Эпоха вайб-работы уже здесь

Всем привет!
Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Последний год активно изучаю внедрение AI-решений в кросс-функциональные процессы. Делюсь материалами, которые помогают:

• Продуктовым менеджерам — интегрировать AI без перегрузки команд;

• Разработчикам — выбирать инструменты под конкретные бизнес-задачи;

• Специалистам по данным — избегать ошибок в production-развертывании.

У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.

Сегодняшний перевод — Speaking things into existence

Статья исследует феномен “vibecoding” и более широко “vibeworking” — создание цифровых продуктов и контента через словесные инструкции ИИ вместо традиционного кодирования или ручной работы. Автор делится практическим опытом разработки 3D-игры за $5 (и $8 на отладку), создания интерактивного образовательного курса и написания исследовательского документа за час вместо недель.

Ключевой инсайт: в мире ИИ экспертиза не исчезает, а трансформируется — от написания каждой строки кода к умению формулировать задачи, оценивать результаты и направлять искусственный интеллект. Требуется “минимально жизнеспособное знание” предметной области для эффективного партнерства с ИИ.

Влиятельный исследователь в области ИИ Andrej Karpathy написал два года назад, что “самым горячим новым языком программирования является английский”, тему, которую он развил в прошлом месяце с идеей “vibecoding” — практики, когда вы просто просите ИИ создать что-то за вас, давая ему обратную связь по ходу дела. Я думаю, что последствия такого подхода гораздо шире, чем просто кодирование, но я хотел начать с того, чтобы самому попробовать вайб-кодинг.

Я решил попробовать это с помощью нового агента Claude Code от Anthropic, который дает языковой модели Claude Sonnet 3.7 возможность манипулировать файлами на вашем компьютере и использовать интернет. На самом деле, мне понадобилась помощь ИИ еще до того, как я смог использовать Claude Code. Я могу кодить только на нескольких очень специфических языках программирования (в основном используемых в статистике) и совершенно не имею опыта работы с Linux-машинами. При этом Claude Code работает только на Linux. К счастью, Claude объяснил мне, как решить мои проблемы, так что после некоторого вайб-устранения неполадок (серьезно, если вы еще не использовали ИИ для технической поддержки, вам стоит это сделать), я смог настроить Claude Code.

Время для вайб-кодинга. Первое, что я напечатал в Claude Code было: “сделай 3D игру, где я могу размещать здания различных дизайнов, а затем ездить по созданному мной городу.” Вот и всё, включая грамматические и орфографические ошибки. Примерно через четыре минуты я получил работающее приложение (Claude любезно запустил его в моем браузере) без какого-либо дополнительного ввода с моей стороны. Результаты вы можете увидеть в видео ниже.

Это было довольно неплохо, но немного скучно, поэтому я написал: хмм всё немного скучновато (плюс иногда большие здания не размещаются правильно). Может быть, я управляю пожарной машиной и мне нужно тушить пожары в зданиях? Мы могли бы добавить движение и всё такое.

Пару минут спустя он превратил мою машину в пожарную машину, добавил движение и сделал так, что дома загорались. Теперь мы двигались в правильном направлении, но все еще нужно было кое-что исправить. Я дал Claude обратную связь: выглядит лучше, но пожарная машина меняет внешний вид при движении (внезапно появляются колеса), и нет никаких проблем с движением или каких-либо сложностей, также пожары не распространяются и всё выглядит очень по-1980-му, сделай всё намного лучше.

После просмотра результатов я дал ему четвертую и последнюю команду в виде трех вопросов: могу ли я сбросить игровое поле? можешь сделать здания более реалистичными? можешь добавить соперника-вертолет, который пытается потушить пожары раньше меня? Результаты всех четырех запросов вы можете увидеть в видео ниже. Это работающая, хоть и блочная игра, но она включает в себя циклы дня и ночи, отражения света, миссии и управляемого компьютером соперника — всё создано с использованием самого горячего из всех языков программирования — английского.

