Разговоры с СТО: вайб-кодинг в банке или почему мы не уволим разработчиков и не отдадим всё ИИ. ai.. ai. ai-агенты.. ai. ai-агенты. IT-инфраструктура.. ai. ai-агенты. IT-инфраструктура. IT-компании.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех. вайб-кодинг.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех. вайб-кодинг. вайбкодинг.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех. вайб-кодинг. вайбкодинг. ИИ в разработке.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех. вайб-кодинг. вайбкодинг. ИИ в разработке. Информационная безопасность.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех. вайб-кодинг. вайбкодинг. ИИ в разработке. Информационная безопасность. искусственный интеллект.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех. вайб-кодинг. вайбкодинг. ИИ в разработке. Информационная безопасность. искусственный интеллект. Управление разработкой.. ai. ai-агенты. IT-инфраструктура. IT-компании. llm. банковская разработка. Блог компании СВОЙ Тех. вайб-кодинг. вайбкодинг. ИИ в разработке. Информационная безопасность. искусственный интеллект. Управление разработкой. финтех.
Разговоры с СТО: вайб-кодинг в банке или почему мы не уволим разработчиков и не отдадим всё ИИ - 1

Продолжаю разговоры с СТО и публикации рассуждений об автоматизации и ИИ в банковской разработке. Ранее мы с Максимом Гречихо, техническим директором Своего Банка, уже разбирали роль новых технологий и трансформацию инженерных процессов в финтехе. В это раз за утренним кофе мы остановились на одной из самых хайповых тем последних месяцев — вайб-кодинге и где здесь реальная польза для бизнеса, а где кроются опасные иллюзии.

— Максим, тему вайб-кодинга сейчас не обсуждает только ленивый. Как к этому явлению относятся в финтехе — это реальный инструмент или опасная иллюзия для корпоративной разработки?

— В дискуссии о вайб-кодинге важно договориться о терминах. Если речь идет об использовании языковых моделей для генерации и доработки кода, я вижу в этом полезный инструмент профессиональной разработки. Если же подразумевается создание ПО без понимания того, как работает полученный результат, к такому подходу в корпоративном сегменте я отношусь скептически.

Для личных и бытовых задач — настройки роутера, медиасервера, домашнего хранилища или элементов умного дома — возможности таких инструментов весьма широки. В корпоративных системах, особенно банковских, другой уровень ответственности. Даже небольшая ошибка в бизнес-логике при большом количестве операций может иметь серьезные последствия. ИИ способен ускорять работу, но без инженерного контроля он может столь же быстро тиражировать ошибки.

— Полностью доверить написание банковского кода искусственному интеллекту пока нельзя. Как тогда правильно добавлять эти инструменты в рабочих процессах?

— Использование ИИ должно быть встроено в полноценный жизненный цикл создания ПО: от постановки задачи и подготовки технического задания до проектирования, тестирования, выпуска и сопровождения. Требования информационной безопасности и принятые в организации практики DevOps сохраняются. На каждом этапе нужен специалист, который понимает, что создает вместе с ИИ-помощником, видит конечный результат и отвечает за свои решения. Основанием для доверия к ПО должны быть проверяемое качество и соблюдение требований независимо от того, кто написал конкретный фрагмент кода.

— Меняется ли при таком подходе роль самого разработчика?

— Да, больше внимания требуется постановке задач, архитектуре, интеграциям и проверке результата. Сгенерированный фрагмент может выглядеть корректным сам по себе, но не учитывать ограничения соседних систем или особенности банковского процесса. Поэтому важно проверять поведение системы в целом, включая нагрузку и нештатные ситуации. Ускорение написания кода еще не означает такого же сокращения срока выпуска продукта.

— А что происходит после релиза? Код, сгенерированный нейросетью, легко поддерживать в будущем?

— Отдельный критерий доверия — способность команды сопровождать созданное решение. Команда должна уметь разобраться в нем при инциденте, изменить бизнес-логику, проверить обновление зависимостей. Быстро получить работающий прототип недостаточно: компания должна сохранять знания о системе и возможность управлять ею на всем сроке эксплуатации. Поэтому понимание кода и документирование решений становятся особенно важными при использовании ИИ.

— Какие инфраструктурные изменения и регламенты ИБ требуются банку для безопасной работы с LLM?

— Компании необходимо выстроить собственный порядок работы с ИИ. Он должен включать корпоративные инструкции и навыки для ИИ-агентов, контролируемое подключение к внутренним источникам данных через MCP-серверы, разграничение доступа и очистку чувствительной информации перед передачей во внешние модели. Причем очистка данных — лишь один из механизмов: нужно заранее определить, какую информацию вообще допустимо передавать за пределы организации.

— Изменился ли подход к оценке эффективности разработчиков? 

— Да, важны изменения в управлении командой. KPI должны стимулировать освоение ИИ и успешное решение задач с его помощью. Оценивать при этом следует качество, полезный результат и фактические трудозатраты, включая проверку и доработку. Количество обращений к модели или объем сгенерированного кода сами по себе мало что говорят об эффективности.

— Наверняка не все сотрудники сразу встречают ИИ-инструменты с энтузиазмом. Как преодолевать скепсис в команде?

— На первом этапе сроки и оценки трудоемкости могут не сократиться. Сотрудникам нужно время на освоение инструментов, а также уверенность, что повышение производительности не обернется только бесконечным увеличением нагрузки. Здесь нужна индивидуальная работа, в том числе с наиболее опытными специалистами. По моим наблюдениям, они иногда проявляют больше скепсиса — из-за высоких требований к качеству или предыдущего негативного опыта. Но после освоения нового подхода именно их экспертиза позволяет получать особенно сильные результаты: точно ставить задачи, замечать ошибки и понимать ограничения предложенного решения.

— Если подвести итог: в чем главный критерий успешного внедрения ИИ в IT-департаменте?

— Я бы разделял осведомленность об инструментах, их фактическое использование и подтвержденный эффект для бизнеса. Сам факт внедрения ИИ еще не говорит о росте производительности. Важно измерять весь путь от постановки задачи до стабильной работы решения, учитывать затраты на проверку, исправления и сопровождение.

Для меня перспективный путь корпоративной разработки — профессиональная инженерная работа с ИИ-помощником. Скорость имеет ценность, когда за ней стоят управляемый процесс, подтвержденное качество и понятная ответственность.

А теперь вопрос к Habr-сообществу:

Считаете ли вы «вайб-кодинг» допустимым хотя бы на этапе PoC в продуктовой разработке, или любой код с первого дня должен проходить через жесткий фильтр архитектурных ограничений? Будем рады почитать ваши кейсы в комментариях — особенно если у вас финтех или критическая инфраструктура.

Автор: NadyaSkrebets

Источник