Два предсказания Forbes про то, как рушится порог входа в разработку. Нетехнический основатель собирает приложение словами, а отраслевые модели обыгрывают универсальные. Обе идеи верные и соблазнительные, но у каждой есть граница, за которой начинаются проблемы. Про эти границы и поговорим.

Вайб-кодинг выходит в мейнстрим

Предсказание №4: «вайб-кодинг», когда человек описывает желаемый результат словами, а код генерируется сам, перестаёт быть забавой для энтузиастов. Так собирают MVP, внутренние инструменты и даже клиентские приложения. Российский нюанс один: часть западных сервисов недоступна для оплаты напрямую, но подход живёт отлично и альтернативы есть.

Важнее другая граница, и она не про страну, а про ответственность. Вайб-кодинг прекрасен для прототипа и внутреннего инструмента, где худшее при ошибке это ваше собственное неудобство. Но как только продукт идёт к клиентам и деньгам, за красиво сгенерированным кодом нужен человек, который понимает, что у него внутри: где дыра в безопасности, где всё развалится под нагрузкой, где утекут данные. Собрать можно за вечер, отвечать за это перед клиентами придётся годами.

Живой пример того, как нетехнический человек собирает и продаёт продукт на ИИ, мы разбирали в статье «Код написал ИИ, продала мама». А о том, почему за готовым кодом всё равно стоит работа, которую не видно, у нас есть «Я не просто код пишу».

Вертикальный ИИ вместо универсального

Предсказание №6: Techaisle считает, что отраслевые модели, обученные на данных конкретной ниши, обыграют универсальные. Для малого бизнеса покупать отдельную специализированную модель избыточно и дорого. Тот же эффект достигается проще: берём обычную модель и кормим её вашим контекстом, базой знаний, прайсом, регламентами, типичными вопросами клиентов. На выходе «вертикальный» ассистент под конкретную компанию, который отвечает не вообще, а именно про ваши услуги и правила.

И здесь «там vs здесь» почти не играет роли: подход «обычная модель плюс ваши данные» работает одинаково везде и не зависит от того, чья модель под капотом. О том, как ИИ меняет саму экономику разработки таких инструментов, мы писали в «Как ИИ снимает стружку с разработки».

Не код ради кода, а инструмент ради задачи

Оба предсказания сводятся к одному: порог входа упал, но ответственность за результат никуда не делась. Прототип соберёт и нейросеть, а рабочий инструмент под клиента и деньги собирает человек, который понимает, что именно он строит и зачем.

И дело не только в коде. Саму идею рождает человек, а нейросеть лишь пересобирает то, что придумали до неё. Она может свести десяток чужих идей в одну и выдать свежий на вид продукт, но замысел всё равно появляется в голове у человека. Человек задумывает, машина компонует.

И человек держит в голове не только концепцию продукта. Он с самого начала понимает, кому это продавать, как на этом зарабатывать и как этим пользоваться. Поэтому отвечать приходится не только на выходе, когда готовый результат надо проверить, но и на входе: за идею, за замысел и за то, ради чего всё затевается. ИИ не придумает за вас, с чем и зачем вы выходите на рынок.

Порог входа упал, но вопрос «что и зачем строить» остался за вами. Если есть идея, но непонятно, как собрать под неё рабочий инструмент и не обжечься на клиентах и деньгах, разберём на вашей задаче. Напишите нам.

Это третья статья серии по 15 ИИ-предсказаниям Forbes для малого бизнеса. До неё были про роли в команде, «Команда из одного человека», и про агентов, «Агент вместо чат-бота». В следующей части про то, где обжигаются при внедрении ИИ: данные, доступы и закон.