Vibe Coding мертвий. І це не погана новина

Що сталося з vibe coding у 2025–2026

Лютий 2025 року. Андрій Карпаті — співзасновник OpenAI і колишній керівник AI у Tesla — публікує пост у X де описує новий підхід до розробки: просто пишеш промпт, AI генерує код, ти ітеруєш за відчуттям не особливо заглядаючи що там всередині. Він назвав це vibe coding і додав: "я навіть забуваю що код взагалі існує". Merriam-Webster одразу додав термін до списку "slang & trending".

Ідея вибухнула. Collins Dictionary назвав "vibe coding" словом 2025 року. До початку 2026-го понад 80% розробників повідомляли що використовують або планують використовувати AI-інструменти для написання коду. За оцінками, 41% усього нового коду у світі вже генерується за допомогою AI — і це не стеля: Sundar Pichai у публічному пості зазначив що у Google цей показник досяг 75%. Продукти які раніше займали місяці збирали за вихідні. Здавалось — магія.

Паралельно накопичувались тривожні сигнали. Stack Overflow Developer Survey 2025 зафіксував парадокс: 84% розробників використовують або планують використовувати AI-інструменти — але 46% активно не довіряють точності їхнього результату. Топ-скарга: "майже правильно, але не зовсім" — її назвали 66% опитаних. Організація METR провела рандомізований контрольований експеримент і виявила шокуючий результат: досвідчені open-source розробники були на 19% повільніші з AI-інструментами ніж без них — хоча самі очікували прискорення на 24% і після досліду вважали що стали на 20% швидшими. Розрив між сприйняттям і реальністю виявився разючим.

А потім стався травень 2026-го.

Двоє інженерів які побудували ядро популярного AI-агента OpenClaw — Маріо Зехнер (творець libGDX і фреймворку Pi) і Армін Ронахер — опублікували у Wall Street Journal попередження яке розійшлось по всій індустрії. Вони назвали явище "vibe slop" — поєднання "vibe coding" і "AI slop": момент коли бездумна генерація коду переходить у хаос, залишаючи після себе роздутий нерефакторений код, милиці замість рішень і технічний борг який твердне як бетон.

"У нас інфраструктура яка розвалюється, і програмне забезпечення яке стало набагато більш глючним ніж раніше" — Маріо Зехнер, Wall Street Journal, травень 2026

Ронахер у своєму есе "Some Things Just Take Time" попередив про "vibe slop at inference speeds" — здатність AI генерувати неякісний код зі швидкістю яка унеможливлює людський контроль. Він також описав "agent psychosis" — стан коли розробники стають дедалі більш відірваними від коду який вони відвантажують.

Це не була критика від луддитів. Це було попередження від людей які самі побудували популярний AI-продукт на тому ж фреймворку про який застерігали — і які краще за будь-кого знали де система ламається.

AI slop: коли швидкість стала ворогом якості

Щоб зрозуміти масштаб проблеми — подивимось на цифри які накопичились до середини 2026 року. Це не алармізм і не думки скептиків. Це дані незалежних досліджень.

Безпека коду: майже половина — вразлива

Звіт Veracode GenAI Code Security 2025 проаналізував код від понад 100 великих мовних моделей на 80+ реальних задачах розробки. Результат: 45% AI-згенерованого коду містить вразливості безпеки зі списку OWASP Top 10. Java виявилась найгіршою мовою — понад 70% провалів. Найтривожніший висновок звіту: більші і новіші моделі проблему не вирішили. Рівень вразливостей залишився стабільним через покоління моделей — GPT-4, GPT-5, Claude, Gemini. Це структурна проблема закладена в те як AI генерує код, а не тимчасове обмеження яке зникне з наступним релізом.

"Наше дослідження показує що GenAI-моделі роблять неправильний вибір майже в половині випадків — і це не покращується" — Єнс Весслінг, CTO Veracode

Якість коду: у 1.7 рази більше дефектів

Дослідження CodeRabbit "State of AI vs Human Code Generation" (грудень 2025) проаналізувало 470 реальних open-source pull request на GitHub. AI-згенерований код містить у 1.7 рази більше проблем загалом ніж написаний людиною — у кожній категорії якості: логіка, підтримуваність, безпека, продуктивність.

Детальніше по категоріях:

• Логічні помилки і помилки коректності — на 75% частіше
• Вразливості безпеки — у 1.5–2.74 рази частіше
• Проблеми читабельності коду — більш ніж у 3 рази частіше
• Проблеми продуктивності (надмірний I/O тощо) — майже у 8 разів частіше

Середній AI pull request містив 10.83 проблеми проти 6.45 у людському. Причому проблеми в AI-коді серйозніші: у 1.4 рази більше критичних і у 1.7 рази більше великих дефектів.

