Вайбкодинг вместо агентства: когда это работает, а когда – дорогая ошибка

Автор: Владимир Белозеров, заместитель коммерческого директора IT-компании KODE

Еще несколько лет назад идея «собрать приложение за выходные» звучала как рекламное обещание конструктора сайтов. Сегодня собственник бизнеса действительно может открыть AI-сервис, описать задачу обычным языком и через несколько часов получить работающий прототип, внутренний сервис или лендинг. И это уже меняет рынок разработки.

По данным исследования Битрикс24 среди активных российских вайбкодеров, 44% респондентов – это предприниматели, еще 12% – руководители. Разработчиков среди них всего 19%. При этом 27% участников до начала экспериментов с AI вообще не программировали, а еще 21% умели максимум править HTML и CSS. Несмотря на это, 95% довели хотя бы один свой проект до рабочего состояния. У 35% лучший проект занял от двух до семи дней, у 21% – один день.

29% участников считают, что аналогичная работа в студии или у разработчика стоила бы им от 150 до 500 тысяч рублей, еще 20% оценили ее дороже полумиллиона. Это субъективная оценка самих респондентов, а не сравнение смет, а выборка исследования состоит из людей, уже успешно практикующих вайбкодинг. Авторы сами называют ее срезом «авангарда». Но тенденцию цифры показывают хорошо: часть работы, за которую бизнес раньше платил разработчикам сотни тысяч рублей, действительно можно сделать самостоятельно за несколько дней.

Если компании нужно быстро проверить гипотезу, показать инвестору будущий интерфейс, сделать калькулятор для отдела продаж или временный внутренний инструмент, то полноценная заказная разработка иногда действительно избыточна.
Проблема начинается, когда «мы быстро собрали работающую штуку» превращается в «теперь на этой штуке работает бизнес».

Вайбкодинг удешевил первую версию продукта. Но не весь продукт

При сравнении вайбкодинга с заказной разработкой легко сопоставить только стоимость первого рабочего результата. Агентство просит несколько месяцев и несколько миллионов рублей. AI-сервис позволяет через несколько вечеров открыть работающий продукт в браузере. На таком сравнении агентство почти всегда проигрывает. На этом сравнении агентство почти всегда проигрывает.

Но у цифрового продукта есть две разные экономики.

• Первая – стоимость проверки идеи. Сколько нужно потратить, чтобы понять, нужен ли вообще такой сервис пользователю или бизнесу.
• Вторая – стоимость владения продуктом. Сколько будет стоить интегрировать его с другими системами, защищать данные, исправлять ошибки, обновлять, масштабировать, восстанавливать после сбоев и передавать от одной команды другой.

Вайбкодинг радикально снизил первую стоимость. А вот со второй всё сложнее. Поэтому сравнивать «500 тысяч агентству» с «пара тысяч за AI-сервис» не всегда корректно. В первом случае в смету могут входить не только первые экраны, но и то, чего пока не видно пользователю: архитектура, интеграции, тестирование, инфраструктура, мониторинг, документация. Это не говорит о том, что один вариант обязательно лучше другого. Они просто решают задачи разного горизонта.

Где можно обойтись без агентства

Вайбкодинг отлично подходит для прототипа перед встречей с инвестором, посадочной страницы для проверки спроса, внутреннего дашборда, бота, небольшой автоматизации или сервиса для нескольких сотрудников, особенно если последствия сбоя минимальны.

Допустим, отдел продаж ведет часть работы в Excel. Руководитель за вечер собирает AI-сервис, который автоматически формирует отчет. Если завтра он перестанет работать, сотрудники снова откроют таблицу. Компания не потеряет клиентов, деньги или данные. В такой ситуации несколько месяцев полноценной разработки действительно не нужны.

Показательно, что сами российские вайбкодеры приходят к разным выводам. В исследовании Битрикс24 53% опрошенных решили, что многое теперь можно делать без разработчиков. Но 33% поняли обратное – без них всё-таки не обойтись. Среди самых сложных частей респонденты называли безопасность, архитектуру, борьбу с багами и доведение проекта до конца.

Хорошая команда разработки в 2026 году тоже использует AI. Страннее сегодня выглядит агентство, которое продолжает делать вручную всё то, что можно безопасно ускорить с помощью моделей.

Дело не в том, кто физически написал код – человек или AI. А в том, кто определил архитектуру, проверил результат, понимает ограничения системы и отвечает за то, что произойдет после релиза.

Чем успешнее прототип, тем быстрее он перестает быть прототипом

Представим внутренний сервис, который руководитель собрал для пяти сотрудников. На старте ему нужна одна функция: принять данные и сформировать результат. Через месяц сервис нравится всей команде – появляются пользователи и разные права доступа. Затем нужно забирать информацию из CRM, потом отправлять данные в 1С.

Еще через несколько месяцев сервисом пользуются уже 100 человек, его простой мешает работе отдела, внутри появляются персональные данные клиентов. Нужны резервные копии, контроль доступов, требования службы информационной безопасности. А потом требуется новая функция, затрагивающая половину существующей логики.

