Vibe coding на практике: SaaS за 19 дней в одиночку

Маркус собрал полноценный SaaS за 19 дней. Один. Без команды. Auth, Stripe, дашборд, админка, email-рассылки, лендинг, деплой — всё. Раньше на такое уходило 12-16 недель и команда из пяти человек. Бюджет — $50-150K. А тут один парень с подпиской на AI-инструменты за пару сотен баксов в месяц.

Питер Левелс делает $3.5 миллиона в год. Ноль сотрудников. Его Photo AI приносит $123K в месяц. Y Combinator отчитался, что в батче W25 четверть стартапов имеют кодовую базу, на 95% написанную AI. Гарри Тан подтвердил это и TechCrunch, и CNBC.

Vibe coding на практике — уже не эксперимент энтузиастов. Это рабочий способ запускать продукты. Но с нюансами, о которых хайп-машина предпочитает молчать.

Что вообще за вайб кодинг

Термин придумал Андрей Карпатый в феврале 2025-го: «There's a new kind of coding I call 'vibe coding', where you fully give in to the vibes.» Суть — ты описываешь задачу человеческим языком, AI пишет код, ты смотришь на результат, корректируешь направление. Не контролируешь каждую строчку, а задаёшь вектор. Отсюда «вайб» — ты ловишь волну, а не управляешь каждым байтом.

Collins Dictionary выбрал «vibe coding» словом 2025 года. Это уже не нишевый мем из Твиттера.

Можно ли создать приложение без знания программирования? Короткий ответ — да, MVP можно. Длинный — зависит от сложности. Лендинг с формой оплаты — за вечер. Полноценную CRM с кастомной логикой — придётся разбираться в архитектуре, хотя бы на уровне «что от чего зависит». AI пишет код, но направлять его пока нужно ты.

19 дней вместо 16 недель: кейс Маркуса

Февраль 2026. Маркус — solo-разработчик — решил проверить, насколько реально собрать коммерческий SaaS с нуля, используя только AI-инструменты для кодинга.

Результат: полный продукт за 19 дней. Вот что вошло в скоуп:

• Авторизация пользователей
• Интеграция со Stripe (подписки, биллинг)
• Дашборд с аналитикой
• Админ-панель
• Email-уведомления
• Лендинг
• Деплой в прод

По старым меркам — 5 человек (фронт, бэк, дизайн, DevOps, PM), 12-16 недель, $50-150K бюджета. Маркус потратил $150-300 на подписки AI-инструментов. Даже если добавить инфру — Vercel, Supabase, Clerk, Stripe — всё укладывается в free tier на старте.

И он не единственный. Другой разработчик отчитался о SaaS за 11 дней. Формат «выходные + пара вечеров = работающий продукт» становится нормой, а не исключением.

Питер Левелс и экономика одного человека

Левелс — отдельная история. Он не вайб-кодер в чистом виде, он давно в теме. Но его модель показывает, куда всё движется. $3.5M/год, ноль сотрудников, несколько продуктов. Photo AI — $123K/мес. Один человек, который делает то, что раньше требовало команды из десяти.

AI позволяет масштабировать один мозг на несколько продуктов одновременно. Раньше solo-founder упирался в потолок: физически невозможно писать код, фиксить баги, обновлять фичи и параллельно запускать новое. Сейчас AI забирает рутину — бойлерплейт, CRUD, типовые интеграции — и человеку остаётся то, что AI пока не умеет: продуктовые решения, позиционирование, работа с пользователями.

Y Combinator это видит. В батче W25 — 25% стартапов с кодовой базой, написанной AI на 95%. Четверть инкубатора. Это не маргинальный эксперимент, это новый дефолт для определённого типа продуктов.

Enterprise тоже в деле

Ладно, инди-хакеры и стартапы — понятно. А что с крупняком?

Adidas посадил 500 инженеров на пилот AI-кодинга. Результаты: 82% используют ежедневно, 91% считают полезным, две трети отметили рост продуктивности. Фернандо Корнаго, SVP Digital, оценил экономию в $25 миллионов в год. Пятьсот инженеров — это не эксперимент на трёх стажёрах, это масштабный roll-out.

У Booking.com — +31% throughput в командах с AI-инструментами. У активных пользователей — +16% по code throughput отдельно.

А в Google 26% кода уже генерируется ML-моделями — Пейдж Бэйли озвучила эту цифру публично. В Spotify топ-инженеры не пишут код вручную с декабря 2025 года. Прям вот не пишут.

По скорости: бойлерплейт и CRUD ускоряются в 5-10 раз, разработка фич — в 2-4 раза, дебаг — в 3-5 раз. В среднем по больнице — 2-3x к общей продуктивности. И это уже не промо-материалы вендоров, а внутренние метрики компаний.

Стек вайб-кодера: инструменты и цены

Какие инструменты нужны для vibe coding? Рассказываю, чем реально пользуются в 2026-м.

Claude Code — $20/мес на Max Plan, $50-200/мес через API. Лучший для бэкенда, рефакторинга, отладки. Adoption взлетел с 4% в мае 2025-го до 63% в начале 2026-го. Рост в 15 раз за полгода. Если хочешь выжать максимум — можно настроить Claude Code для командной работы с кастомными навыками и контекстом.

Cursor — $20/мес Pro. Лучший IDE-experience. 46% разработчиков назвали его «most loved» — чуть ли не самый любимый инструмент в индустрии.

