Андрей Карпатий: ПО из-под крана и парадокс Джевонса
Андрей Карпатий о том, как ИИ превращает создание ПО в бесконечный поток и почему спрос на программы растёт, а не падает.
«Программное обеспечение из-под крана»: что имеет в виду Карпатий
9 июня 2026 года Симон Уиллисон (Simon Willison) — известный разработчик, сооснователь Django и неустанный хроникёр эпохи LLM — процитировал в своём блоге короткую, но ёмкую реплику Андрея Карпатия. Казалось бы, несколько предложений. Но за ними стоит целая философия о том, как меняется наше отношение к созданию программного обеспечения.
«Я чувствую, что многое меняется по мере того, как готовое ПО всё больше течёт как вода из-под крана. Включается парадокс Джевонса — и мой собственный спрос на программное обеспечение заметно растёт.» — Андрей Карпатий
Карпатий описывает ощущение: работающее программное обеспечение становится доступным «из-под крана», и в действие вступает парадокс Джевонса — собственный спрос исследователя на ПО при этом заметно растёт.
Что это значит на практике? Давайте разберём каждую составляющую этого высказывания.
Парадокс Джевонса в мире ИИ
Парадокс Джевонса (Jevons’ Paradox) — экономический принцип XIX века, сформулированный английским экономистом Уильямом Стэнли Джевонсом. Суть проста: когда технологический прогресс делает использование какого-либо ресурса более эффективным, общий спрос на этот ресурс не падает, а растёт.
Парадокс Джевонса — экономический принцип, согласно которому технологический прогресс, повышающий эффективность использования ресурса, приводит не к снижению, а к росту спроса на него.
Классический пример: когда в 1970-х появились банкоматы, банковские кассиры запаниковали — но банкоматы не уничтожили их рабочие места. Вместо этого они сделали открытие новых банковских отделений намного дешевле, и общее число кассиров выросло. Просто их роли сместились от выдачи наличных к управлению отношениями с клиентами и сложным транзакциям.
То же самое происходит сейчас с программным обеспечением. Исторически ПО было искусственно дефицитным, потому что разработчики дороги и медленны. По мере того как ИИ снижает стоимость создания программного обеспечения почти до нуля, спрос на индивидуальные, узкоспециализированные цифровые решения будет взрывным образом расти.
Карпатий испытывает это на себе прямо сейчас — и именно об этом его цитата.
От «вайб-кодинга» к «агентному инжинирингу»
Термин «вайб-кодинг» (vibe coding) был придуман в феврале 2025 года учёным в области компьютерных наук Андреем Карпатием — сооснователем OpenAI и бывшим руководителем направления ИИ в Tesla.
Концепция описывает подход к разработке, опирающийся на LLM (большие языковые модели): программист генерирует рабочий код, предоставляя описания на естественном языке, а не вручную пишет на формальном языке программирования.
Однако уже в начале 2026 года сам Карпатий объявил, что «вайб-кодинг» устарел. Карпатий, популяризировавший термин «вайб-кодинг» год назад, теперь говорит, что LLM стали значительно умнее и вайб-кодинг вышел из моды. «Сегодня программирование с помощью LLM-агентов всё больше становится рабочим процессом по умолчанию для профессионалов, но с более пристальным контролем и проверкой».
Его нынешний фаворит — термин «агентный инжиниринг» (agentic engineering): «агентный» — потому что в 99% случаев вы не пишете код напрямую, а оркестрируете агентов и выступаете в роли контролёра; «инжиниринг» — чтобы подчеркнуть, что здесь есть искусство, наука и экспертиза.
Что конкретно стало возможным?
