Вайбкодинг меняет заказы на разработку: бизнесу нужны аудит и доработка приложений

Предприниматели используют вайбкодинг, чтобы автоматизировать работу и сократить расходы на подрядчиков и сервисы. Опрошенные Бизнес News представители компаний сообщают об экономии до 3 млн рублей в месяц, но предупреждают: быстро собранный прототип ещё не означает, что бизнес получил надёжный продукт.

От описания задачи — к рабочему инструменту

Вайбкодинг позволяет создавать программные решения через диалог с искусственным интеллектом: человек описывает задачу обычными словами, а ИИ пишет код. Участники опроса применяют этот подход для сайтов, обработки заявок, подготовки отчётов и внутренних сервисов. При этом они разграничивают самостоятельную сборку приложения и профессиональную разработку с ИИ, когда инженер контролирует устройство программы, безопасность и результат.

Основатель аналитической компании ДОВОД Никита Малов с помощью ИИ собрал сайт, журнал для собственников бизнеса и справочник. На 33 страницы услуг ушло три с половиной дня, на справочник из 1 683 страниц с калькуляторами и образцами документов — полтора дня. За 83 дня в журнале появилась 161 большая статья.

Подписки на ИИ-инструменты обходятся ему примерно в 600 долларов в месяц, дополнительно он оплачивает серверы и сервис оценки конкуренции поисковых запросов. Экономию относительно команды, выполняющей сопоставимую работу, Малов оценивает в 10–12 тыс. долларов ежемесячно. Это его расчёт альтернативных затрат; влияние проекта на поисковый трафик, по словам предпринимателя, оценивать пока рано.

Другой масштаб внедрения описывает сооснователь университета «Зерокодер» Кирилл Пшинник. Весной 2026 года 122 сотрудника месяц учились вайбкодингу, после чего в ежедневную работу вошли 90 ИИ-агентов. Раньше отдел продаж проверял примерно каждый десятый звонок, теперь автоматическая проверка охватывает все — около тысячи в месяц.

По словам Пшинника, методисты стали готовить урок за два часа вместо прежних двух дней, а агент коммуникационного отдела позволил отказаться от мониторинговых сервисов стоимостью 300 тыс. рублей в месяц. Совокупное сокращение расходов на найм, подрядчиков и внешние сервисы он оценивает примерно в 3 млн рублей ежемесячно. Эти показатели относятся к опыту одной компании, а не к рынку в целом.

Что бизнес собирает самостоятельно

ИИ-инженер и управляющий партнёр компании «Зинин, Штурбин и партнёры» Тим Зинин приводит пример агента для лизинговой компании: тот читает заявки, извлекает параметры, отсеивает нецелевые обращения и передаёт менеджеру готовую карточку. Для других заказчиков команда создаёт справочных ботов по внутренним регламентам; если ответа в базе нет, бот направляет пользователя к ответственному сотруднику.

Основатель Maya AI и школы автоматизации «Ковчег» Артур Хорошев рассказывает о системе из 30 маркетинговых агентов с отдельными ролями — от аналитика до редактора. Основной потенциал таких решений он видит в повторяемых операциях: публикациях, отчётах, обработке заявок. Стратегию, бюджеты и ответственность за результат, подчёркивает предприниматель, нельзя передавать системе без контроля.

AI-стратег, основатель AI-Cofounder School Егор Рудометкин описывает проект для предприятия нефтегазовой отрасли: за две недели команда собрала управленческую платформу на данных из 1С. По его словам, план загрузки производства, который раньше четыре человека готовили четыре-пять недель, теперь двое сотрудников составляют за день. Другие его проекты связаны с учётом строительных материалов и моделированием загрузки судов.

При сравнении результатов важно учитывать границы задачи. Основатель бизнес-школы Елена Никульшина потратила около двух часов активной работы с ИИ на оформление учебного кабинета в GetCourse; раньше сопоставимая задача занимала у команды минимум пять рабочих дней с согласованиями. Однако речь идёт о страницах на готовой платформе при подготовленном содержании, а не о разработке образовательного сервиса с нуля. Внедрение и проверку проводили вместе с командой.

Теряют ли IT-компании заказы

Опрошенные подрядчики не подтверждают массового отказа клиентов от разработки из-за вайбкодинга. Владелец Usertech и брендингового агентства Time to Pro Вячеслав Коэн отмечает, что заказчики всё чаще присылают сгенерированные ИИ макеты сайтов, но значительно реже — готовый программный код. Отделить влияние технологии от изменений рекламных бюджетов и других рыночных факторов он пока не может.

