Код больше не барьер: что остается за человеком в эпоху вайбкодинга

Конференция показала, что вайбкодинг перестал быть экспериментом энтузиастов и стал рабочим инструментом исследователей, управленцев и экспертов предметных областей. Порог входа в создание программных продуктов резко снизился, однако вместе с ним исчезла и привычная граница ответственности. Главный вывод дискуссии: скорость генерации кода выросла многократно, а скорость проверки, сопровождения и доказательства корректности осталась прежней. Именно в этом разрыве сегодня и находится уникальный вклад человека.

Несколько дней вместо нескольких месяцев: зачем исследователю вайбкодинг

24 сентября в НИУ ВШЭ прошла Первая международная конференция VIBE CODING RUSSIA 2026, организатором которой выступил Центр трансфера и управления социально-экономической информацией (ЦТУ СЭИ) НИУ ВШЭ при поддержке Бизнес-инкубатора НИУ ВШЭ и АНО «Вайбкодинг». Конференция сопровождалась синхронным переводом на английский язык. Из более чем 900 зарегистрированных участие приняли свыше 450 человек, в том числе из Азербайджана, Алжира, Бахрейна, Беларуси, Вьетнама, Египта, Индии, Индонезии, Казахстана, Китая, Кыргызстана, Малайзии, Нидерландов, Нигерии, Пакистана, Перу, Сирии, Узбекистана и ЮАР.

Поводом для конференции стала практическая задача ЦТУ СЭИ: вовлечь ученых в конверсию результатов исследований в прикладные решения и научные продукты, востребованные на рынке. ЦТУ СЭИ выстраивает в НИУ ВШЭ полный путь от научного результата к коммерческому продукту, своего рода научную продуктовую фабрику (Scientific Product Foundry). На этом пути вайбкодинг оказался инструментом, который меняет экономику ранней стадии: исследователь может за несколько дней собрать прототип, то есть приблизить результат исследования к шестому уровню готовности технологии (УГТ 6) и проверить гипотезу, определив жизнеспособность будущего продукта еще до привлечения команды и бюджета. Прототип перестает быть гипотезой на бумаге и становится прикладной демонстрацией результата, которую можно показать, проверить на реальных пользователях и честно оценить.

Термин vibe coding появился лишь в феврале 2025 года в публикации Андрея Карпатого [1], а уже к концу года словарь Collins назвал его словом года [2]. Столь быстрое распространение породило и завышенные ожидания. Поэтому программа конференции была выстроена не как демонстрация возможностей, а как последовательное рассуждение, в центр которого поставлены четыре вопроса: кто теперь строит софт; что такое контекст-инженерия и с какой компетенцией мы будем жить; кто отвечает за результат; и дьявол в деталях — где он прячется. Единое правило для спикеров из университетов, банков, телекома, кибербезопасности и венчурной индустрии звучало так: только живые кейсы и настоящие цифры.

Сквозной вопрос дня сформулировал Андрей Соколов, старший директор по цифровой трансформации НИУ ВШЭ: если создавать цифровые продукты теперь может каждый, в чем остается уникальный вклад человека? По его оценке, центр тяжести создания продуктов сместился от ИТ-подразделений к тем, кто глубоко понимает задачу. Прототип сегодня собирается за вечер. Однако скорость без стратегии остается быстрой дорогой непонятно куда. Регламенты и накопленный опыт организации теперь превращаются в прямые инструкции для ИИ-агентов, поэтому хаос в них лишь быстрее масштабируется. Андрей Соколов предложил и новую метрику: эффект цифровой трансформации измеряется не сокращением штата, а числом гипотез, которые команда может проверить в единицу времени. Масштабировать этот эффект, по его мнению, способно сообщество. Один вайбкодер дает точечный результат, а сообщество превращает разовые решения в повторяемую систему: делает удачные разработки общими ресурсами, передает опыт горизонтально, вырабатывает общие правила и служит мостом между бизнесом и ИТ. В этом смысле оно становится новой инфраструктурой изменений.

Кто теперь строит софт: заказчик и исполнитель в одном лице

Первую секцию модерировала Вера Вишнякова, директор Центра трансфера и упарвления социально-экономической информацией НИУ ВШЭ.