Карпатий перечисляет конкретные примеры того, что теперь доступно «по требованию»:
- Explainers (объясняющие материалы) — интерактивные обучалки и туториалы под конкретную задачу
- Visualizers (визуализаторы) — инструменты для наглядного представления данных
- Dashboards (дашборды) — аналитические панели, собранные за минуты
- Bespoke single-use apps (одноразовые приложения под конкретную задачу) — например, аналог Weights & Biases (W&B, платформа для трекинга ML-экспериментов), но заточенный именно под ваш проект
- 10X test suite — автоматическое десятикратное расширение набора тестов
- Auto-optimize code — автоматическая оптимизация кода
- Giant research projects — масштабные исследовательские проекты с кастомным HTML-отчётом
Сравнение подходов: вайб-кодинг vs агентный инжиниринг
| Параметр | Вайб-кодинг (Vibe Coding) | Агентный инжиниринг (Agentic Engineering) |
|---|---|---|
| Кто пишет код | ИИ, без участия человека | ИИ-агенты под контролем человека |
| Уровень проверки | Минимальный | Систематический |
| Целевая аудитория | Непрограммисты, прототипы | Профессиональные разработчики |
| Качество результата | Прототип / одноразовое решение | Продакшн-готовый код |
| Риски | Высокие (баги, безопасность) | Управляемые (контроль + аудит) |
| Когда появился | Февраль 2025 | Начало 2026 |
Вайб-кодинг подходит для прототипирования или «одноразовых проектов на выходные», как изначально задумывал Карпатий, однако, по мнению ряда экспертов, несёт риски в профессиональных контекстах, где глубокое понимание кода критично для отладки, обслуживания и безопасности.
«Освободи разум» — отсылка к «Матрице»
Завершая свою мысль, Карпатий цитирует «Матрицу»: “Free your mind” («Освободи свой разум»). Это не случайная деталь.
В фильме эта фраза означает: перестань ограничивать себя старыми правилами реальности. Карпатий использует её в том же смысле: перестань ограничивать себя старым представлением о том, что «написать программу — это долго и дорого».
Цифровой мир вот-вот будет радикально «перемонтирован», создавая огромный спрос на людей, умеющих управлять ИИ-агентами.
Осторожность: у медали есть обратная сторона
Карпатий называет это «неровностью» (jaggedness): модели неравномерно способны в разных областях так, как люди — нет. Эксперт в области системного программирования обычно неплохо справляется и со смежными задачами. Модели решают сложную задачу в распределённых системах, а потом дают сбой на чём-то очевидном.
Анализ 470 открытых pull request на GitHub показал: код, написанный совместно с генеративным ИИ, содержит примерно в 1,7 раза больше «серьёзных» проблем по сравнению с кодом, написанным людьми. В частности, выявлены повышенный уровень логических ошибок, неправильные зависимости, дефекты потока управления, мисконфигурации (на 75% чаще) и уязвимости безопасности (в 2,74 раза больше).
Схема: новая парадигма разработки ПО
graph TD
A[Идея / задача] --> B[Запрос к LLM-агенту]
B --> C{Тип задачи}
C -->|Прототип| D[Вайб-кодинг\nБыстро, без контроля]
C -->|Продакшн| E[Агентный инжиниринг\nАгент + контроль человека]
D --> F[Одноразовое приложение]
E --> G[Код-ревью и тесты]
G --> H[Готовый продукт]
E --> I[Autoresearch loop\nАвтооптимизация метрики]
I --> G
Что это значит для разработчиков и не только
Карпатий признаёт, что сейчас живёт в состоянии «ИИ-психопатии» — неудержимого, навязчивого стремления, вызванного масштабом того, что теперь может построить один человек. Если вы всё ещё открываете IDE и набираете функции строка за строкой, вы уже отстаёте. Эпоха «ремесленного кодера» заканчивается. Началась эпоха «менеджера агентов».
Для русскоязычных разработчиков этот сдвиг означает конкретные вещи:
- Переосмыслить свою роль. Вы больше не «пишете код» — вы формулируете требования, задаёте метрики и верифицируете результат.
- Инвестировать в навыки постановки задач. Умение точно описать, что нужно получить, становится ключевой компетенцией.
- Не отказываться от технической глубины. Именно она позволяет «ловить 10-летние моменты» — ошибки агента, которые очевидны для эксперта и незаметны для новичка.
- Пробовать инструменты агентного инжиниринга — Claude Code, OpenAI Codex и их российские аналоги.
Итог
Парадокс Джевонса в мире ИИ работает именно так, как предсказывал Карпатий: чем дешевле и доступнее становится создание ПО, тем больше мы хотим программ. Дашборды, визуализаторы, одноразовые инструменты под конкретный проект — всё это раньше требовало недель работы и бюджета. Теперь это вопрос правильно сформулированного запроса.
«Освободи разум» — и начни думать не о том, как написать код, а о том, что именно ты хочешь построить.