На самом деле, я упускаю одну вещь. Между третьим и четвертым запросами что-то пошло не так, и игра просто не работала. Как человек без навыков программирования на JavaScript или на чем там была написана игра, я не имел представления, как это исправить. В результате произошла серия обсуждений с ИИ, где я сообщал об ошибках, а он работал над их решением. Через двадцать минут всё снова заработало, даже лучше, чем раньше. В итоге игра обошлась примерно в $5 комиссии API Claude… и еще $8, чтобы решить проблему, которая оказалась довольно простой. Цены, вероятно, будут быстро падать, но урок полезен: насколько бы удивительно это ни было (я создал работающую игру просто попросив!), вайб-кодинг наиболее полезен, когда у вас действительно есть какие-то знания, и вы не полагаетесь только на ИИ. Более опытный программист мог бы сразу понять, что проблема была связана с загрузкой ресурсов или обработкой событий. И это был маленький проект, я менее уверен в своей способности работать с ИИ над управлением большой кодовой базой или сложным проектом, где потребуется еще больше вмешательства человека.

Это подчеркивает, как вайб-кодинг не об устранении экспертизы, а о ее перераспределении — от написания каждой строки кода к знанию достаточного о системах, чтобы направлять, устранять неполадки и оценивать. Вызов заключается в определении того, какие “минимально жизнеспособные знания” необходимы для эффективного сотрудничества с ИИ в различных проектах.

Вайб-работа с экспертизой

Экспертиза явно все еще имеет значение в мире создания вещей с помощью слов. В конце концов, вы должны знать, что хотите создать; быть способным оценить, хороши ли результаты или плохи; и давать соответствующую обратную связь. Как я писал в своей книге, с текущими ИИ вы часто можете достичь наилучших результатов, работая как со-интеллект с ИИ-системами, которые продолжают иметь “зубчатую границу” возможностей.

Но применение экспертизы не обязательно требует много работы. Возьмем, например, мой недавний опыт с Manus, новым ИИ-агентом из Китая. По сути, он использует Claude (и, возможно, другие LLM), но дает ИИ доступ к широкому спектру инструментов, включая возможность проводить веб-исследования, писать код, создавать документы, веб-сайты и многое другое. Это самый способный универсальный агент, который я видел на данный момент, но как и другие общие агенты, он все еще допускает ошибки и оплошности. Несмотря на это, он может выполнять довольно впечатляющие задачи.

Например, вот небольшая часть того, что он сделал, когда я попросил его “создать интерактивный курс по презентации идеи за 30 секунд (elevator pitch), используя лучшие академические советы.” Вы можете видеть, как система создает список задач, а затем проходит через них, проводя веб-исследование перед созданием страниц (это ускоренная запись, реальный процесс происходит автономно, но занимает десятки минут или даже часы).

Как преподаватель предпринимательства, я бы сказал, что полученный результат был впечатляющим на поверхностном уровне — это был целый курс, который охватывал основы презентации и не содержал очевидных ошибок! Тем не менее, я также сразу заметил, что в нем было слишком много текста и не было возможностей для проверки знаний или интерактивных упражнений. Я дал ИИ второй запрос: “добавить интерактивные упражнения непосредственно в материалы курса и ссылки на качественные видео.” Даже несмотря на то, что это был минимальный отзыв, его было достаточно, чтобы значительно улучшить курс, как вы можете видеть ниже.

Если бы я собирался запустить этот курс, я бы направил ИИ дальше и более тщательно проработал результаты, но впечатляет видеть, как далеко можно зайти с минимальным руководством. Но есть и другие режимы вайб-работы. В то время как создание курса демонстрирует способность ИИ справляться с обычной структурированной творческой работой с минимальным руководством, исследование представляет собой более сложную задачу, требующую более глубокой интеграции экспертизы.

Глубокая вайб-работа

Именно на переднем крае экспертизы использование ИИ становится наиболее интересным. К сожалению для тех, кто пишет о таком виде работы, это также случаи использования, которые труднее всего объяснить, но я могу привести один пример.