Ещё есть Devin за $20/мес — автономный AI-разработчик. Даёшь задачу, он сам планирует, пишет, тестирует. Для рутинных задач — огонь. Для сложной архитектуры — пока рано. И GitHub Copilot за $10/мес — самый распространённый, но уже не самый продвинутый. Хорош для автодополнения, слабее для целых фич.

Грабли. Их много.

А теперь честная часть. Та, которую пропускают в промо-роликах и тредах на X.

Иллюзия скорости

Исследование METR (рандомизированное контролируемое испытание, июль 2025) показало штуку, от которой у меня до сих пор диссонанс. Разработчики с AI-инструментами ЧУВСТВОВАЛИ себя на 20% быстрее. А реально были на 19% МЕДЛЕННЕЕ. Разрыв восприятия — 39 процентных пунктов.

Это не опечатка. Люди искренне верили, что работают эффективнее, а объективные замеры показали обратное. METR — это не блогер с мнением, это исследовательская организация с рандомизированным экспериментом.

Почему так? Вероятные причины: время на формулировку промптов, ревью сгенерированного кода, отладку неочевидных багов. AI генерирует код быстро — но ты тратишь время на то, чтобы понять, что он сгенерировал, и починить то, что сломалось.

GitClear (75 тысяч developer-years данных) подтверждает: реальный прирост продуктивности ближе к 10%, а не к 2-3x. И при этом растёт code churn — код переписывается чаще, потому что первая версия от AI часто не та.

Безопасность

AI-код содержит на 20-30% больше уязвимостей без ревью. IDOR, отсутствие rate limiting, утечки env variables, пропущенный CSRF. Вайб-кодер, который не понимает, что сгенерировал AI, — это дыра в безопасности. Причём дыра, о которой он даже не знает.

Вот пример, который бесит. AI генерирует красивый auth-flow. Логин работает, редиректы на месте, токены сохраняются. Выглядит профессионально. Только вот refresh-токен хранится в localStorage, а не в httpOnly cookie, и любой XSS-скрипт его уводит. AI не скажет тебе об этом, если ты не спросишь. А чтобы спросить — нужно знать, что спрашивать.

Tech debt и «код, который не понимаешь»

Код, который ты не писал и не понимаешь — это мина замедленного действия. Через полгода что-то ломается, ты открываешь файл и не понимаешь, почему оно вообще работало. AI его написал, ты посмотрел «вроде ок», пошёл дальше. А теперь нужно дебажить чужой код. Только «чужой» — это твой же проект.

Саймон Уиллисон написал в Ars Technica прямо: «Создание продакшен-кода с помощью вайб-кодинга очевидно рискованно.» Не «потенциально рискованно». Очевидно.

Bus factor = 1

Если ты solo и AI написал 95% кода — что произойдёт, когда ты заболеешь на неделю? Или решишь продать проект? Покупатель получит кодовую базу, в которой даже автор не до конца ориентируется. Это не проблема для пет-проекта, но для бизнеса на $3.5M/год — серьёзный риск.

Какие проблемы у кода, написанного AI

Меня спрашивают об этом постоянно, так что разложу по полочкам.

Безопасность — уже сказал, +20-30% уязвимостей. Поддерживаемость — код может быть verbose, с дублированием, с неоптимальными паттернами. AI не видит проект целиком, он видит контекст, который ты ему дал. Тестирование — AI пишет тесты, но часто те, что проходят, а не те, что ловят баги. Happy path покрыт, edge cases — нет.

Это не приговор. Но учитывать надо. Качество промпта решает. Чем точнее формулируешь задачу, тем меньше потом переделывать. По сути, промпт — это не строка, а система — и это справедливо для кодинга так же, как для генерации текста.

Для кого это работает, а для кого — нет

Работает:

• Solo-фаундеры с MVP. 19 дней и $200 вместо 16 недель и $100K — это реально. Для валидации идеи — идеально.
• Инди-хакеры с портфелем продуктов. Модель Левелса: несколько простых продуктов, каждый приносит доход, AI закрывает рутину.
• Enterprise для ускорения существующих команд. Adidas сэкономил $25M/год, Booking.com получил +31% throughput — это уже не пилоты.
• Прототипирование. Собрать работающий прототип за день и показать клиенту вместо мокапов.

Не работает:

• Сложные распределённые системы. Микросервисная архитектура с очередями, балансировкой, шардированием — AI не потянет в одиночку.
• Проекты с жёсткими security-требованиями. Финтех, медтех, гос — нужен человек, который понимает compliance.
• Долгосрочные продукты без технического фаундера. Через год кодовая база превращается в чёрный ящик.
• Людей, которые хотят «нажать кнопку и получить бизнес». Vibe coding — это навык. Формулировать задачи, ревьюить код, понимать архитектуру — это работа, просто другого типа.

---

Вайб кодинг — не магия и не хайп. Маркус собрал SaaS за 19 дней. Левелс делает $3.5M/год в одиночку. Оба факта. Но METR тоже показал своё — реальное ускорение может быть иллюзией, и этот факт игнорировать не стоит.

Мой вердикт: для MVP и валидации идей — это уже дефолтный подход, глупо не использовать. Для долгосрочного продукта — нужны как минимум базовые знания архитектуры и безопасности. AI пишет код. Но за этот код отвечаешь ты.

Если собираешься попробовать — начни с Claude Code + Cursor, $40/мес. Собери что-нибудь маленькое за выходные. Не SaaS, а утилиту для себя. Почувствуй, где AI тащит, а где буксует. И только потом масштабируй. Цена ошибки на пет-проекте — вечер потраченного времени. Цена ошибки на продакшен-SaaS — репутация и деньги пользователей.