Секция началась с того, что обычно оставляют на конец, – с границ. Ольга Максименкова, заместитель руководителя Департамента программной инженерии ФКН НИУ ВШЭ, обратилась к книге Бертрана Рассела «Человеческое познание: его сфера и границы» и описала «парадокс продуктивности и надежности». Производительность генерации кода выросла, а надежность создаваемых программных систем – нет, потому что недетерминированная генерация сталкивается с формализованными требованиями к надежности. Доверять выводу модели можно, лишь понимая, на чем он построен: модели учились на корпусах естественного языка, а не на программных спецификациях. Поэтому, по мнению Ольги Максименковой, следующий шаг системной программной инженерии связан с доучиванием моделей на спецификациях и предметно-ориентированных языках.

Международное измерение дискуссии задал Онно Пурбо, ректор Institut Teknologi Tangerang Selatan (Технологический институт Южного Тангеранга, Индонезия). В Индонезии более 64 млн микро-, малых и средних предприятий и около 240 тыс. школ, из которых порядка 100 тыс. находятся в удаленных районах с нестабильным интернетом. Его команда разворачивает там локальные квантизированные малые модели, которые решают узкий класс задач без подключения к сети. Подход Пурбо предельно практичен: одна локация, одна задача, одна модель, небольшой доверенный набор документов, еженедельное улучшение. Инклюзивность, по его словам, начинается там, где ИИ приближают к реалиям живых людей, а не подгоняют людей под ИИ. Эту мысль развила модератор секции Вера Вишнякова: модель дает язык, а институциональный смысл дают документы организации.

Николай Ларионов, директор по e-commerce и цифровым продуктам (структура ВТБ), показал, как меняется роль заказчика. Еще недавно ценность создавала большая команда из аналитиков, авторов требований и разработчиков разных стеков. Сегодня один человек может настроить оркестратор и провести задачу по замкнутому контуру: от бенчмарка до A/B-теста со сплитом трафика. Однако узкое место не исчезло, а переехало в согласования. Отдельным вызовом стала утечка конфиденциальной информации в публичные модели.

Алексей Бурденко, директор по разработке Президентской академии, перевел вопрос в плоскость управления цифровой экосистемой академии, в которой более 50 систем, 300 интеграционных потоков и 400 тыс. пользователей. Когда человек, лучше всех знающий задачу, получает возможность ее реализовать, сразу возникает вопрос о том, кто отвечает за работу, данные и изменения. Его практическая формула пилота включает три шага: определить задачу, определить данные и заранее решить, кто проверит и примет результат, обязательно с участием ИТ. Формальных критериев перехода сервиса из личного эксперимента под управление цифрового блока, по его оценке, нет, но массовое использование должно стать сигналом.

Завершил выступления секции Сергей Козарезов, эксперт по цифровой трансформации. Вайбкодинг в его логике является мостом, по которому менеджеры и программисты идут навстречу друг другу, а по обе стороны моста горят два «огня»: доверие к модели и выбор инструмента. Модель с обвязкой, то есть агент с планировщиком, исполнителем, критиком и верификатором, стала умнее по существу, но приложения, которые с ее помощью создаются, – нет: в CRM, учетных системах и тикетах те же кубики, что в 2019 году, плюс окошко чата. Сергей Козарезов развел два типа доверия. Доверие к ассистенту при разработке – заслуженное, потому что человек проверяет каждый шаг. Доверие к агенту, встроенному в продукт и принимающему решения в рантайме, – вынужденное, потому что проверять там уже некому. Отсюда его правило: доверять тому, что проверишь сам (коду, черновику, плану), и не доверять тому, что уйдет без тебя (деньгам, данным, ответу клиенту). Без системы контроля действий ИИ-агентов компании неизбежно накапливают новый технический долг. Практический совет: прямо в контексте проекта требовать от модели контраргументов, чтобы она предлагала альтернативы и не подталкивала к доверию галлюцинациям. Второй огонь, выбор инструмента, прозаичнее, но обжигает чаще. Инструментов десятки, каждый обещает «опиши – получи», а ошибка стоит недель: продукт нельзя вынести с платформы, данные хранятся не там, где разрешено, порог входа оказывается выше обещанного. Наглядный пример – Lovable, который с декабря 2025 года недоступен из России даже через VPN. Рецепт Сергея Козарезова: сравнивать минимум три инструмента, выбирать по тому, куда пойдет продукт и кто может его отобрать, держать код в собственном Git с первого дня, а данные – там, где это разрешено. Экономика при этом подталкивает к массовому внедрению: по приведенным им данным, цена токена за три года упала в 280 раз, а расходы предприятий на API языковых моделей всего за полгода выросли в 2,4 раза – классический парадокс Джевонса.

