Почему low‑code на базе Codex не подходит для SaaS‑проекта с миллионом пользователей

В статье на Habr AI автор рассказывает о своём эксперименте с «вайбкодингом» — быстрым созданием функций с помощью модели Codex. Он начал с простых задач: сайты, телеграм‑боты, дашборды. По его словам, процесс напоминал «уроки запрещённой магии»: запрос к Codex – «сделай бота, собирающего посты и анализирующего их в ИИ», – и модель сразу генерирует рабочий код. За один‑два дня появляется новая фича, которую автор тут же внедряет в продукт.

Однако, по мере роста проекта, автор столкнулся с рядом проблем. Первое – отсутствие контроля над качеством кода: генерируемый скрипт часто содержит «костыли», не оптимизированные запросы к базе и уязвимости, которые трудно обнаружить без ручного ревью. Второе – масштабируемость: то, что работает для сотни пользователей, быстро ломается при росте до тысяч и миллионов, требуя переписывания архитектуры. Третье – технический долг: быстрые прототипы оставляют скрытые зависимости, которые усложняют дальнейшее развитие и поддержку.

Автор подводит итог: «Вайбкодинг – отличная штука для прототипов и небольших внутренних инструментов, но полагаться на него в продакшн‑сервисе с миллионом активных пользователей нельзя». Он советует сочетать генерацию кода с традиционными практиками разработки: код‑ревью, тестирование, мониторинг и планирование архитектуры.

Статья служит предупреждением для разработчиков, рассматривающих AI‑ассистентов как универсальное решение для масштабных SaaS‑продуктов.