Мир меняется стремительно. Сегодня ИИ стал настоящей движущей силой прогресса. Все мировые гиганты, от Google до Microsoft, инвестируют миллиарды в развитие собственных AI-инструментов. Искусственный интеллект значительно облегчает работу во всех сферах. 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 разберемся, что происходит в новой реальности разработки. Кто такие zerocoders, vibe-coders и low-coders, чем они отличаются друг от друга, какими инструментами пользуются и какие продукты могут с помощью них создавать. А также сравним, как относятся к AI-инструментам на зарубежных job-площадках и в российских компаниях.
Кто такие зерокодеры?
Зерокодеры (Zerocoders) — это специалисты, которые создают полноценные IT-продукты вообще без написания кода, используя визуальные интерфейсы. Вместо редактора кода зерокодеры используют визуальные блоки, логические цепочки и drag-and-drop конструкции (перетаскивание элементов мышкой).
Термин «zerocoding» (за рубежом чаще используется no-code) зародился в Кремниевой долине в середине 2010-х годов, но особенно активно начал использоваться в 2020–2022 годах с бурным ростом платформ вроде Bubble, Webflow и Airtable. Тогда бизнес осознал: проверять гипотезы нужно за дни, а не за месяцы.
С помощью зерокодинга можно быстро создавать лендинги, прототипы приложений и внутренние сервисы для автоматизации бизнеса.
Главные инструменты зерокодера
Bubble.io
Один из самых мощных no-code-конструкторов веб-приложений. Bubble позволяет создавать не просто сайты, а полноценные цифровые продукты: с базами данных, пользовательскими аккаунтами, личными кабинетами, платежами, ролями пользователей, backend-логикой и API-интеграциями.
Что можно создать: SaaS-продукты, маркетплейсы, CRM-системы, сервисы бронирования, личные кабинеты, социальные платформы, онлайн-сервисы и MVP стартапов. Bubble часто используют, когда нужно быстро проверить бизнес-идею без найма полноценной команды разработчиков.
Tilda и Webflow
Tilda и Webflow — визуальные конструкторы сайтов. Tilda проще и быстрее для старта: на ней можно быстро и удобно собрать лендинг. Webflow — более гибкий инструмент, который дает контроль над дизайном, адаптивом, анимациями и CMS-структурой на уровне, близком к коду, но без необходимости его писать.
Что можно создать: лендинги, корпоративные сайты, портфолио, блоги, промо-страницы, сайты онлайн-школ, сайты услуг, простые интернет-магазины и контентные проекты. Webflow чаще используют для более сложного и премиального веб-дизайна, Tilda — для быстрого запуска и понятной сборки.
Glide и Softr
Glide и Softr — платформы для создания приложений и клиентских порталов на основе данных. Чаще всего они работают вместе с Google Sheets, Airtable, Notion или другими базами. Их суть в том, что таблица или база данных превращается в удобный интерфейс: приложение, каталог, портал или внутренний сервис.
Что можно создать: клиентские кабинеты, каталоги, CRM, внутренние инструменты для компаний, базы сотрудников, порталы для клиентов, приложения для сообществ, системы учета заявок и простые MVP за несколько дней.
Airtable и Notion
Инструменты для хранения, структурирования и управления данными. Airtable ближе к базе данных: его удобно использовать для клиентов, заказов, статусов, контента и операционных процессов. Notion ближе к рабочему пространству: документы, базы знаний, задачи, инструкции, проекты и внутренняя структура команды.
Что можно создать: CRM, базы клиентов, базы заказов, контент-планы, системы управления проектами, базы знаний, внутренние wiki, простые админки, операционные таблицы и фундамент для no-code-приложений.
Zapier и Make
Zapier и Make — no-code-автоматизаторы. Они связывают разные сервисы между собой и позволяют строить автоматические сценарии без ручной работы. Например: заявка с сайта попадает в CRM, менеджеру приходит уведомление в Telegram, клиент получает письмо, а данные сохраняются в таблицу.