Ответ секции на первый вопрос получился двойным. Софт теперь строят эксперты предметных областей, но систему, которой можно доверять, по-прежнему строит команда вместе с ИТ. Открытым остался вопрос о пороге входа: одни участники считают, что порога больше нет, другие – что абстракция лишь создает иллюзию простоты. Ольга Максименкова добавила важное предостережение для образования: студент, который начинает вайбкодить до того, как освоил основы, по сути, «ворует у себя» собственный интеллект – лишает себя возможности научиться думать и понимать, как устроена система, а значит, и проверять то, что создала модель. Этот когнитивный долг все равно придется вернуть, поэтому основы системной инженерии нужны каждому, кто работает с ИИ.

С какой компетенцией мы будем жить: контекст как новая инженерия

Вторую секцию модерировала Анастасия Углева, директор Центра этики и онтологии роботов Института робототехнических систем НИУ ВШЭ.

Вера Вишнякова, директор ЦТУ СЭИ НИУ ВШЭ, представила доклад о переходе от промптов к корпоративной мультиагентной архитектуре [3]. Большинство организаций проходят один и тот же путь: пилот вызывает вау-эффект, а через несколько недель агенты начинают пропускать важное, принимать странные решения и отвечать формально. Хорошие промпты дают грамотные, но «плоские» ответы, пригодные для любой организации, а значит, ни для какой. Агент похож на блестящего выпускника, которого посадили за стол с тремя папками предшественников: без должностной инструкции, актуальных регламентов и доступа к носителям неявного знания он работает вслепую, а склонность модели угождать скрывает нехватку сведений за уверенным ответом. Чтобы объяснить, почему так происходит, Вера Вишнякова предложила пирамиду агентной инженерии из четырех уровней – управленческую рамку, а не технический стандарт. Промпт-инженерия – это разовое четкое поручение, которого достаточно, пока руководитель сидит рядом и поправляет каждый шаг. Контекст-инженерия определяет, что оказывается перед агентом в момент решения: документы, шаблоны, история вопроса, регламенты, доступ к системам и границы этого доступа. Инженерия намерений фиксирует, какого результата добивается компания и чем она готова пожертвовать при конфликте целей: сэкономить или удержать клиента, ответить быстро или точно. Инженерия спецификаций превращает то, что хранится в головах ключевых сотрудников разных отделов, в общий машиночитаемый свод правил: какое поведение требуется, что недопустимо и по каким признакам результат считается достигнутым. Именно она позволяет агентам разных отделов работать согласованно. Уровни не заменяют, а дополняют друг друга: проектировать систему лучше сверху, от стратегических целей и критериев результата, но в момент выполнения задачи должны работать все уровни одновременно. Формула доклада: кто управляет контекстом агента, управляет его поведением; кто управляет намерением – стратегией; кто управляет спецификациями – корпоративным масштабом. Сбои мультиагентных систем Вера Вишнякова связала с четырьмя дефицитами – контекста, намерения, спецификаций и ответственности, – поэтому диагностика не может заканчиваться проверкой модели и кода: нужно найти незаполненный слой пирамиды. Отсюда вывод об ответственности бизнеса: переводить регламенты и знания в машиночитаемый вид должны не разработчики, а владельцы процессов. Отдельный риск связан с экономикой: мультиагентная система, которая накапливает ошибки разных агентов, дорожает в геометрической прогрессии.

