Вайбкодинг: як людина без досвіду в розробці зібрала SaaS за вихідні — і що це змінює для бізнесу

Андрій Чумаченко — співзасновник та керівний партнер FRACTAL та засновник агенції B2B-маркетингу BASE. Він не розробник і не дизайнер, але за кілька днів зібрав сервіс для автоматичного маркетинг-аудиту сайту BASE AUDITOR.

Андрій використовував Gemini для ідей, Claude для створення технічного завдання, Codex для програмування, Supabase/Vercel для інфраструктури, NVIDIA API для виконання AI-функції. Усе це — з бюджетом, співвідносним із ціною дрібнички з магазину подарунків.

Коли це так доступно й легко, то яким буде вплив на ринок застосунків або на тих спеціалістів, котрі зазвичай їх розробляли раніше? Наприклад, платформа для розробки сайтів WIX скорочує 20% персоналу через оптимізацію роботи з AI.

Тож які можливості вайбкодинг створює для бізнесу?

Що сталося: кейс BASE AUDITOR

За словами Андрія Чумаченка, він пішов на цей експеримент тому, що мав цікавість і трохи вільного часу в п’ятничний вечір. До цього ніколи не вайбкодив, але надихнувся дописом колеги з FRACTAL Сергія Саути, котрий у такий спосіб створив застосунок для саморозвитку FRACTAL+. Далі — пряма мова Андрія з покроковим кейсом.

Використовую зазвичай Gemini з акаунтом на корпоративній підписці, власну підписку OpenAI, а це Chat GPT і Codex та безоплатну версію Claude. Спершу я пішов до Gemini. Чому саме туди?

Мені було важливо отримати не продовження старого контексту, а свіжий погляд на задачу — ніби я вперше пояснюю сторонньому консультанту, що таке BASE і який продукт хочу створити. Водночас це Pro-версія моделі, тобто достатньо потужний інструмент для такої розмови.

Дав Gemini базову інформацію про агенцію BASE: чим ми займаємося, хто наша аудиторія і яку задачу хочемо розв’язати. 

Спочатку думав про iOS-застосунок, і з цим варіантом звернувся до безоплатної версії Claude. Але модель відмовила починати із застосунку: для допоміжного продукту агенції це занадто складний старт і неочевидна цінність для користувача. Натомість Claude запропонувавав зробити вебсервіс: його простіше запустити, протестувати і зрозуміти, чи є попит.

Далі потрібно було перетворити ідею на технічне завдання. Я попросив модель описати ТЗ для coding-agent: що саме має робити вебсервіс, які сторінки потрібні, як має працювати логіка аудиту, форма, результати й рекомендації. Вийшло велике ТЗ, котре з метою чистоти експерименту я навіть не читав повністю, просто скопіював і передав у Codex від OpenAI з короткою командою: «Зроби».

Codex почав збирати сервіс. Під час роботи він просив мене зареєструватися в кількох безоплатних сервісах для інфраструктури. Я одразу поставив умову: хочу зробити все без бюджету. У підсумку використав Supabase і Vercel — у них є free-плани, яких вистачило для MVP.

Уже ввечері п’ятниці в мене був плюс-мінус робочий сайт.

Водночас я збирався провести AI-аудит і залишитися в межах безплатних інструментів, а паралельно в мене вичерпалися токени в ChatGPT, тому роботу довелося поставити на паузу. Згодом я побачив, що NVIDIA дає доступ до мовних моделей через API, і запропонував Codex використати його для AI-функції. Після цього ми допрацювали сервіс: додали аудит, поправили UX/UI, переїхали на мій домен і почали розширювати контент.

Окремо я попросив Codex автоматизувати блог. Логіка була проста: кожну нову ітерацію, яку ми робимо в продукті, він має перетворювати на окремий пост. Потім я попросив Codex зібрати семантичне ядро й запропонувати теми статей для пошукового трафіку. Так у сервісу з’явився блог із базовою SEO-структурою: теми, кластери запитів і контент під потенційні потреби користувачів.

Моя преференція в тому, що багато бачив подібних сайтів і в принципі трошки знаюся на маркетингу. Ось чому з мого боку були певні правки щодо оформлення, текстів і деяких елементів структури. Загалом і без них сервіс мав бути прекрасний.

Глобально чистий час, витрачений мною на створення повнофункційного SaaS — до двох годин.

Вважаю, що більшість користувачів інтернету, включно з моїми батьками, зможуть зробити те саме. LLM все пояснює, відповідає на уточнення і допомагає пройти технічні етапи, котрі раніше вимагали дій розробника.

Що таке вайбкодинг і чому це не зовсім «програмування»

На відміну від no-code, де ви збираєте продукт із готових блоків, вайбкодинг передбачає діалог із моделлю: ви описуєте бажаний результат, AI генерує код, структуру, інтерфейс і допомагає з правками. Тепер роль користувача в постановці задачі, перевірці результату й управлінні ітераціями.

