Как ИИ повлиял на рынок аутсорс-разработки

Хреново он повлиял. Аутсорс-компании предлагают короткие сроки, вайбкодят хорошо выглядящие, но сыпляющиеся на реальных сценариях приложения. Доделать их невозможно. В суде доказать что-либо трудно. Заказчики теряют деньги, а те, кто поглупее, начинают требовать с добросовестных разработчиков такие же сроки. Приложение за неделю, гойда.

Теперь разберёмся детально и отпрепарируем вопрос.

Обезличенные кейсы про бешеный калькулятор

Шоколатье

Москвичи, занимающиеся шоколадом, заказали весной 2025 г. у краснодарской айти-компании чат-бот продавца, но не тупой, а ИИшный. Заплатили 150 тыс. руб. Типа, круглосуточный продавец, который будет на связи всегда, будет оценивать возможности покупателей и всё писать в CRM.

Требованием по производительности было давать ответы за три секунды. На базовые вопросы бот отвечал, но медленнее. Он не умел валидировать вводимые данные (например, номер телефона), частенько забивал на клиента и заказ, иногда отвечал не по теме, а также не содержал экранирования, рецепт сырников выдавал охотно.

Кроме того, он либо криво писал в CRM, либо не писал вообще и продаж, понятное дело, не приносил.

Шоколатье обратились в другую айтишную компанию с запросом аудита. Аудитор пршёл к выводу, что под видом готового продукта заказчику предоставили прототип. Деньги не вернули, сейчас, вроде, судятся.

Кофейни

Владелец сети коффен заказал мобильное приложение для повышения лояльности. Айти-агентство, в которое он обратился, запросило 1,5 млн. руб. и срок две недели. Концепт архитектуры, прототип, техзадание, ничего не показали, показали только красивую презу со скринами интерфейса. Тут стоило насторожиться, конечно.

Результат оказался провальным. Агентство сгенерировало код и интегрировало дизайн. Приложение постоянно падало, причём в основном потоке.

Интернет-магазин текстиля и товаров для дома

Интернет-магазин заказал айти-агентству калькулятор стоимости доставки. По ТЗ, калькулятор должен был учитывать вес заказа, регион доставки, цену у нескольких служб доставки. В общем, штука непростая в логике.

Подрядчики честно предложили собрать калькулятор на основе нейросети за полторы недели, очень недорого. Сделали убедительный прототип, магазин согласился. Рабочий калькулятор открыли для части трафика. В первую неделю всё работало хорошо, но потом калькулятор начал глючить и галлюцинировать — путать тарифные зоны, из-за чего магазин терял деньги.

Инхаус-разработчик проанализировал прототип и обнаружил, что под капотом не логические правила, а промпты, при помощи которых нейросеть угадывала тариф по описанию, а не брала из таблицы (какой кошмар, нас учили делать забор данных из источника на базовых курсах по нейросетям, это совсем не сложно). На типовых данных работало, но шаг вправо, шаг влево ломалась. Иногда просто сообщался случайные числа.

В итоге калькулятор решили выбросить и сделать на нормальных технологиях с нуля, потому что терять маржу вообще не весело в 2026 году.

Автоматизация процессов

Подрядчик создавал для компании внутренний сервис для автоматизации части процессов. Нормальная история для продвинутых корпоратов. На этапе демо, выглядело неплохо. Но после технического аудита оказалось, что архитектура ни к чёрту, нет нормальной обработки ошибок, код неподдерживаемый, много конструкций и функций повторяются, назначение некоторых из них команда разработки пояснить не смогла.

Промежуточные выводы

В 2026 году участилась ситуация — компания приходит к крупным айтишникам с задачей что-нибудь сделать с работающим сервисом — аудит, доработка, перенос в облако, доделку под более высокую нагрузку. И всплывает, что это продукт вайбкодинга и он неподдерживаемый совершенно.

Зачастую там кривая архитектура, плохая документация кода, нет нормальных механизмов разделения прав доступа (LLM пока это умеют очень слабо), не настроено резервное копирование. Ну и вайбкод-сервисы не держат нагрузку, ясный перец.

Кто такие современные коммерческие вайбкодеры

Что в России

В РФ есть три основных вида вайбкодинговых продуктов.

Заказчик знает, на что идёт

Это, как правило, заказчик, который что-то слышал о нейросетях и хочет сэкономить. К сожалению, он пытается этим методом сделать слишком сложное ПО и в итоге сливает бюджет на неподдерживаемое и плохо работающее ПО.