Лиза Тихер, партнер Startech.vc и программный директор Стартех.Премии, перенесла вопрос на рынок. Путь от идеи до демонстрационного решения сократился до нескольких часов, но потребность в проверке спроса никуда не делась. Парадокс в том, что продукты создаются быстрее, чем выясняется, нужны ли они. Лиза Тихер привела и тревожный пример. Студенты за неделю собрали чат-бота для продажи недвижимости, а в качестве решения на задание проверить спрос вернулись с «интервью» пятидесяти «информантоф», роли которых на деле по команде авторов сыграла модель. ИИ ускоряет не только создание продукта, но и имитацию его проверки: синтетический собеседник не испытывает реальной боли и воспроизводит допущения самих авторов, поэтому такая валидация почти всегда подтверждает гипотезу. Цена ошибки при этом реальна. В практике Лизы Тихер стартап пять месяцев доводил до идеала продукт, половина функций которого оказалась не нужна заказчику, и еще полгода ушло на переделку. Настоящей валидацией она считает не вежливый интерес собеседника, а готовность к конкретному действию: согласие протестировать продукт или познакомить с командой.

Полина Решетцова, эксперт по исследованиям Big Data Т2, показала контекст-инженерию изнутри на кейсе платформы «ИИ-Интервьюер». Большая часть профессионального опыта исследователя существует не в виде инструкций, а как набор неявных правил, которые специалист применяет интуитивно. Пока эти правила не формализованы, модель их не считывает. Команда прошла более 14 итераций, нашла 34 ошибки и предложила 24 улучшения, сохранив участие исследователя на каждом этапе. Сформулировать хороший вопрос ИИ может и по простому промпту, но исследователь опирается на неписаные правила: когда сменить тему, как реагировать на односложные ответы, каких слов избегать. Команда разложила эти знания на четыре слоя – контекст исследования, методологию, историю разговора и правила следующего шага – и убедилась, что контекст нельзя задать раз и навсегда: его приходится постоянно тестировать на живых пользователях. Главный вывод Полины Решетцовой: контекст-инженерия делает неявный профессиональный опыт явным для модели, а роль исследователя меняется – он становится архитектором методологического контекста, который определяет рамки действий модели и отвечает за результат.

Леонид Шашков, директор ИИ-продуктов Сбера и лидер ИИ-трансформации в PropTech Сбера, намеренно построил доклад как доказательство от противного и начал с провокационного тезиса: вайбкодинг уже не нужен. Эксперименты с ИИ стали быстрыми и массовыми: ИИ хотя бы в одной бизнес-функции используют 88% организаций [5], однако измеримую ценность от ИИ на масштабе, по оценке BCG, получают лишь 5% компаний [6]. Поэтому вопрос уже не в том, можно ли быстро собрать прототип, а в том, может ли ИИ устойчиво изменить экономику реального процесса. Ответ Леонида Шашкова – Business Harness, управляемый бизнес-контур вокруг агента: цель, контекст, правила, допустимые действия, границы автономности и метрики. Промпт описывает поведение модели, а Business Harness – правила делегирования работы. Агент в такой логике становится не чатом и не помощником, а частью операционного контура: получает состояние процесса, принимает решение по правилам, действует, проверяет результат и зовет человека, если выходит за границы. Бизнес при этом измеряет время, качество, стоимость операции, долю эскалаций и изменение KPI. Барьер интеграции почти исчез: с появлением MCP-серверов крупных компаний, например ВкусВилла и ЮKassa, собственного ассистента, работающего с их сервисами, может собрать любой предприниматель. В совместном кейсе Сбера и «СберСити» три ИИ-агента сократили трудозатраты диспетчерской службы управляющей компании на 70%. Экономия затрат с помощью ИИ, предупредил Леонид Шашков, почти всегда бьет по качеству, поэтому эффект нужно измерять, а масштабировать – не агентов, а сам способ, которым компания делегирует им работу: если каждому новому агенту заново объяснять, как работает компания, получается не платформа, а коллекция пилотов. Итоговый тезис Шашкова: контекст-инженерия – не самостоятельная дисциплина, а один из слоев агентной инженерии (agentic engineering). Контекст отвечает на вопрос, что агент должен знать, Business Harness – в каких границах ему разрешено действовать, Agentic Operations – как управлять этим исполнением как частью бизнеса. Финальный вопрос доклада – кто отвечает за результат – стал мостом к третьей секции.