Первоначальное решение не обязательно было плохим. Оно просто проектировалось для задачи первого дня, а бизнес постепенно начал требовать от него поведения полноценной информационной системы.

Допустим, на первой версии удалось сэкономить 500 тысяч рублей. Это отличная экономия. Но если через полгода новая команда несколько месяцев разбирается в системе, переделывает интеграции и переносит данные, первоначальная сумма уже перестает быть главным числом в этой истории.

Поэтому самый опасный вопрос звучит не «можно ли сделать это через вайбкодинг?». В большинстве случаев можно. А вот полезнее спросить: что будет с этим решением, если оно окажется успешным?

Что происходит с большим вайбкод-проектом

Хорошо это показывает публичный эксперимент российского разработчика. Автор решил построить большой сервис практически полностью через AI и принципиально не читать сгенерированный код. За два месяца проект вырос примерно до 190 тысяч строк production-кода и почти 300 миграций базы данных. С точки зрения скорости эксперимент впечатляет. Но по мере роста системы вокруг AI начали появляться обычные инженерные ограничения. Без жестких автоматических тестов агент мог исправить одну функцию и незаметно сломать соседнюю. Поэтому понадобились обязательные тесты, проверки перед отправкой изменений, ограничения на опасные команды и отдельный контроль миграций базы. Причем многие правила появлялись после конкретных проблем.

Эксперимент показывает важную вещь: большая AI-разработка возможна. Но чем серьезнее становился продукт, тем больше вокруг быстрого производства кода приходилось строить обычную инженерную инфраструктуру.

Код стало легче создавать, чем проверять

AI резко увеличивает скорость производства кода, но проверять и исправлять его по-прежнему приходится людям и инженерным системам.

Российская AppSec Solutions проанализировала данные 4214 кодовых баз ИТ-компаний, финтеха и предприятий реального сектора, около 510 млн строк кода. На момент среза было исправлено только 33,7% выявленных проблем безопасности, а 44,9% еще ожидали разбора. При этом медианный срок устранения критических проблем вырос со 103 до 153 дней.

Важно: это не исследование качества именно AI-кода и не доказательство того, что вайбкодинг делает системы менее безопасными. Оно показывает другую проблему: автоматизировать создание и проверку кода становится всё проще, но исправление найденных проблем по-прежнему требует инженерного времени. Если AI позволяет создавать функциональность в несколько раз быстрее, то архитекторы, тестировщики и специалисты по безопасности автоматически не получают в несколько раз больше времени на ее проверку. То есть главным дефицитом становится уже не код, а инженерное внимание.

Когда безопасность становится бизнес-вопросом

Пока созданный через AI калькулятор складывает два числа или собирает общедоступные данные, цена ошибки невелика. Ситуация меняется, когда внутри появляются учетные записи, клиентские документы, персональные данные, платежи или доступ к корпоративным системам.

Проблема не специфична для вайбкодинга, уязвимости есть и в обычной разработке. Но если приложение за несколько дней создает человек без опыта в архитектуре и информационной безопасности, нельзя рассчитывать, что защита системы автоматически появится вместе с работающим интерфейсом.

По данным Positive Technologies, в проектах по анализу защищенности веб-приложений обнаруженные уязвимости в 92% исследованных приложений потенциально позволяли получить конфиденциальные данные, в 84% – несанкционированный доступ к приложению или его функциям. Эти цифры относятся к веб-приложениям в целом, а не к продуктам, созданным с помощью AI.

Для бизнеса у риска есть и вполне конкретная цена. По действующей статье 13.11 КоАП неправомерная передача персональных данных от одной тысячи до десяти тысяч субъектов может повлечь для юридического лица штраф от 3 до 5 млн рублей, от десяти до ста тысяч субъектов – от 5 до 10 млн. При повторном нарушении, связанном с неправомерной передачей персональных данных, предусмотрен оборотный штраф от 1 до 3% выручки, но не менее 20 млн и не более 500 млн рублей.

Регулятору не важно, создавался сервис год профессиональной командой или два вечера сотрудником через AI. Ответственность остается у бизнеса.

Новый слой технического долга

Есть еще одна проблема, которая заметна не сразу. Отдельное небольшое AI-приложение почти ничего не меняет в ИТ-ландшафте компании. Но теперь собственный инструмент может за несколько дней создать маркетолог, аналитик, продуктовый менеджер, HR или руководитель подразделения.

Если это происходит одновременно в десятках подразделений, то компания быстро получает новый класс внутренних систем, про которые нужно понимать хотя бы четыре вещи: кто ими владеет, какие данные они используют, от чего зависят и кто будет их поддерживать. Для российского бизнеса это накладывается на уже накопившийся технический долг.

По данным исследования OCS, в 2026 году у 25% крупных российских компаний больше половины инфраструктурного ПО уже нуждается в обновлении или полном пересмотре. Каждая двенадцатая компания сообщила о техническом долге более чем в 75% инфраструктурных платформ.