Выдача вайбкода за ручную разработку

Это больше похоже на мошенничество. Заказчик выделил бюджет, просил сделать профессиональное ПО, подрядчик закинул ТЗ в нейросеть, что-то получил, наскоро протестировал, сдал. Внешне всё благопристойно, но в реальной практике уже через пару недель вылезает, что продукт сырой. Расчёт прост — что заказчик не затребует тестовую эксплуатацию и подпишет акты.

Комбинация подходов

Это второй вариант с ручной доработкой профессиональными разработчиками. Как правило, недостатки те же — галлюцинации, сбои, плохая масштабируемость, невозможность развития и поддержки.

Почему так происходит

При помощи нейросетей отлично генерируются красивые (хоть и несколько стандартизованные) лендинги, простейшие CRM-ки, имиджевые приложения, можно делать неплохие чат-боты (например, моя дипломная работа на курсах была чатом с ТСЖ).

Не было особой проблемы, пока молодые и нуждающиеся в деньгах агентства, занимались вопросами из предыдущего абзаца. Раньше верстали сайты на Тильде, самый квалифицированный человек в команде — верстальщик нулевых блоков. Но они полезли в тяжёлый IT — продукты со сложной логикой, правами доступа, которые должны быть безопасны и масштабируемы.

Эти продукты трудно интегрировать в существующую инфраструктуру, падают при росте нагрузки уже на 20 %. Зачастую эти проекты не проходят тесты на безопасность, что там с защитой персональных данных, лучше даже не спрашивать. И самое ужасное, что их трудно дорабатывать.

Ещё одна проблема в том, что вайбкод-продукты зависят от внешних ИИ-сервисов и компонентов. Если автор перестанет поддерживать компонент, интеграция валится, софт перестаёт работать.

Как определить вайбкод-продукт

1. Скорость реализации. Если вам предлагают написать сложное ПО за три месяца, скорее всего, будут вайбкодить.
2. Стостраничная документация с описанием каждого чиха с описанием огромного количества ограничений для работающего кода. Люди так не пишут.
3. На демо показывают только один, заранее отработанный сценарий. Нестандартных действий избегают.
4. Нет формализованных требований и критериев приёмки.
5. Нет описания интеграционных взаимодействий и моделей данных.
6. Отсутствие автотестов и нагрузочных тестов.

Разработчики рекомендуют требовать у подрядчика данные по архитектуре и логике продукта, репозиторий для анализа, тесты, документацию, логи, инструкции по резервному копированию и процедурам отката изменений.

Опыт США и Европы

Да, у них тоже не всё гладко. Почитайте материал, пожалуйста. Они отмечают, кроме того, что я писал выше, рост расходов за работу облачных сервисов из-за неоптимизированных запросов к БД. Ну и причудливую логику, которую городят нейросети для решения очень простых задач.

Возникла особая каста блек хэт, которые специализируются на взломе вайбкодинговых проектов.

• Кейс Moltbook — неправильно настроенная база данных, утечка 1,5 млн. токенов аутентификации и имейлов пользователей.
• Кейс Lovable — в созданных с её помощью софтинах нашли однотипную уязвимость авторизации.

Общие настроения — нейросеть нужно рассматривать как джуна, которого нужно постоянно контролировать и работу его перепроверять.

Как это всё влияет на рынок

Рынок уже изменился. Заказчики стали куда придирчивее выбирать подрядчиков. Кроме того, зачастую стали формировать у себя странные ожидания. Клиент приносит разработчикам кривой вайбкод-прототип, получает оценку в несколько миллионов и говорит, что не думал, что нормальная реализация столько стоит.

На простые проекты цены вынужденно снизились. По 100-150 тыс. руб. за лендинг уже мало кто может себе позволить брать.

На рынке энтерпрайз решений ребалансировка, стали меньше времени тратить на типовой код, но больше — на архитектуру, безопасность и нагрузочные дела.

На критически важные системы цена не изменилась. Там платят за гарантии безопасности и надёжности.

Крутой специалист, вооружённый агентами теперь может делать в пять-десять раз больше, чем такой же сениор на ручном кодировании. Стоимость такого специалиста тоже сильно дороже конкурента.

Аутсорсинг сильно трансформируется. Мелкие компании смогут работать только с минимальными бюджетами. Технически грамотные команды с крутыми специалистами, вооружёнными нейросетями будут получать больше заказов. Таков путь.