Почти десять лет назад автор задумался о разнице между Java-разработчиком и инженером. Теперь та же логика применима к AI. AI меняет экономику написания кода, но старый паттерн никуда не делся: инструмент становится мощным, люди привязывают к нему идентичность, а затем ремесло сводится к этому инструменту.
Ключевой вопрос не в том, умеет ли AI писать код. Код он пишет и с каждым днём делает это лучше. Вопрос в том, что происходит, когда этот код попадает в реальный codebase с реальными пользователями, данными, compliance, инцидентами и людьми, которым его поддерживать. Здесь проходит разница между vibe coder и software engineer. Vibe coder проверяет идею, генерируя прототип. Software engineer думает обо всём жизненном цикле разработки. Разница — не в инструменте, а в зоне ответственности.
Большинство споров вокруг vibe coding измеряют не то. Главная метрика — не время до первой рабочей версии, а time to safe merge. Она учитывает reviewability, риск, качество тестов, ownership, rollback. Vibe coder побеждает, когда код — это discovery. Инженер нужен, когда код попадает в общий codebase. Демо — неправильный финиш.
AI-код должен быть лучше, а не больше. Если инструмент позволяет генерировать больше, человек должен ограничивать сильнее. Иначе вы просто переносите работу на downstream, где поддержка становится чужой головной болью. Изменение должно быть узким, объяснимым и безопасным для merge. Иначе получается review debt.
AI не может принимать на себя вину. Когда автор говорит «так сгенерировала модель», он не присваивает код. Software engineer говорит: «Я это делаю, я это объясняю». Ownership — третье отличие.
Контекст — это не только файлы. Модель может прочитать много кода, но не понимает систему. Инженерный контекст живёт в инцидентах, старых миграциях, customer behaviour, operational pain, compliance. Модель оптимизирует локально и ломает глобально. Поэтому правильный подход — сужать пространство решений. Чем больше свободы у модели, тем лучше для weekend hacking, но не для production. Хороший промпт — это результат того, что инженер уже понимает границы.
Andrew Kelley, создатель Zig, запретил AI-контрибуции в проекте, назвав их мусором. Но автор не предлагает банить — он предлагает размещать. Одно и то же — мусор для delivery и нормально для discovery. Discovery терпит бардак, delivery — нет.
Отдельная проблема — джуниоры. AI может сделать их продуктивнее в краткосроке, но ослабить обучение. Первые годы инженерии нужны, чтобы построить ментальную модель в голове, а не брать её у машины. Code review — это способ найти людей, которых стоит растить. AI-субмиссии ломают этот механизм.
Итог прост: vibe coding полезен для идей. Software engineering нужен, когда главная стоимость — ответственность за то, что входит в систему. Один человек может переключаться между режимами. Главное — не путать привычки.