иногда проверял чужой, теперь наоборот. Учиться программированию по-прежнему приходится с основ, иначе проверять сгенерированное будет некому.

Доля ИИ в рутинной части разработки, судя по динамике Google, продолжит расти. Вместе с ней вырастет и цена ошибки при проверке — чем больше кода проходит через человека, тем важнее внимательность разработчика и точная настройка инструментов. Вайб-кодинг не отменяет дисциплину, он лишь повышает требования к ней.

Если вы рассматриваете профессию программиста, присмотритесь к программам Московского института технологий и управления — разработка программного обеспечения и веб-приложений, информационные системы и разработка компьютерных игр.

Институт находится в Москве, а учиться можно дистанционно — все лекции будут доступны в записи. По итогам обучения вы получите диплом государственного образца.