Реальні витоки даних: 5000 застосунків без захисту

У травні 2026 ізраїльська компанія з кібербезпеки RedAccess опублікувала результати сканування 380 000 застосунків побудованих на платформах Lovable, Replit, Base44 і Netlify. З них понад 5000 мали практично нульовий захист і автентифікацію. Близько 40% відкривали чутливі дані: медичні записи, фінансові документи, корпоративні матеріали, логи розмов з чатботами. Серед підтверджених витоків — розклад суден британської логістичної компанії, дані клінічних досліджень британської healthcare-фірми, внутрішня фінансова звітність бразильського банку.

Причина структурна: більшість цих платформ за замовчуванням роблять нові проекти публічно доступними — і більшість нетехнічних користувачів просто не знають що це треба змінити. Про це написав Security Boulevard, а первинне розслідування вийшло у WIRED.

Бізнес-наслідки: реальні втрати реальних компаній

Дослідження Resume.org (січень 2026, 1146 американських менеджерів): 70% спостерігали як їхні підлеглі припускались AI-пов'язаних помилок з реальними бізнес-наслідками. Причому це не поодинокі випадки: 12% бачили такі помилки "багато разів", 43% — "кілька разів". Фінансові втрати в окремих випадках перевищували $50 000. Найчастіші помилки: фактичні неточності (58%) і ігнорування критичного контексту або нюансів (50%).

Це не теоретичні ризики. Це реальні проекти, реальні бюджети, реальні наслідки — задокументовані у незалежних дослідженнях проведених у першій половині 2026 року.

Тисячі продуктів. Жоден не запам'ятовується

Є проблема яку важче виміряти ніж вразливості в коді — але яка однаково руйнівна для бізнесу. Я помітив її не в дослідженнях. Я помітив її у власній роботі.

Останнім часом коли я переглядаю нові SaaS-продукти, лендінги стартапів або мобільні застосунки — у мене дедалі частіше виникає відчуття що я вже це бачив. Не конкретний продукт. Загальне відчуття: та сама структура сторінки, ті самі секції "як це працює" з трьома іконками, той самий hero-текст з "AI-powered" у заголовку, той самий дешборд з sidebar ліворуч і карточками метрик зверху. Ніби хтось один зробив шаблон — і тисячі людей його відтворили.

Це не випадковість. Це пряме слідство того як працюють AI-інструменти.

AI-моделі навчені на одних і тих самих даних — мільярди рядків коду, дизайн-систем, маркетингових текстів які існували до їхнього тренування. Вони тяжіють до одних і тих самих бібліотек, одних і тих самих UI-патернів, одних і тих самих формулювань. Це математично неминуче: модель оптимізується на "найбільш ймовірне" — а найбільш ймовірне це усереднене.

Академічна стаття "Vibe Coding Kills Open Source" (arXiv, січень 2026, автори Miklós Koren, Gábor Békés та ін.) описує механізм точно: у vibe coding AI-агент сам обирає бібліотеки і збирає код — часто без того щоб користувач читав документацію або взаємодіяв з maintainer'ами. Моделі тяжіють до великих і добре представлених у тренувальних даних пакетів, що прибирає органічний процес відбору інструментів. Дослідники показали це на прикладі Tailwind CSS: кількість завантажень npm зростала — а кількість питань на Stack Overflow і трафік документації падали. Творець Tailwind Адам Ватан написав у коментарі на GitHub що трафік його документації впав на ~40% від піку 2023 року незважаючи на зростання популярності фреймворку — а доходи впали на ~80%.

Те саме відбувається з продуктами: AI допомагає швидше дійти до середнього результату — але до видатного не веде. Він не знає що робить ваш продукт незабутнім, бо незабутнє за визначенням не є усередненим.

Я бачу це і в клієнтських проектах WebsCraft. Коли замовник приходить з "референсом" зробленим через Lovable або v0 — це функціонально, але абсолютно безлике. Немає характеру, немає голосу, немає відчуття що хтось думав про конкретного користувача. Є відчуття що хтось добре сформулював промпт.

Ринок це відчуває — навіть якщо не формулює словами. Продукт який виглядає як усі не викликає довіри. Не тому що він поганий технічно. А тому що він не сигналізує що за ним стоїть людина яка думала, яка має досвід, яка відповідає за результат.

