Не кодом единым
Кто на самом деле выигрывает от вайбкодинга
О том, почему первыми массовыми пользователями вайбкодинга становятся не разработчики, а специалисты гуманитарных профессий, рассказывает Александра Игнатьева, руководитель направления по подбору и адаптации персонала в компании «Битрикс24».
Фото: пресс-служба Битрикс24
Фото: пресс-служба Битрикс24
Сегодня вайбкодинг постепенно выходит за пределы ИТ-сообщества. Генеративный искусственный интеллект позволяет создавать приложения, автоматизацию и рабочие сервисы не только разработчикам, но и специалистам без технического образования, расширяя круг тех, кто способен самостоятельно создавать цифровые инструменты.
Если раньше создание даже небольшого цифрового решения почти всегда требовало участия разработчиков, то теперь между идеей и первым рабочим прототипом зачастую стоит лишь диалог с искусственным интеллектом.
По данным отраслевых исследований, уже 71% крупных российских компаний используют генеративный ИИ хотя бы в одной бизнес-функции и в ближайший год планируют увеличить инвестиции в эту технологию в среднем на 25%. Одновременно меняется и сама разработка программного обеспечения.
Более того, по некоторым прогнозам, уже к 2027 году более 65% инженерных команд, использующих AI Coding Agents, будут считать традиционные среды разработки необязательными: значительную часть задач возьмут на себя ИИ-агенты.
Почему программисты — не главные бенефициары
На первый взгляд кажется, что главным бенефициаром этих изменений должны стать разработчики. И действительно, сегодня ИИ помогает быстрее писать код, искать ошибки, тестировать приложения и автоматизировать рутинные задачи. Однако если для программистов искусственный интеллект в первую очередь ускорил уже существующий рабочий процесс, то для рекрутеров, HR-специалистов, маркетологов, юристов и бухгалтеров он открыл принципиально новую возможность — самостоятельно создавать цифровые инструменты для своих задач.
Еще недавно для автоматизации даже небольшого рабочего процесса приходилось обращаться к разработчикам, составлять техническое задание и ждать реализации. Теперь между идеей и первым рабочим прототипом стоит лишь диалог с искусственным интеллектом. Именно поэтому вайбкодинг стремительно выходит за пределы ИТ-сообщества и становится рабочим инструментом специалистов самых разных профессий.
Главным навыком становится не код, а знание своей профессии
Парадокс в том, что вайбкодинг не отменяет необходимости в экспертизе — наоборот, делает ее еще ценнее. Если раньше специалисту нужно было объяснить свою задачу разработчику, то теперь ее нужно объяснить искусственному интеллекту. И чем точнее это описание, тем полезнее окажется результат.
Дело в том, что ИИ способен написать код, но не знает, как устроены, к примеру, процессы найма или какие нюансы нужно учитывать при согласовании договора. Эти знания остаются за человеком, следовательно, для получения хорошего результата необходимо глубокое понимание своей предметной области, чтобы превращать профессиональный опыт в понятные для ИИ инструкции.
Например, рекрутер понимает, что при поиске DevOps-инженера нельзя просто собрать все технологии из описания вакансии и использовать их как фильтр — часть из них обязательна, часть второстепенна, а некоторые кандидаты вовсе могут не указывать в резюме, хотя работают с ними каждый день. Для искусственного интеллекта эта логика неочевидна, пока ее не объяснит специалист.
Однако теория становится убедительной только тогда, когда подтверждается практикой. Сегодня специалисты без технического образования используют вайбкодинг не для того, чтобы создавать очередной сервис или запускать стартап. Чаще всего они начинают с гораздо более простой задачи — пытаются избавиться от ежедневной рутины, которая отнимает часы рабочего времени.
Именно так появилась идея приложения для рекрутера, автоматизирующего подготовку поискового запроса по новой вакансии.
Кейс: приложение для рекрутера, которое создал сам рекрутер
При работе над новой вакансией рекрутеру необходимо проанализировать требования работодателя, определить обязательные технологии и на их основе сформировать поисковый запрос для HeadHunter. При подборе ИТ-специалистов этот этап может занимать от нескольких часов до нескольких дней: описание вакансии часто содержит десятки технологий, но далеко не все из них одинаково важны для поиска.
Именно эту задачу и решено было автоматизировать. Работа над приложением началась с подробного описания процесса искусственному интеллекту, нейросеть также помогала улучшить ТЗ. Далее ИИ помогал на каждом этапе разработки: предлагал структуру будущего решения, объяснял последовательность действий и помогал исправлять возникающие ошибки. Несмотря на отсутствие опыта программирования, создать рабочий прототип удалось всего за две недели.
Как работает приложение
Пользователь загружает в приложение описание вакансии, после чего искусственный интеллект анализирует требования работодателя так же, как это сделал бы опытный сорсер. Он не просто выделяет технологии, перечисленные в вакансии, а определяет, какие из них действительно обязательны, а также предлагает смежные инструменты и технологии, которые могут не упоминаться в описании, но практически всегда используются специалистами этого профиля.
На основе такого анализа приложение формирует черновик поискового запроса для HeadHunter. Рекрутер при необходимости может скорректировать его с учетом специфики вакансии, ситуации на рынке или требований нанимающего менеджера.
Такой подход не заменяет работу специалиста, а берет на себя наиболее трудоемкий этап — первичный анализ вакансии. В результате подготовка поискового запроса сократилась с нескольких часов, а в случае сложных ИТ-вакансий — даже нескольких дней, примерно до одного часа. Вместо ручного анализа десятков технологий рекрутер начинает работу с уже готовой структурой требований, которую остается адаптировать под конкретную задачу.
Резюме. Новый навык цифровой экономики
Вайбкодинг не делает каждого специалиста разработчиком в классическом понимании. Он меняет сам подход к созданию цифровых инструментов: между идеей и ее реализацией больше не обязательно должна стоять команда разработки.
Это не означает, что программисты становятся менее востребованными. Напротив, они по-прежнему создают сложные продукты, архитектуру и инфраструктуру. Однако простые прикладные решения, автоматизирующие повседневные рабочие процессы, все чаще появляются там, где лучше всего понимают саму задачу, — в руках специалистов предметной области.
Именно поэтому главным навыком становится не умение писать код, а способность видеть возможности для автоматизации, понимать логику собственной работы и четко формулировать задачу. Чем глубже профессиональная экспертиза, тем больше шансов превратить ее в работающий инструмент с помощью искусственного интеллекта.