#интервью

«LLM — это угроза кодерам, а не программистам»: почему no-code не исчезнет из-за Claude Code и Codex

Кажется, что генеративный ИИ должен был убить no-code: зачем собирать приложение из готовых блоков, если теперь можно просто описать его словами и получить код?

Мы поговорили с Антоном Симуни, руководителем разработки no-code платформы «Акола», (ИТ-экосистема «Лукоморье», Ростелеком) о том, почему он считает такое противопоставление ошибочным, где заканчивается магия вайб-кодинга и каким в итоге станет корпоративный ИИ.

🔴Зачем сегодня вообще нужен no-code, если LLM уже умеют писать приложения по описанию?

Противопоставлять эти технологии неправильно. Они скорее будут срастаться.

Главная проблема разработки напрямую через LLM — предсказуемость. Один и тот же запрос может дать разные результаты. Если речь идёт о настоящем enterprise, нужно понимать, насколько решение безопасно, как оно будет поддерживаться, кто найдёт ошибку, когда что-то сломается, и сколько всё это будет стоить.

Чтобы сделать LLM-разработку действительно промышленной, вокруг модели придётся построить целый конвейер: контролировать доступы, результаты генерации, инфраструктуру, интеграции, безопасность.

В итоге экономия на программистах может просто перетечь в расходы на специалистов, которые обслуживают инфраструктуру вокруг LLM.

LLM — это угроза прежде всего кодерам. Но не инженерам.

Программист — это не человек, который набирает код. Это инженер, который понимает архитектуру, базы данных, операционные системы, инфраструктуру и умеет соединить всё это в работающую систему. Теперь у него просто появился очень мощный генератор кода.

В no-code значительная часть инженерных решений уже спрятана внутри платформы. Пользователь описывает бизнес-функциональность, а платформа сама отвечает за то, как компоненты взаимодействуют между собой.

И вот здесь агент становится очень логичным следующим слоем.

🔴То есть будущее no-code — когда приложение вообще собирает ИИ?

Именно.

No-code — прекрасная посадочная площадка для агентов.

Представьте, что пользователь говорит системе: «Мне нужен вот такой процесс». Агент собирает его не произвольным кодом, а инструментами уже существующей платформы.

Получается гораздо более предсказуемая конструкция. Есть устоявшийся технологический стек, известные ограничения, понятная стоимость и возможность быстро откатить изменения.

То есть агент делает no-code ещё более no-code.

Сегодня человеку всё ещё нужно знать платформу и самостоятельно собирать бизнес-логику. Завтра он сможет просто разговаривать с системой, а она будет перестраиваться под его запрос.

При этом контролировать результат проще, чем тысячи строк сгенерированного кода: можно открыть схему процесса и посмотреть, что именно сделал агент.

🔴А как быть малому и среднему бизнесу?

Малому бизнесу вообще не нужны токены, модели и агентская инфраструктура.

Ему нужна готовая функция.

Например, в бухгалтерской системе появляется помощник, который разбирает документы или помогает с налогами. Но всё это должна заранее собрать команда профессионалов.

Сценарий «вот тебе ChatGPT, собери себе автоматизацию самостоятельно» для малого бизнеса практически не работает.

Поэтому здесь, вероятно, повторится история облаков.

Малый и средний бизнес не будет строить собственную ИИ-инфраструктуру. Он будет покупать готовые AI-функции как услугу, а крупные платформы распределят стоимость моделей и вычислений между тысячами клиентов.

🔴Сейчас вокруг LLM огромный хайп. Нас ждёт откат?

Не откат. Технология останется. Но люди начнут считать деньги.

Мы уже проходили это с интернетом, облаками, блокчейном. На пике хайпа любую новую технологию объявляют инструментом, который полностью изменит всё.

Потом оказывается, что у неё есть конкретные области применимости.

Где-то LLM действительно будет дешевле и эффективнее обычной автоматизации — и там она останется навсегда. Где-то получится быстрее, но дороже. Где-то быстрее, но менее надёжно. А где-то никакого экономического смысла использовать модель вообще не будет.

🦾 AI для бизнеса в Telegram | в MAX