Руководитель департаментов веб-разработки и управления проектами DBI Дмитрий Лагутин также не сталкивался с отказом клиента из-за решения самостоятельно создать приложение с ИИ. При этом компания получает прототипы, которым требуются проектирование базы данных, настройка размещения, разграничение доступа и устранение уязвимостей. В одном из таких случаев данные клиентов системы записи на услуги оказались доступны без авторизации.

Руководитель отдела разработки ICL Services Ибрагим Габидуллин подтверждает, что компания уже проводила аудит и дорабатывала приложения, созданные внутри бизнеса. Для полноценного внедрения им требовались документация, усиление безопасности и повышение стабильности. Подрядчик, таким образом, подключается не обязательно к написанию первой версии, а к подготовке решения для работы всей компании.

Генеральный директор Qtim Антон Фокин предлагает не считать каждый самостоятельно собранный инструмент потерянным заказом. Иногда ИИ позволяет проверить идею, на которую раньше вообще не выделяли бюджет, а затем возникает потребность в интеграциях и развитии.

«Поэтому самостоятельно созданное приложение не всегда означает потерянный заказ для IT-компании: оно может стать началом нового проекта», — отмечает Фокин.

Основатель AI-студии AINEX LAB, преподаватель НГТУ Артём Демидов видит давление на цены прежде всего в простой фриланс-разработке. Одновременно, по его наблюдениям, появляются заказы на доработку прототипов и проверку безопасности. Основатель агрегатора вакансий hireseeker.ru Константин Забродин ожидает снижения спроса на специалистов начального и среднего уровня и роста ценности тех, кто понимает предметную область и способен определять задачи для ИИ. Это оценки спикеров, а не подтверждённая статистика занятости.

Почему быстрый код не гарантирует низкую цену

Скорость генерации кода не равна ускорению всего проекта. В ICL Services оценивают сокращение сроков разработки с ИИ в 10–30% в зависимости от проекта и подготовки команды. По словам Габидуллина, часть сэкономленного времени уходит на проверку кода, безопасность и исправления: заказчик прежде всего получает результат быстрее при сопоставимом бюджете.

Лагутин оценивает совокупную оптимизацию в DBI примерно в 20–30%, оговаривая отсутствие строгой статистики. Основатель производителя систем автоматизации INSYTE Electronics Сергей Грибанов, напротив, сообщает об ускорении работы более чем в десять раз по большинству проектов своих компаний. Сопоставлять эти оценки напрямую нельзя: они относятся к разным задачам и процессам.

Доцент Финансового университета Лилия Ежова предлагает считать полные расходы: подписки, размещение, исправления, сопровождение и возможное привлечение программистов. Демидов отдельно разграничивает освобождённое время и денежную экономию: сокращение подготовки отчёта с пяти часов до одного приносит финансовый результат, если компания уменьшает выплаты или использует эти часы для дополнительной работы.

Доцент того же университета Юлия Бузыкова также обращает внимание на расходы на проверку, тестирование и сопровождение. По её оценке, самостоятельная сборка оправданна прежде всего для проверки гипотез и небольших внутренних инструментов, а нагрузка, требования безопасности и регулирования повышают потребность в профессиональной разработке.

Ошибка может скрываться не в коде

В «Зерокодере» рекламный агент остановил кампанию с окупаемостью около 160%: в таблице не хватало части сведений об оплатах, и система сочла направление невыгодным. Алгоритм выполнил заданные правила, но опирался на неполные данные. После этого, рассказывает Пшинник, проверку разделили на три уровня: работоспособность кода, полноту информации и разумность решений.

IT-эксперт и бэкенд-инженер Тимур Рахматуллин предупреждает о другом разрыве: приложение может успешно запускаться, но содержать уязвимости, не проверять входные данные или не выдерживать роста нагрузки. Для внутренних калькуляторов последствия ограниченны, тогда как при работе с платежами и клиентской информацией цена ошибки существенно выше.

Грибанов формулирует это различие так: «Вайбкодинг почти обнулил порог входа в разработку, однако порог входа в эксплуатацию остался прежним». В автоматизации зданий ошибка затрагивает уже физические объекты: например, отопление или доступ на склад.

Практическая граница для бизнеса проходит по цене сбоя и возможности проверить результат. Участники опроса рекомендуют начинать с небольшой задачи на тестовых данных, ограничивать права приложения, проверять восстановление из резервной копии и заранее назначать ответственного за поддержку. Прежде чем подключать платежи, персональные данные и критичные внутренние системы, они советуют привлекать технических специалистов. Экономию при этом следует измерять до принятого и работающего результата, а не до первого экрана, который удалось открыть.