Ответ на второй вопрос оказался вполне определенным: ключевой компетенцией становится умение описать организацию на языке, который понимают и исполняют агенты, и одновременно умение быстро проверять, нужен ли результат рынку. Открытым остался вопрос о статусе этой компетенции. Это новая профессия контекст-инженера или новая грамотность каждого руководителя? Участники сошлись в двух вещах: контролировать многоуровневую агентную систему одному специалисту невозможно – это задача команды; больший объем контекста не всегда означает лучший результат.

Кто отвечает за результат: доказательство вместо демо

Третью секцию модератор Андрей Зарубин, доцент кафедры информационной безопасности и киберфизических систем в МИЭМ НИУ ВШЭ, назвал самой неудобной для вайбкодинга.

Виктор Минин, председатель правления МОО АРСИБ, напомнил, что Андрей Карпатый вводил термин как осознанный компромисс для задач, где цена ошибки близка к нулю. При массовом распространении эта деталь потерялась, а там, где есть реальные и персональные данные, цена ошибки растет кратно. На примере хакерских турниров CTF Виктор Минин показал обратную сторону доступности: путь новичка к сложным форматам соревнований сократился с трех-четырех лет до полугода, а задания все чаще и пишут, и решают с помощью ИИ. Среди шести названных им рисков особенно важен риск конфиденциальности: даже безупречный код не решает вопрос, куда утекает контекст. Главный культурный сбой состоит в том, что работающую демоверсию принимают за безопасное программное обеспечение, поэтому прототип и продакшн необходимо разделять.

Никита Богданов, основатель B2B SaaS-стартапа, напомнил, что ответственность начинается еще до кода, и предложил не спешить с разработкой. Формула SaaS не изменилась: пожизненная ценность клиента (LTV) падает из-за конкуренции, стоимость его привлечения (CAC) растет, а дистрибуция и продажи остаются такими же трудными. Анализ рынка, лендинг и презентацию теперь можно сделать до кофе-брейка, но первым шагом должна стать продажа, а не код. При этом главным уникальным контекстом, по его мнению, остается сам человек и его жизнь, поэтому лучшие продукты рождаются там, где создатель решает собственную задачу.

Юрий Силаев, старший преподаватель Департамента программной инженерии ФКН НИУ ВШЭ и технический руководитель SmartMLOps, описал инженерную альтернативу «одному большому промпту»: на входе спецификация, затем тесты, прослеживаемость и независимые агенты-ревьюеры, потому что агент, написавший код, не должен сам его принимать. Одна из разработок команды, созданная по этой методологии, прошла тематические исследования для применения в государственных системах. Формулу Юрия Силаева можно считать девизом секции: генерировать можно быстро, но принимать стоит только то, что мы способны доказать.

Екатерина Стрельцова, директор Центра статистики и мониторинга науки и инноваций Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ, сменила оптику с разработчика на пользователя. ИСИЭЗ второй год ведет мониторинг применения ИИ в науке [4]. По представленным данным, ИИ используют около 85% российских ученых, однако активно им пользуется лишь треть, а у большинства опыт не превышает года. Документы, регулирующие использование ИИ, есть лишь у 14% опрошенных организаций, а применительно к научным исследованиям – у 8%. Любые правила ответственного использования, по ее мнению, должны исходить из трех посылок: практика уже опережает правила; главный риск представляет уверенная ошибка ИИ; правила без поддержки сообщества не приживутся.

Ашот Оганесян, директор блока по инновациям и развитию партнерств «Билайна» (ПАО «ВымпелКом»), рассказал об «Экзоинтеллекте» – корпоративной ИИ-платформе, которая объединяет модели в контуре компании для работы с конфиденциальной информацией, внешние LLM и среду для создания агентов. Цель проекта – единый когнитивный контур, в котором экспертиза каждого сотрудника усиливается и масштабируется. Решение строить платформу самостоятельно Ашот Оганесян объяснил просто: если компания не возглавит внедрение, она получит shadow AI со всеми последующими рисками. Платформу начали разворачивать в декабре 2025 года; ею пользуются около 8 тыс. сотрудников в месяц, с марта по август ежедневная аудитория выросла в восемь раз, а вокруг платформы сложились AI Community (более 4500 участников) и клуб вайбкодинга (более 230 участников). Понятного бэклога при этом больше нет: его приходится пересобирать каждые три месяца, потому что новые модели и навыки делают вчерашние прорывные требования устаревшими. Когда сотрудники фактически стали «жить в ИИ» за счет компании, система не выдержала нагрузки, и с июня 2026 года действует лимитная политика. Потребление разделено на четыре контура со своей моделью учета – исследовательский, массовый, профессиональный и промышленный, – а каждый сотрудник видит стоимость своего запроса в токенах и рублях. Токены Оганесян назвал новой валютой: возможно, скоро они станут частью корпоративного пакета и эквивалентом стоимости «электронного сотрудника». Этические риски компания уже фиксирует на практике: генерация непристойного контента, нейрослоп и асимметрия усилий, когда секунда генерации у одного оборачивается часом вычитки у другого. Ответом стал корпоративный Кодекс этики ИИ, правила которого «зашиваются» прямо в продукты. Главный риск Ашот Оганесян видит в новом цифровом неравенстве: если больше токенов получают те, кто лучше работает, то умеющие работать с ИИ будут осваивать новое с огромной скоростью, а остальные структурно перестанут соответствовать рабочей среде.