У 2025 році достатньо було зробити застосунок за вихідні через Claude або Cursor щоб викликати інтерес — саме тому що таких застосунків було мало. У 2026 таких застосунків — тисячі. Швидкість виходу на ринок перестала бути конкурентною перевагою — вона стала мінімальною вимогою. Диференціація тепер повністю на стороні якості мислення, смаку і розуміння предметної області. Речей які AI не генерує — він лише підсилює їх у тих хто вже має.

AI тут ні до чого — проблема в людях без фундаменту

Тут важливо зупинитись і сказати те що багато хто не хоче чути.

AI не винуватий.

Зехнер і Ронахер — люди які побудували популярний AI-агент і самі активно використовують AI у розробці — прямо кажуть: проблема не в інструментах. Проблема в тому як їх використовують. Зехнер визнає що AI-інструменти справді корисні для рутинних задач. Питання в надмірній залежності від них — у переконанні що можна замінити серйозне проектування і тестування системи кількома добре сформульованими промптами.

Ронахер описав два механізми які він спостерігає у серйозних проектах:

• Automation bias — схильність довіряти результату машини просто тому що його згенерувала машина, без критичного аналізу
• Review fatigue — коли розробники потопають у AI-згенерованих pull request і поступово перестають уважно читати код

Eric J. Ma — розробник який задокументував власний досвід відновлення після AI-згенерованого безладу — сформулював це точно: "AI — неймовірний виконавець. Він може рефакторити, виокремлювати, реалізовувати. Але бачення? Воно залишається людським. І це бачення приходить з досвіду — з того що ви бачили достатньо кодових баз щоб знати що працює, а що руйнується під власною вагою."

AI підсилює те що вже є в людині. Якщо у розробника або дизайнера немає смаку, розуміння UX, архітектури або бізнесу — AI просто допоможе швидше створити посередній продукт. Якщо є — AI стає справжнім мультиплікатором.

Я сам описував схожу ситуацію — коли мій друг без технічного фундаменту вирішив запустити продукт через Gemini за вихідні. Детально про те де саме люди без базових знань врізаються в стіну — і чому AI не замінює розуміння архітектури — я розбирав у статті AI coding не принесе вам грошей. І ось чому.

Тобто проблема vibe slop — це не проблема AI. Це проблема людей без фундаменту які отримали доступ до потужного інструменту.

Що буде далі: нова конкурентна перевага

Зехнер вважає що розрахунок неминучий: великі компанії незабаром усвідомлять що надмірна ставка на AI-згенерований код підвищує витрати і погіршує якість продукту. Багато менших стартапів які залежать від vibe coding — складуть. Хмарні витрати зростатимуть тому що погано написаний код споживає більше обчислювальних ресурсів, більше пам'яті, більше трафіку.

Але є і зворотній бік. Ті хто навчиться правильно поєднувати AI з фундаментальними навичками — отримають перевагу яку важко скопіювати.

Перемагатимуть не ті хто швидше генерує код. Перемагатимуть ті хто:

• Розуміє проблему користувача — не поверхово, а глибоко: чому вони шукають це рішення, що їх насправді болить, що змусить їх платити і повертатись
• Вміє проектувати продукт — архітектура, UX, бізнес-логіка: рішення які витримують навантаження і не руйнуються коли продукт росте
• Має смак і експертизу — здатність відрізнити "працює" від "добре"; розуміння що робить продукт незабутнім а не просто функціональним
• Контролює рішення а не перекладає їх на AI — AI виконує, людина проектує і відповідає
• Будує бренд і довіру — у світі де тисячі однакових продуктів, впізнаваність і репутація стають рідкісним ресурсом

Як точно сформулював автор статті на isquared.ie: "AI не прибирає потребу думати. Він прибирає місця де можна сховатись."

Раніше посередній продукт можна було виправдати складністю розробки. Тепер цього виправдання немає. AI знизив бар'єр входу для всіх — а значить диференціація тепер повністю на стороні якості мислення, смаку і розуміння предметної області.

Головний висновок

Vibe coding не помер. Андрій Карпаті не помилявся — AI справді змінив що означає "вміти створювати програмне забезпечення".

Але епоха бездумного vibe coding — коли достатньо було швидко зібрати продукт і вийти на ринок — добігає кінця. Не тому що AI став гіршим. А тому що ринок адаптувався: те що рік тому викликало захоплення, сьогодні є мінімальною планкою.

Настає час людей які поєднують AI з професійними навичками. Час тих у кого є фундамент — розуміння архітектури, UX, бізнес-логіки, смак — і хто використовує AI як мультиплікатор цього фундаменту, а не як його замінник.

У 2025 питання було: "Чи можу я зробити це за допомогою AI?"
У 2026 питання: "Чи є у мене те чого AI не може дати — і чи використовую я AI щоб це підсилити?"