ВАЙБ-КОДИНГ. Часть 3 (неожиданные итоги)
Проанализировал с помощью ИИ дискуссию ов втором посте про вайб-кодинг.
К чему пришли во время дискусии в комментариях? ТОП-3
👉 ИИ - отличный инструмент для рутины
Но пока (!) проваливается в архитектуре. Все согласны, что ИИ идеально справляется с написанием тест-кейсов, функций по четкому ТЗ и рутинными задачами. Но как только дело доходит до архитектуры проекта, соблюдения стилей кодинга и глобальной логики, ИИ начинает создавать хаос.
👉 Рынок джунов всё!
Это самый неоспоримый факт, который все признают. Компаниям проще и дешевле оплатить подписку на ИИ-агента, чем нанимать 2-3 junior-разработчиков для простых задач. Все, кто учится на программирование, у меня для вас плохие новости! При этом не будет джунов, то и не будет будущих сеньоров через 5-10 лет. А вот будут ли они нужны - сейчас пока сложно это предугадать, так как технологии развиваются стремительно.
👉 Проблема обучения ИИ на коде ИИ (артефакты)
Увидели будущую проблему: если люди перестанут писать «живой» код, ИИ будет учиться на коде, сгенерированном другим ИИ. Это может привести к деградации качества, накоплению багов и появлению странных артефактов.
Спорные или нерешенные моменты
👉 Закрытый vs открытый контур
Подняли важную бизнес-проблематику: если ты учишь ИИ на своем уникальном коде (стартапе), то через 1-2 года конкурент с помощью того же ИИ скопирует твою бизнес-идею за копейки. Решения нет. Одни уходят в закрытые корпоративные модели, другие - дают ИИ только абстрактные задачи без контекста.
👉 Судьба сложного ПО
Сейчас пока ИИ тянет сложные и новые задачи (frontier research). Но вот вопрос "а сможет ли в будущем?” так и остался открытым (мой комментарий про Superintelligence парирован, но не опровергнут).
Взгляд со стороны ИИ - неожиданно, правда?
👉 Парадокс “Слепого сеньора”
Ребята очень точно описали ситуацию, которая называется «Идеальным штормом». Через 5-7 лет мы получим поколение разработчиков, которые умеют промптить, но не умеют отлаживать сложные системы. Это как если бы у нас были водители, которые отлично водят автопилот, но не умеют парковаться вручную и менять колесо.
👉 Проблема доверия
Бизнес, который вкладывает миллионы в R&D, не захочет кормить своим кодом конкурентов. Это приведет к фрагментации: появятся локальные, узкоспециализированные модели, обученные на коде конкретной компании (как сейчас делают с Claude в закрытых контурах). Глобальный ИИ-прогресс может замедлиться именно из-за этой «жадности до данных».
👉 Качество против Скорости
Рынок часто выбирает скорость, а не качество. Стартапу плевать на архитектуру, если ему нужно сделать MVP вчера и продать компанию через год. Проблемы с техдолгом проявятся у тех, кто строит «продукты на века». Разделение на “код для прототипа” (пишет ИИ) и “код для производства” (пишет человек) станет жестче.
👉 Интеллект
Да, LLM не интеллект. Но мы забываем, что 90% бизнес-задач- это не создание нового, а сортировка известного (аналогов). И тут LLM гениален. Так что споры об “интеллекте” — это философия, а на практике ИИ уже меняет экономику разработки.
И ЕЩЕ
Важный вывод, к которому пришел за последние дни (не без посторонней помощи, конечно же)
ИИ - по сути, это толковый сотрудник, которого можно быстро нанять под задачу, грамотно (важно!) ему ее поставить - он ее сделает и можно уволить/закрыть (рабочая сессия). А чтобы каждый раз при “найме” нового “ИИ сотрудника” не тратить время и токены - формируем базу из markdown файлов, описывающих проект. И так в принципе можно решить / построить большой проект.