Секция завершилась формулированием тезисов для Кодекса ответственного вайбкодера. Работающая функция не равна корректному и безопасному изменению продукта, а запускающаяся демоверсия ничего не доказывает. Ответственность всегда несет человек, но предъявляется она доказательствами: спецификациями, проверками, протоколами и артефактами. Правила, по мнению участников, должны делать использование ИИ проверяемым и контролируемым, а не запрещенным: запреты лишь уводят практику в тень, порождая явление, которое безопасники называют shadow AI. Граница же допустимого определяется не удобством, а ценой ошибки. Там, где ошибка дешева и исправима, – в прототипах, черновиках, личных автоматизациях – ИИ можно использовать свободно. Там, где она дорога или необратима, – в решениях о деньгах клиентов, управлении критической инфраструктурой, работе с персональными данными – модель либо работает только под контролем человека, либо не допускается вовсе. Спорными остались баланс между безопасностью и скоростью инноваций, а также вопрос, не сосредоточится ли регулирование на наиболее заметном – генерации текста, упустив более важные риски в генерации гипотез и интерпретации данных.

Дьявол в деталях: что начинается на второй неделе

Заключительную секцию модерировал Глеб Дронов, директор АНО «Вайбкодинг».

Иван Груздев, директор по внутренним исследованиям и академическому развитию студентов НИУ ВШЭ, представил цифрового респондента – систему на основе RAG, которая по большим массивам текстов профессионального сообщества отвечает на вопросы исследователя и маркирует три уровня достоверности ответа. Сравнение с опросом живых специалистов на тему исторической памяти показало, что цифровой респондент хорошо схватывает коллективные настроения и работает многократно быстрее, но уступает там, где важны личный опыт и переживания.

Елена Юрасова, Product Owner «Билайна» и лидер клуба вайбкодинга «Исходный к0д», рассказала, как создание ПО становится привычкой сотрудников, далеких от ИТ. В клубе 230 участников из двенадцати направлений – от информационной безопасности и развития сети до финансов, HR и юридической поддержки бизнеса, а пятый поток объединил более 90 человек. Начать можно без опыта разработки: своя задача, практика и поддержка менторов и кураторов. Участники создали более 50 цифровых продуктов: транскрибатор, который ускоряет ответы клиентам, семантический поиск по обращениям, автоконсолидацию прогноза капитальных затрат, калькулятор премии руководителя, бота – карьерного консультанта, генератор бизнес-требований. Траектория участников типична: сначала решение для себя, затем для коллег и, наконец, вместе с ИТ-специалистами, которые готовят продукт к масштабированию и размещению в контуре компании. Показательный пример – Николай Безукладников, у которого до проекта не было опыта в ИТ. Первый прототип приложения для записи прогулок «Рассвет» он собрал примерно за полтора часа, но точки маршрута прыгали на десятки метров. Дальше началась настоящая работа: сверка маршрута с реальным путем и расстояния – с другим приложением, поиск ошибок в расчете высоты. Изменились и сами запросы к ИИ: от «сделай приложение для записи прогулок» к точной постановке задачи – как уменьшить скачки точки, сохранить повороты и проверить исправление. После проверки коллегами на их телефонах «Рассвет» опубликован в RuStore, и вместе с пользователями у автора появились новые вопросы: удобно ли, сохраняется ли маршрут, можно ли доверять данным. Ключевой вопрос при этом остается прежним: какова цена ошибки и когда нужно привлекать профессионалов.

