Мир меняется стремительно. ИИ занимает все более заметную роль. Все мировые гиганты, от Google до Microsoft, инвестируют миллиарды в развитие собственных AI-инструментов. Многие работодатели открыто признают силу ИИ и ищут сотрудников, которые уверенно им владеют.

Однако на российском IT-рынке складывается парадоксальная ситуация. С одной стороны, компании все чаще требуют от специалистов навыки работы с ИИ-инструментами, особенно это актуально для разработчиков и тестировщиков. С другой, стоит произнести ChatGPT на интервью, как в воздухе повисает напряженная тишина...

К кандидатам, которые открыто заявляют, что профессионально используют нейросети для решения задач (а понимание границ моделей и умение качественно создавать промты — важные умения в наше время), часто относятся с предвзятостью. Примерно так же, как если бы в дипломной работе в списке источников указать «Википедию». Пользоваться ИИ можно, но лучше не афишировать и уж точно не называть это «настоящим» навыком.

В этой статье мы коснемся таких альтернатив классической разработке как zero-code (no-code), low-code и vibe coding. А также сравним, как к AI-инструментам, no-code/low-code-платформам относятся на зарубежных job-площадках и в российских компаниях.

Альтернативы классической разработке: zerocoder, low-coder и vibe-coder

Примерно с середины 2010-х рядом с классической разработкой начал активно расти отдельный слой инструментов и специалистов, которые позволяют создавать работающие продукты быстрее и с меньшим количеством ручного кода. Сначала в массовый оборот вошли no-code и low-code-платформы, позже к ним добавился vibe coding.

Zerocoder, или no-code-специалист, собирает продукт без ручного написания кода: через визуальные интерфейсы, готовые блоки, базы данных, интеграции и автоматизации. Типичный стек: Bubble, Tilda, Webflow, Glide, Softr, Airtable, Notion, Make, Zapier, Adalo, FlutterFlow. Эти платформы стали популярны именно потому, что позволяют быстро собрать лендинг, MVP, внутренний сервис, клиентский портал, простую CRM, мобильное приложение или автоматизацию бизнес-процесса без полноценной команды разработки.

Low-coder находится ближе к классической разработке. Он тоже использует визуальные платформы, но при необходимости добавляет код, работает с API, базами данных, ролями пользователей, правами доступа, интеграциями и бизнес-логикой. В этом сегменте чаще встречаются Microsoft Power Platform, OutSystems, Mendix, Appian, Retool, Oracle APEX. Low-code особенно востребован в корпоративной среде, где нужно быстро собирать внутренние приложения, workflow, админки, порталы, согласования и инструменты поверх существующей IT-инфраструктуры.

Vibe-coder — более свежий тип специалиста. Термин vibe coding в 2025 году ввел сооснователь OpenAI Андрей Карпати, а британский словарь английского языка Collins выбрал vibe coding словом 2025 года. Суть подхода в том, что человек описывает AI, что нужно сделать, получает код, запускает его, возвращает ошибки модели, просит доработать логику, интерфейс или структуру проекта и постепенно доводит продукт до рабочего состояния. В ход идут не только ChatGPT, но и Claude Code, Cursor, Windsurf, GitHub Copilot, Replit, Bolt, v0 и другие AI-агенты.

Главная причина появления всех этих подходов проста: бизнес понял, что проверять гипотезы нужно за недели, а не за месяцы и годы. На этапе MVP не всегда нужен идеальный код. Иногда важнее быстро собрать работающий прототип, проверить спрос, протестировать сценарий, автоматизировать ручной процесс или показать инвестору первую версию продукта. Именно в этой зоне zerocoders, low-coders и vibe-coders становятся не заменой классическим разработчикам, а отдельным способом быстрее добраться до работающего результата.

AI в вакансиях российских и зарубежных компаний

Теперь перейдем к самому главному: как зарубежные и российские компании относятся к искусственному интеллекту, no-code, low-code и AI-инструментам.

Если смотреть на вакансии, разница заметна сразу. На зарубежном рынке работодатели чаще называют вещи своими именами: Low-Code/No-Code Developer, Vibe Coder, AI Automation Specialist, Prompt Engineer. Например, в зарубежных вакансиях прямо пишут, что специалист должен создавать продукты на Bubble, Webflow, Softr, Glide, Airtable, Make, Zapier, работать с AI-агентами, Claude Code, Cursor, Replit, Windsurf и быстро превращать идеи в рабочие прототипы, приложения, дашборды, автоматизации и внутренние инструменты.