Конечно, этот долг возник не из-за вайбкодинга. Но массовое создание никем не описанных внутренних сервисов способно быстро добавить к старому legacy новый слой систем, только теперь они будут появляться не за годы, а за недели.

В каком-то смысле это новая форма теневого ИТ: раньше сотрудник без согласования подключал сторонний SaaS, теперь он способен сам создать небольшой SaaS внутри компании.

В крупном бизнесе вайбкодинг тоже работает

Из всего сказанного легко сделать неправильный вывод будто вайбкодинг хорош только для лендингов и временных прототипов. Это не так.

X5 Tech использует вайбкодинг в командах для разных сценариев: от переписывания legacy-кода на современный технологический стек до создания новых систем. Директор по управлению данными X5 Tech Тигран Саркисов рассказал, что в одном проекте импортозамещения компании удалось сэкономить полгода работы и десятки миллионов рублей бюджета команды. То есть компания с помощью AI не отказалась от инженерии, а она удешевила и ускорила инженерную работу.

Исследование Yandex B2B Tech и ИТМО еще в 2025 году показывало, что три четверти опрошенных программистов уже активно используют AI-ассистентов. При этом 80% разработчиков работают в командах, а полной автоматизации своей работы ожидали только 6% опрошенных.

То есть профессиональная разработка и вайбкодинг постепенно перестают быть двумя альтернативами. AI становится еще одним инструментом внутри профессиональной разработки.

Не обязательно переписать всё с нуля

Есть еще одна важная промежуточная модель, о которой бизнес часто забывает. Компания может самостоятельно собрать первую версию, проверить на ней спрос и только после этого принести продукт инженерной команде. Это не обязательно «всё сносим и делаем заново». Сначала можно провести технический аудит: посмотреть архитектуру, зависимости, работу с данными, безопасность, тесты и интеграции. После этого становится понятно, какие части решения можно оставить, какие требуют усиления, а какие действительно дешевле заменить до масштабирования.

Это особенно удачный момент для подключения команды: ценность идеи уже подтверждена, поэтому бизнес не платит за разработку гипотезы вслепую. Но вокруг временного решения еще не успели вырасти десятки интеграций и процессов, из-за которых любая переделка становится дорогой. Для компании это может быть эффективнее обеих крайностей: и разработки большого продукта до проверки спроса, и бесконечного развития прототипа, который никогда не проектировался для такой нагрузки.

Как понять, что пора подключать инженеров

Собственнику необязательно разбираться в архитектуре или языках программирования, чтобы понять, можно ли спокойно вайбкодить задачу самостоятельно.

Есть критерий попроще: что произойдет с бизнесом, если решение завтра сломается.

Можно выделить три зоны.

• Зеленая – эксперимент. Прототип, лендинг, временный внутренний инструмент, небольшой бот, автоматизация. Если решение сломается, бизнес почти ничего не потеряет. Здесь логично использовать вайбкодинг.
• Желтая – растущий сервис. Появились авторизация, интеграции, реальные данные, десятки или сотни пользователей. Проект уже стоит показать инженерам и понять, выдержит ли выбранный фундамент дальнейший рост.
• Красная – бизнес зависит от продукта. Платежи, клиентские данные, ключевые бизнес-процессы, высокая нагрузка, множество интеграций, требования ИБ или регуляторов. Здесь главный вопрос уже не в способности AI написать очередную функцию, а в том, кто сможет обеспечить работу всей системы через год или три.

Если нужна более подробная проверка, то руководителю достаточно ответить еще на пять вопросов.

1. Что потеряет бизнес, если сервис не будет работать сутки?
2. Какие данные будут проходить через систему?
3. С чем продукт придется интегрировать?
4. Что произойдет, если пользователей станет в десять раз больше?
5. Сможет ли через год другой человек продолжить работу?

Чем тревожнее ответы, тем меньше задача похожа на чистый вайбкодинг.

Что тогда остается агентствам

Вайбкодинг действительно забирает часть работы у агентств. И это нормальная эволюция рынка. Если раньше для проверки простой идеи бизнесу требовалась команда разработчиков, а сегодня ту же гипотезу можно проверить за два дня и несколько тысяч рублей, продавать старый процесс за старую цену становится бессмысленно.

Ценность смещается в другую сторону: разобраться в бизнес-задаче, спроектировать систему, определить границы продукта, связать его с существующей ИТ-инфраструктурой, обеспечить безопасность и сделать так, чтобы решение можно было развивать через несколько лет.

Агентство, которое умеет использовать AI для сокращения сроков, но сохраняет архитектуру, тестирование, безопасность и ответственность за результат, для заказчика потенциально ценнее агентства, которое продолжает продавать исключительно человеко-часы.

Вайбкодинг не отменяет разработку. Он меняет момент, когда в ней появляется необходимость. Бизнесу больше не обязательно платить за полноценный продукт до того, как он понял, нужен ли этот продукт вообще.

И самая дорогая ошибка не в использовании AI. Самая дорогая ошибка – не заметить момент, когда эксперимент уже стал системой, и продолжать управлять им как экспериментом.