Иван Злотников, сотрудник НИУ ВШЭ и создатель платформы «Веллия», пришел в разработку без технического бэкграунда и за год вырастил личные приложения в полноценную платформу. Его вывод стал названием доклада: вайбкодинг простой, но сложное начинается на второй неделе. Код пишется за часы, но проверка не ускорилась: тестирование поглощает основное время. Кроме того, сложное многосоставное приложение порождает эксплуатационные издержки на людей, команду и инфраструктуру. Действенным решением этих проблем Иван Злотников считает рамки: организация должна определить, что можно отдавать ИИ, и создать сотрудникам изолированные контуры для работы. Управление критической инфраструктурой он агентам не доверяет.

Завершил программу Кирилл Жильников, программист и автор популярного канала о нейросетях и автоматизации. Он разобрал анатомию автоматизаций: скиллы, MCP-серверы, субагенты и агент, работающий в фоновом режиме на сервере по событиям от внешних сервисов. Критерий пользы у него очень прост: дать собранному инструменту боевую задачу и оценить, получился ли нужный результат и стало ли быстрее, чем вручную. На вопрос, почему вайбкодеры без ИТ-образования «сыплются» на третьей-четвертой неделе, когда дело доходит до безопасности и внедрения, спикеры секции ответили согласованно: с первого дня надо строить работу вокруг конкретного процесса разработки, вести репозиторий, документацию и передачу контекста между сессиями, а к этому готовы далеко не все.

Рамка выдержана, вопросы остаются открытыми

Конференция сохранила заявленную логику: каждая секция отвечала на свой вопрос и передавала следующей уточненную постановку. Первая секция установила, что создавать софт теперь могут эксперты предметных областей, но надежные системы по-прежнему строит команда вместе с ИТ. Вторая показала, что новая компетенция состоит в переводе знаний организации в контекст для агентов и в быстрой проверке рыночного спроса на решение. Третья зафиксировала, что ответственность остается за человеком и предъявляется доказательствами. Четвертая перевела эти принципы в практику: рамки, изолированные контуры, дисциплина разработки и честная оценка цены ошибки.

Тем самым был получен и ответ на сквозной вопрос Андрея Соколова. Код дешевеет так же, как токены в примере Сергея Козарезова, и, по парадоксу Джевонса, это ведет не к сокращению работы, а к взрывному росту числа создателей и объема программ; дефицит при этом смещается выше – к постановке задачи, контексту и ответственности. Когда код перестает быть барьером, за человеком остаются выбор задачи, которую стоит решать, контекст, который делает ответ модели осмысленным, доказательство корректности результата и ответственность за его последствия. При этом ни один из ответов не стал окончательным. Где проходит граница между личным экспериментом и корпоративным сервисом, является ли контекст-инженерия профессией или новой грамотностью, как совместить скорость инноваций с безопасностью и как не допустить цифрового неравенства – эти вопросы остались дискуссионными и определяют повестку дальнейшей работы.

Список источников

1. Karpathy A. There's a new kind of coding I call "vibe coding" // https://x.com/karpathy/status/1886192184808149383, 2025.
   *Доступ к ресурсу ограничен в России. 
2. Collins’ Word of the Year 2025: AI meets authenticity as society shifts // CNN, https://www.cnn.com/2025/11/06/tech/vibe-coding-collins-word-year-scli-intl, 2025.
3. Vishnyakova V. Context Engineering: From Prompts to Corporate Multi-Agent Architecture // https://arxiv.org/abs/2603.09619, 2026.
4. Искусственный интеллект в науке. Серия «Искусственный интеллект» ИСИЭЗ НИУ ВШЭ, № 16 // https://foresight.hse.ru/mirror/pubs/share/1015931182.pdf, 2025.
5. McKinsey & Company. The state of AI in 2025: Agents, innovation, and transformation // https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai, 2025.
6. Boston Consulting Group. The Widening AI Value Gap: Build for the Future 2025 // https://media-publications.bcg.com/The-Widening-AI-Value-Gap-October-2025.pdf, 2025.