У меня есть большой анонимизированный набор данных о кампаниях краудфандинга, который я собрал почти десять лет назад, но так и не успел использовать для исследовательских целей. Данные очень сложные — огромный файл Excel, руководство по кодированию (которое объясняет, что означают различные части файла Excel) и словарь данных (который детализирует каждую запись в файле Excel). Работа с данными требовала частого перекрестного обращения к этим файлам и особенно утомительна, если вы не работали с данными долгое время. Мне было интересно, как далеко я смогу продвинуться в написании новой исследовательской работы с использованием этих старых данных с помощью ИИ.

Я начал с получения отчета OpenAI Deep Research о последней литературе о том, как организации могут влиять на краудфандинг. Я смог проверить отчет на основе своих знаний. Я знал, что он не будет включать все последние статьи (Deep Research не может получить доступ к платному академическому контенту), но его выводы были основательными и были бы полезны для ИИ при рассмотрении тем, которые стоило бы изучить. Итак, я вставил отчет и три файла в защищенную версию ChatGPT, предоставленную моим университетом, и работал с несколькими моделями для генерации гипотез. ИИ предложил несколько потенциальных направлений, но мне нужно было отфильтровать их на основе того, что действительно могло бы внести значимый вклад в область — решение, требующее многолетнего опыта работы с соответствующими исследованиями.

Затем я работал в диалоге с моделями, чтобы проверить гипотезу и подтвердить, что наши выводы верны. ИИ справлялся со сложностью анализа данных и делал множество предложений, в то время как я предлагал общее руководство и направление того, что делать дальше. В нескольких случаях ИИ предлагал статистически обоснованные подходы, которые, как я знал из моего опыта работы с данными, не были бы подходящими. Вместе мы проработали гипотезу для генерации достаточно надежных результатов.

Затем я передал все предыдущие результаты o1-pro и попросил его написать статью, предлагая несколько советов по ходу дела. Она далека от сенсации, но могла бы внести существенный вклад в состояние знаний (после некоторой дополнительной проверки результатов, так как ИИ все еще делает ошибки). Что более интересно, на её создание ушло меньше часа, по сравнению с неделями размышлений, планирования, написания, кодирования и итераций. Даже если бы мне пришлось потратить час на проверку работы, это все равно привело бы к огромной экономии времени.

Мне никогда не приходилось писать ни строчки кода, но только потому, что я знал достаточно, чтобы проверить результаты и подтвердить, что всё имеет смысл. Я работал на обычном английском языке, сэкономив десятки часов работы, которую я не мог бы выполнить так быстро без ИИ… но было много мест, где ИИ еще не имел “инстинктов” для правильного решения проблем. ИИ далек от возможности работать в одиночку, люди все еще обеспечивают как вайб, так и работу в мире вайб-работы.

Работа меняется

Работа меняется, и мы только начинаем понимать, как. Из этих экспериментов ясно, что взаимосвязь между человеческой экспертизой и возможностями ИИ не является фиксированной. Иногда я действовал как креативный директор, иногда как отладчик, а иногда как эксперт в предметной области, валидирующий результаты. Именно моя комплексная экспертиза (или её отсутствие) определяла качество результата.

Текущий момент ощущается как переходный. Эти инструменты еще не достаточно надежны, чтобы работать полностью автономно, но они достаточно способны, чтобы резко усилить то, что мы можем выполнить. Сессия отладки за $8 для моей игры напоминает мне, что пробелы в возможностях ИИ все еще имеют значение, и знание того, где эти пробелы находятся, становится своего рода экспертизой. Пожалуй, наиболее интригует то, как быстро меняется этот ландшафт. Исследовательская работа, которая заняла у меня час с помощью ИИ, была бы невозможна с такой скоростью всего восемнадцать месяцев назад.

Вместо того, чтобы делать окончательные выводы о том, как ИИ трансформирует работу, я обнаруживаю, что собираю наблюдения о движущейся цели. Что кажется постоянным, так это то, что пока наибольшая ценность возникает не из полной передачи контроля ИИ или цепляния за полностью человеческие рабочие процессы, а из нахождения правильных точек сотрудничества для каждой конкретной задачи — навыка, которому мы все еще учимся.