За словами Андрія Карпати, співзасновника й колишнього головного дослідника штучного інтелекту OpenAI, це не зовсім кодування:

There's a new kind of coding I call "vibe coding", where you fully give in to the vibes, embrace exponentials, and forget that the code even exists. It's possible because the LLMs (e.g. Cursor Composer w Sonnet) are getting too good. Also I just talk to Composer with SuperWhisper…

— Andrej Karpathy (@karpathy) February 2, 2025

Якщо порівнювати з класичною розробкою, то програміст або команда самостійно проєктує логіку продукту, пише код, обирає архітектуру, тестує і підтримує систему. У вайбкодингу користувач описує, що хоче отримати, а LLM бере на себе значну частину реалізації: генерує код, створює структуру проєкту, пропонує рішення, вносить правки й пояснює майбутні кроки.

Отже, створені IT-фахівцями LLM тепер доступні й іншим юзерам, котрі з їхньою допомогою цілком можуть створювати нескладні сайти чи застосунки:

Чи за такої умови ринок не перетвориться на App Store-смітник із тисячами однакових AI-продуктів без реальної цінності, відповідає Андрій Чумаченко:

Імовірно, саме тому зростатиме роль уже працюючих фільтрів, як-от медіа, добірок, рейтингів, рекомендацій лідерів думок і брендів, репутації.

На що ще впливає вайбкодинг?

Що змінюється на ринку

Як бачимо з кейсу, для бізнесу створити MVP тепер можна протягом вихідних за вартістю підписки акаунту лише за $20 і ще, крім грошей, зекономити час та нерви:

Якщо раніше для бізнесу код був одним із головних бар’єрів входу, тепер завдяки вайбкодингу він поступово дешевшає. Простий сервіс, MVP, калькулятор, внутрішній інструмент або прототип уже можна зібрати не за місяці й тисячі доларів. У такій ситуації новим дефіцитом стають сильна ідея, чітке позиціонування, доступ до аудиторії, бренд, довіра, експертиза й дистрибуція.

Питання більше не в тому, як це зробити, а кому це потрібно, чому саме зараз і як про це дізнаються споживачі.

Увага, довіра й дистрибуція через зростаючу конкуренцію ще більш актуальні.

Варто пам’ятати, що коли продукт починає працювати з реальними користувачами, даними, оплатами або складною логікою, бізнесу все одно потрібні технічне рев’ю підтримка фахівців задля безпеки й повноцінної роботи.

І трохи охолоджуючої статистики: RevenueCat у дослідженні State of Subscription Apps звітують, що 69% доходу в економіці підписок усе ще генерують застосунки із підпискою, запущені до 2020 року.

У діжку дьогтю можна додати і критичний погляд від програмістів. Завдяки вайбкодингу може знижуватися потреба в розробниках рівня junior, а подекуди навіть middle. Але якість коду, створеного AI, усе ще бажає кращого, як підкреслює Олег Богуславський, CTO, співвласник компанії Data Science UA:

Вайбкодинг для розробників доречний там, де важлива швидкість: створення прототипів, особистих інструментів, MVP, проходження хакатонів, у навчальних експериментах, для перевірки алгоритмів.

Але повернемося до застосунку BASE AUDITOR, який, за словами Андрій Чумаченка, створений для полегшення життя власників сайтів. У який спосіб це відбувається?

Цей інструмент безоплатний, його можна протестувати швидко й без ризику для бюджету. Якщо ваша компанія загалом задоволена власним сайтом, аудит може показати проблеми, щодо котрих команда ще не думала.

Коли, навпаки, проблем багато й незрозуміло, із чого почати, сервіс допомагає розкласти їх простішою мовою — приблизно так, ніби досвідчений маркетолог швидко подивився на ваш сайт і дав первинний фідбек.

Якщо цих зауважень багато або вони стосуються критичних речей, наступним логічним кроком стає вже повноцінний аудит від BASE.

Висновки

Важливе резюме з кейсу BASE AUDITOR полягає в тому, що навіть не програмістам вайбкодинг допоможе швидко зібрати з допомогою AI простий сайт чи застосунок. Щось, що трохи складніше калькулятора.

Але це точно не стосується сайтів із розгорнутою структурою, де відбувається оплата, зберігається персональна інформація та інші дані, втрата яких буде максимально критичною. Вайбкодинг не скасовує відповідальності, і тут доведеться залучати IT-фахівців.

Якщо у вас бізнес, частину робочих гіпотез більше не потрібно місяцями погоджувати й витрачати бюджет. Їх можна швидко втілити й показати користувачам, перевірити попит і лише після цього вирішувати, чи варто інвестувати в повноцінну розробку, дизайн, безпеку й масштабувати продукт.