Нужно ли уметь программировать в эпоху вайбкодинга? Как словарный запас и знание алгоритмов определяют успех ИИ-разработки
Почему без алгоритмического мышления не обойтись даже при кодинге через ИИ: честный разбор исследования ETH Zurich
Все говорят о вайб-кодинге — программировании через нейросеть с помощью текстовых запросов. Кажется, теперь любой может создать приложение, просто описав его на естественном языке. Но так ли это? Недавнее исследование Швейцарской высшей технической школы Цюриха показало: чтобы получать качественный результат, нужно нечто большее, чем грамотная речь. И это открытие заставляет пересмотреть подход к обучению и саморазвитию.
Как проходил эксперимент и что измеряли
Ученые исключили все сторонние факторы. Они создали собственную платформу на базе модели Claude 3.5 Sonnet, где участники не видели код — только окно приложения и чат для промптов. 100 студентов решали две задачи: разработать планировщик питания с расчетом калорий и бюджета, а также абстрактное приложение без явного контекста. До этого у каждого измерили три параметра: знание основ информатики (тест SCS1 на псевдокоде), навыки письменной речи (эссе, оцененное лингвистами) и общие когнитивные способности (тест ICAR16).
Грамотность важна, но алгоритмическое мышление — важнее в два раза
Выяснилась интересная вещь. Умение ясно писать действительно положительно коррелировало с качеством кода. Студенты, которые лучше структурировали эссе, давали более четкие промпты. Но когда ученые сравнили влияние обоих факторов, оказалось: база информатики (алгоритмическое мышление, понимание переменных, циклов, ветвлений, потоков данных) предсказывала успех в два раза сильнее, чем уровень письменной речи. И это несмотря на то, что участники не видели ни строчки кода! Парадокс? На самом деле нет.
Дело в том, что при возникновении ошибок пользователь без технической подготовки описывает проблему поверхностно: «кнопка не работает». А система не понимает, что именно пошло. Тот, кто знает про архитектуру приложения, локализует ошибку: «переменная состояния не обновляется после обработки события». И формулирует промпт так, чтобы модель исправила логику, а не только внешний вид.
Алгоритмическое мышление — это навык декомпозиции. Он позволяет перевести сбой на уровне интерфейса в точную инструкцию для нейросети. Без этого даже самый красноречивый промпт останется поверхностным.
Частое использование ИИ — враг качества?
Еще один неожиданный результат: студенты, которые постоянно пользуются нейросетями в учебе и быту, в среднем справились с заданием хуже. Ученые осторожно предполагают две причины. Первая: люди, у которых изначально слабые навыки письма и структурирования, чаще прибегают к ИИ — и потому их результаты ниже. Вторая (и более тревожная): привычка получать готовые ответы по коротким ленивым запросам атрофирует способность к детальному описанию. Личное наблюдение автора: я заметил, что коллега, который раньше писал подробные техзадания, теперь бросает в ChatGPT два слова и потом долго мучается с результатом. Чем чаще он так делает, тем хуже становятся его промпты.
| Навык | Влияние на результат | Примечание |
|---|---|---|
| Алгоритмическое мышление (знание информатики) | Очень сильное (в 2 раза выше, чем письмо) | Позволяет локализовать ошибку и дать точную инструкцию |
| Навык письменной речи | Среднее | Важно для структуры промпта, но не заменяет понимание логики |
| Общий интеллект (когнитивные способности) | Не значимо | Успех зависит от конкретных знаний, а не от «ума вообще» |
Пошаговый совет: как написать хороший промпт для сложного приложения
- Разбейте задачу на шаги. Не просите модель сделать всё сразу. Сначала опишите структуру данных (какие переменные, какие формы будут).
- Укажите граничные условия. Не говорите «считай калории» — скажите «если калорий больше 2000, выдели красным».
- Тестируйте итерациями. После каждого изменения смотрите, что сломалось. Опишите конкретное поведение: «после нажатия кнопки “Добавить” список не обновляется — проверь функцию добавления элемента в массив».
- Используйте термины. Даже если не пишете код, употребляйте слова «массив», «объект», «событие», «состояние» — модель понимает их точнее, чем «штука с данными».
- Не ленитесь. Короткие односложные запросы работают для простых задач. Для серьезных приложений нужно потратить время на формулировку.
Что это значит для тех, кто хочет войти в IT через ИИ
Вайб-кодинг не отменяет необходимости учить основы. Синтаксис конкретных языков действительно уходит на второй план. Но понимание того, как работают переменные, циклы, ветвления, потоки данных — остается критически важным. Если вы новичок и хотите использовать нейросети для создания продуктов, не пренебрегайте курсами по алгоритмизации. Учитесь декомпозировать задачу — это навык, который даст больше, чем умение красиво писать.
Исследование ETH Zurich лишний раз подтверждает старую истину: инструмент не делает вас разработчиком. Генерация кода через ИИ — это мощный ускоритель, но он требует водителя, который понимает, куда ехать. Осваивайте базу — она окупится, даже если вы никогда не напишете ни строчки кода вручную.