Zapier проще для старта и быстрых связок. Make гибче и удобнее для сложных сценариев с условиями, ветвлениями и обработкой данных.
Что можно создать: автоматизированные бизнес-процессы, автоворонки, уведомления, синхронизацию данных, обработку заявок, связку сайта с CRM, email-рассылки, интеграции между сервисами и «умные» workflows без разработчиков.
Adalo и FlutterFlow
Adalo и FlutterFlow — no-code/low-code-инструменты для создания мобильных приложений. Adalo проще и подходит для быстрого запуска MVP. FlutterFlow мощнее и ближе к полноценной разработке: на нем можно собирать более сложные мобильные и веб-приложения с логикой, базами данных и интеграциями.
Что можно создать: мобильные приложения для iOS и Android, сервисы доставки, приложения для записи, образовательные приложения, фитнес-приложения, приложения для сообществ, личные кабинеты, внутренние мобильные сервисы для бизнеса и MVP стартапов.
Вывод
Zerocoder не пишет код с нуля, но умеет собирать цифровые продукты из готовых инструментов.
Главная ценность зерокодеров — не в знании одной конкретной платформы, а в умении быстро превратить бизнес-идею в работающий продукт. Они доказывают важную мысль: ценность сейчас создает не тот, кто лучше всех пишет код, а тот, кто быстрее и точнее решает реальную проблему пользователя.
Кто такие вайб-кодеры?
Вайб-кодер — это не совсем программист в классическом смысле и не совсем zerocoder. Он работает так:
- описывает AI, что нужно создать;
- получает код, интерфейс, структуру приложения или отдельную функцию;
- запускает результат;
- копирует ошибки обратно в AI;
- просит исправить, улучшить, добавить функции;
- проверяет, работает ли продукт.
Главное отличие от zerocoder: zerocoder собирает продукт в no-code-платформах, а vibe-coder получает настоящий код от AI. Поэтому вайб-кодинг ближе к разработке, чем к классическому no-code.
Важный нюанс: сильный вайб-кодер все равно должен понимать логику продукта, структуру данных, API, ошибки, безопасность и базовые принципы разработки. Иначе он может получить работающий на вид, но полный багов код.
Для работы вайб-кодеры используют не только классический ChatGPT, но и более мощные AI-инструменты и AI-агенты: Claude Code, Cursor, Windsurf, GitHub Copilot, Replit, Bolt и v0. С их помощью вайб-кодеры могут писать и редактировать код, исправлять ошибки, создавать интерфейсы, собирать структуру проекта и помогать запускать приложения. В результате можно создать сайт, веб-приложение, MVP, Telegram-бот, парсер, дашборд, админ-панель, личный кабинет, интернет-магазин, API-интеграцию, AI-ассистента, скрипт для автоматизации или внутренний инструмент для бизнеса. Подробнее про инструменты вайб-кодеров можно прочитать здесь.
Вывод
Vibe-coder — это AI-разработчик. Он не обязательно пишет код с нуля, но умеет формулировать задачу, управлять AI-инструментами, проверять результат и превращать идею в рабочий продукт.
Главная ценность вайб-кодера — не просто «уметь пользоваться ChatGPT», а уметь быстро собрать работающий сайт, приложение, бота, автоматизацию, MVP, dashboard, SaaS-прототип и т.д.
Что такое low-code и кто такой лоу-кодер?
Low-code (дословно означает «мало кода») — это подход, где приложение собирают визуально, но при необходимости добавляют немного кода.
Лоу-кодер — специалист между zerocoder и классическим программистом. Он создает приложения, бизнес-системы, CRM-модули, внутренние порталы, автоматизации и интеграции на low-code-платформах. Лоу-кодер может не быть классическим backend/frontend-разработчиком, но должен понимать логику процессов, данные, API, роли пользователей, права доступа и базовую архитектуру.
