Самое крутое впечатление сегодня на #MergeConf – круглый стол по вайбкодингу в секции маркетинга. Секция – важна, потому что это – позиция заказчика. И они – в восторге, потому что разработка – достала, а вайбкодинг дает альтернативу, которая реально работала. формат стола – отдельные реплики и истории. Я это записывал, ловите избранные цитаты.

Когда менеджер, который имел дело с разработчиком, начинает вайбкодинг – это другой мир. Никто не ноет, никто не ушел курить. При обсуждении она рассказывает проблемы, и ты понимаешь, что от разработчика бы ты о них услышал только на третьей итерации в формате «а че ты не сказал». Сидишь ночью вайбкодишь – это кайф, результат без нытья.

Я уже часть задач не даю разработчику, потому что они задают дурацкие вопросы, а ИИ сделает без них.

Проверка кода после джунов требует большей тщательности, чем после ИИ. Но ИИ-шке надо было написать рекомендации – style guide. А для pet-проджект вообще код не смотрят. Но структуру дерева файлов все-таки смотрит. Хотя тоже не везде.

Количество итераций до готового проекта – сильно уменьшается с ИИ по сравнению с разработкой. И итерации быстрее, но это понятно. А тестировщик может сам исправить простые ошибки с помощью ИИ, не возвращать разработчикам.

Ключевая роль человека – во-время чуть-чуть направить.

Реально сделать прототип ко второй встрече с клиентом. Или клиабельный прототип интерфейса в фигме. Самим, без разработчиков. А еще они вытащили все материалы по всем роектам в общее хранилище, и ИИ отвечает на вопрос «что там с проектом». Но там – конвейер, чтобы сделать хороший ответ. И общее хранилище нужно, нейронка по 5-7 сайтам плохо бегает.

Актуальная задача – перейти поддержку с телеги на макс, вернее, макс добавить как канал поддержки. Cursor дали задачу, описание api макса и существующий код, который был заточен од телеграм. Взлетело с минимальными доработками, два дня вместо двух недель. Но он задал модель реализации и потребовал выделить промежуточный слой, который общий и будет маршрутизировать в нужный мессенджер, чтобы расширять, если придется. И с особенностями ИИ справился, в телеге есть оплата звездами, он сказал, что это надо скрыть в зависимости от канала обращения – и это сделали.

Кейс. ИИ помогает в изучении алгоритмов, онбординге в новые процессы и проекты, разбирается со структурой БД, и еще куча задач – ЖКХ поругаться и так далее. Устроился в новую компанию, ему надо изучить проект, осмыслить. Но там Алиса и Gigachat, западные модели нельзя использовать, а наши – не тянут. Но по совету Gigachat скачал Llama и открытую модель DeepSeek – всего 7Мб. Поставил локально, отняло чуть больше часа. И дальше дал зарос на DeepSeek. Тот ушел в раздумья на 40 минут, но ответ – дал. И это на компе за 20тр. Ему это сэкономило 1-2 спринта онбординга в проект.

Кейс. Пару лет назад заключили контракт с одним банком. Штатный программист не тянул, он нанял студию, они год делали, до конца не сделали, но как-то сдали, 2.5м убытка. И по договору был, нужна была поддержка, у студии – комические деньги, он нашел одного fullstack-разработчика, тот тянул. Это история два года назад. А сейчас появилась задача расширить, о спросил разработчика – и тот предложил переписать. И навайбкодил, весь проект обошелся в 250 тр.

На этом – все, о конференции, как обычно, будет полный отчет – но потом. А пока ловите впечатления.