Skip to main content
vibe-codingsreai-automation

Naive + SRE: как теперь собирают софт

Похоже, оформляется новый рабочий паттерн: люди без сильного инженерного бэкграунда быстро собирают софт через ИИ, а SRE потом доводят его до продакшена. Для бизнеса это важно, потому что AI automation резко ускоряет запуск, но без этапа hardening все ломается на первой реальной нагрузке.

Технический контекст

Я зацепился за этот кейс не из-за красивого названия, а потому что я уже вижу ту же механику вживую: сначала «naive»-сборка через AI automation, потом инженерная доводка. Не как теория, а как реальный конвейер.

Схема простая и очень узнаваемая. Люди не обязательно из разработки берут Cursor, GitHub, агента поверх Gemini или другой модели, накидывают PRD, режут задачу на вертикальные куски и получают рабочий прототип. Он проходит happy path, выглядит убедительно и иногда даже доезжает до первых пользователей.

Вот тут многие и путают «работает» с «готово». Я много раз видел, как искусственный интеллект integration отлично собирает UI, CRUD, базовые API и связки с внешними сервисами, но сыпется на правах доступа, идемпотентности, rate limits, логировании и миграциях.

Именно поэтому вторая половина схемы важнее, чем кажется поначалу. SRE или сильные platform/backend-инженеры приходят не «починить пару багов», а заново простроить надежность: мониторинг, secret management, rollback, алерты, тестовый контур, CI/CD, базовую threat model. И да, иногда после такого аудита половину сгенерированного кода проще переписать спокойно, чем героически латать.

При этом сам паттерн мне нравится. Я бы не называл его новой профессией, но как blueprint для AI implementation в командах это уже выглядит вполне жизнеспособно.

Влияние на бизнес и автоматизацию

Для бизнеса выигрыш очевиден в двух местах. Первое: идея превращается в интерфейс и сценарий за дни, а не за месяцы согласований. Второе: инженеры перестают тратить стартовые недели на пустой каркас и подключаются туда, где их время реально дорого стоит.

Проигрывают команды, которые решат, что SRE-фаза необязательна. Тогда получается классический vibe coding: демо есть, эксплуатации нет.

Я бы закладывал такую модель сразу в архитектуру процесса: быстрый прототип, жесткий handoff, затем hardening по чек-листу. Мы в Nahornyi AI Lab как раз решаем такие стыки для клиентов: где оставить скорость, а где без иллюзий собрать нормальную AI solutions architecture, чтобы продукт не умер после первого успеха. Если у вас уже накопились хаотичные AI-прототипы, я с командой могу помочь превратить их в рабочую систему, а не в дорогую коллекцию демо.

Ранее мы подробно разбирали концепцию "subprime code crisis" — как внедрение ИИ в разработку способно ухудшить качество кода и повысить совокупную стоимость владения. Методология с наивным творческим разработчиком и SRE-закалкой как раз направлена на то, чтобы переломить этот сценарий и выпускать в прод надёжные продукты.

Поделиться статьёй