Термин low-code появился в 2014 году. Его ввели аналитики американской исследовательской компании Forrester Клей Ричардсон и Джон Раймер в отчете «Новые платформы для создания клиентских приложений». В нем low-code-платформы описывались как инструменты, которые ускоряют разработку за счет сокращения ручного написания кода.
Основные инструменты low-coders
Microsoft Power Platform
Одна из самых популярных корпоративных low-code-платформ. Внутри есть Power Apps для приложений, Power Automate для автоматизаций, Power BI для аналитики, Power Pages для сайтов и Copilot Studio для AI-агентов. Microsoft описывает Power Platform как набор инструментов для создания AI-driven agents, custom apps, workflow automation, аналитики и сайтов.
Что можно создать: внутренние приложения для сотрудников, заявки, согласования, CRM-модули, отчеты, дашборды, автоматизации документооборота, корпоративные порталы, AI-ботов и бизнес-процессы внутри Microsoft 365.
OutSystems
Мощная enterprise low-code-платформа для создания web- и mobile-приложений. Ее используют компании, которым нужны не просто прототипы, а production-системы с интеграциями, безопасностью и масштабированием. OutSystems позиционирует платформу как способ быстрее создавать enterprise приложения и AI агентов.
Что можно создать: корпоративные веб-приложения, мобильные приложения, клиентские порталы, банковские и страховые сервисы, внутренние системы, модернизацию legacy-приложений, AI-powered business apps.
Mendix
Low-code-платформа, принадлежащая Siemens. Сильна в корпоративной разработке, промышленности, логистике, enterprise-процессах и сложных внутренних системах. Mendix описывает себя как low-code-платформу для разработки решений и оркестрации workflows на enterprise-уровне.
Что можно создать: enterprise-приложения, workflow-системы, приложения для производственных компаний, клиентские порталы, операционные системы, внутренние инструменты для крупных команд.
Appian
Low-code-платформа с сильным уклоном в business process automation: процессы, согласования, кейсы, документы, корпоративные workflow. Appian описывает low-code automation как создание приложений через визуальное моделирование процесса вместо ручного написания кода.
Что можно создать: системы согласования, документооборот, BPM-системы, case management, внутренние workflow, финансовые и юридические процессы, автоматизацию операционных задач.
Retool
Low-code-платформа для внутренних инструментов: админок, панелей управления, дашбордов, интерфейсов поверх баз данных и API. Она ближе к разработчикам, потому что часто требует понимания SQL, API и JavaScript.
Что можно создать: админ-панели, CRM-интерфейсы, панели модерации, back-office tools, дашборды, интерфейсы для операторов, внутренние системы управления заказами.
Oracle APEX
Low-code-платформа Oracle для создания веб-приложений, особенно вокруг баз данных Oracle. Ее часто используют в корпоративной среде, где уже есть Oracle-инфраструктура.
Что можно создать: database-driven web apps, внутренние порталы, отчетные системы, формы ввода данных, админки, приложения для учета и корпоративной аналитики.
Что умеет хороший low-coder
- Собирать приложения визуально: формы, экраны, роли пользователей, workflow, бизнес-правила, статусы, таблицы, личные кабинеты.
- Связывать системы: CRM, ERP, базы данных, почту, Telegram/Slack, платежные системы, API, webhooks, внешние сервисы.
- Дорабатывать нестандартные места кодом: JavaScript, SQL, формулы, скрипты, API-запросы, кастомная логика, интеграции.
Вывод
Low-code — это следующий уровень после no-code. Zerocoder чаще собирает продукты из готовых блоков почти без технической доработки. Low-coder работает ближе к корпоративной разработке: он использует визуальные платформы, но понимает данные, API, бизнес-логику, безопасность и может добавить код там, где no-code уже не справляется.
Главная ценность low-coder — быстро создавать рабочие бизнес-приложения без полноценного цикла классической разработки, но с большим контролем, чем в обычном no-code.
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.
Итог
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.
Подписывайтесь на наши сообщества в Telegram и ВКонтакте — там мы публикуем еще много интересных и полезных материалов.