В России такие вакансии тоже есть, но они чаще называются осторожнее и «инженернее»: AI-автоматизатор, инженер автоматизации, low-code инженер, системный аналитик low-code платформы, интегратор, разработчик бизнес-процессов, AI Automation Engineer. И дело не только в названии: сами требования тоже выглядят гораздо «инженернее». Российским работодателям обычно недостаточно, чтобы кандидат просто знал Bubble, Tilda, Make, n8n, ChatGPT или Cursor. В описаниях рядом с AI/no-code/low-code часто появляются Python, TypeScript, Node.js, PostgreSQL, Redis, Kafka, Docker, Kubernetes, микросервисная архитектура и CI/CD. Например, вакансия VibeCoder / Platform Engineer на Хабр Карьере требует не только работы с AI-подходом, но и уверенного опыта с Node.js, PostgreSQL/Redis, Kubernetes, Docker, микросервисами, Kafka и CI/CD.

Отдельно стоит сказать про prompt engineers. За рубежом это уже заметная отдельная роль: на LinkedIn есть раздел с 1,000+ Prompt Engineer jobs. В России же промпт-инжиниринг пока редко воспринимается как самостоятельная профессия: чаще его растворяют в ролях сценариста чат-ботов, AI-специалиста, аналитика, автоматизатора или разработчика. Даже на Хабр Карьере раздел «промпт-инженер» фактически показывает вакансию «Сценарист чат-бота», где программирование и API указаны скорее как преимущество, а не как ядро профессии.

Почему в России к AI-инструментам отношение двойственное

В России нет полного отрицания искусственного интеллекта. Наоборот, спрос на AI-навыки растет: по hh.ru, в январе–феврале 2026 года было 10 777 вакансий с требованием владения ИИ против 9 378 годом ранее. То есть рынок признает AI, но пока не считает его массовой самостоятельной профессией.

Работодатели хотят, чтобы кандидат умел пользоваться ChatGPT, Cursor, Claude, DeepSeek или другими инструментами, но при этом владел хотя бы одним языком программирования, понимал основы разработки, API, webhooks, базы данных, фреймворки, а в идеале еще и Kafka, Kubernetes, Docker, CI/CD и микросервисную архитектуру. То есть AI-навыки приветствуются, но как дополнение к инженерной базе, а не вместо нее.

По данным hh.ru, 65% работодателей обращают внимание на AI-навыки в резюме, но только для 6% это важный аргумент при принятии решения.

Вторая причина — безопасность данных. В России сильнее регуляторный акцент на локализации персональных данных. Российские компании осторожнее относятся к внешним AI-сервисам, если туда могут попасть клиентские данные, внутренний код, документы или коммерческая информация. Это усиливается общим курсом на технологический суверенитет: бизнесу все важнее не просто пользоваться зарубежными AI-инструментами, а создавать собственных ИИ-агентов и встраивать их в закрытые корпоративные системы.

И наконец, есть еще одна причина, почему для многих российских компаний ChatGPT почти стал словом ругательным. После бума IT-курсов на рынок вышло огромное количество джунов: многие начали приукрашивать резюме, накручивать опыт и проходить собеседования с помощью ChatGPT и других AI-сервисов. В итоге у работодателей сформировалось недоверие не к самому искусственному интеллекту, а к кандидатам, которые используют AI как способ замаскировать отсутствие реальных знаний.

Вывод

Главная разница такая: зарубежный рынок быстрее признает новые AI-роли как отдельные профессии, а российский рынок требует, чтобы за AI-инструментами стояли фундаментальные технические знания: API, базы данных, безопасность, архитектура, интеграции, DevOps, микросервисы и понимание бизнес-процессов. Поэтому в России человека, который просто умеет генерировать код через ChatGPT, Cursor или Claude, сейчас вряд ли возьмут на серьезную позицию. А вот специалист, который умеет использовать AI как ускоритель и при этом понимает, что именно он собирает, как это работает и где может сломаться, — уже гораздо ближе к реальному запросу рынка.