Расчёт на автоматизацию разработки с помощью нейросетей обернулся для многих айтишников не ускорением, а неожиданной ловушкой. В программировании закрепилось новое явление — вайб-кодинг, когда генерация кода на основе поверхностных описаний и доверия к ИИ.
В ответ на это в компаниях возникла новая роль — «специалист по очистке кода», задача которого заключается в исправлении непредсказуемых последствий машинного творчества.
Ветеран веб-разработки Карла Ровер, посвятившая индустрии более 15 лет и сейчас строящая стартап в области машинного обучения, вспоминает момент, когда ей пришлось закрыть проект и переписать всё с нуля.
Ошибки, допущенные генеративной моделью, прошли мимо проверок, и лишь на этапе ручного аудита стало ясно, что итоговый код небезопасен и противоречив. По её словам, воспринимать ИИ как полноценного члена команды — наивное заблуждение. Он может помочь на стадии черновиков, но не способен нести ответственность.
Исследование компании Fastly подтверждает тенденцию, т. к. из почти 800 разработчиков 95% заявили, что им регулярно приходится переделывать фрагменты, созданные ИИ.
Причём основная нагрузка ложится на опытных специалистов. На практике они сталкиваются с многочисленными сбоями — от несуществующих библиотек и некорректных импортов до опасных уязвимостей. Всё это требует не просто правки, а глубокого анализа архитектуры проекта.
Новый термин (вайб-кодинг) родился из попыток объяснить стиль программирования, когда разработчик «на эмоциях» набрасывает идею, а нейросеть превращает её в код. Часто без понимания логики, контекста и системности.
Как отмечает Феридун Малекзаде, дизайнер и инженер с более чем 20-летним стажем, генерация кода напоминает воспитание подростка, потому что приходится бесконечно формулировать одно и то же, но итог всё равно бывает далёк от ожидаемого. По его оценке, 50% времени уходит на точное формулирование запроса, 20% — на ожидание результата и до 40% — на исправление хаоса.
Проблемы усугубляются, когда модели начинают выдавать правдоподобные, но вымышленные объяснения. Карла Ровер называет это «эффектом токсичного коллеги» — вместо признания ошибки ИИ продолжает уверенно выдавать ложные доводы.
В соцсетях этот феномен даже стал мемом. К примеру, модели вроде Claude отвечают на критику с вежливым «вы абсолютно правы», не прекращая при этом генерировать некачественный код.
По мнению Остина Спайреса из Fastly, нейросети стремятся к скорости генерации, игнорируя важность точности, что приводит к уязвимостям, характерным для новичков.
Майк Эрроусмит из компании NinjaOne указал, что вайб-кодинг подрывает традиционные подходы к разработке, в которых важны ревизия, многоступенчатая проверка и безопасность. Чтобы не допустить потерь, NinjaOne внедряет жёсткие меры, в частности, ограниченный доступ к ИИ-инструментам, обязательное ревью кода и автоматизированные сканеры на уязвимости.
Ещё по теме:
- ModStealer обходит антивирусы и получает полный контроль над macOS, Windows и Linux
- Т-Банк выпустил ещё одно приложение, где исправил проблемы с бесконтактной оплатой
- Apple прекратила поддержку iCloud для iOS 10 и macOS Sierra
