# Антон Осика: «Работа без ИИ разочаровывает ваших клиентов»

Источник: https://www.youtube.com/watch?v=SM9_FSbPlMM
Канал: Cognitive Revolution "How AI Changes Everything"
Опубликовано: 09.02.2025

---

Развитие генеративного искусственного интеллекта постепенно трансформирует индустрию разработки программного обеспечения, расширяя возможности создания полноценных продуктов силами непрофессионалов. В специальном выпуске серии «Software Supernova» подкаста The Cognitive Revolution ведущий Нейтан Лабенз обсуждает эту технологическую волну с создателями шведского стартапа Lovable — основателем Антоном Осикой и ИИ-инженером Айзеком Сундьяном. Главной темой беседы стало то, как их платформа, позиционируемая как «сверхчеловеческий full-stack инженер», позволяет превращать бизнес-идеи в работающие веб-приложения за считаные секунды и какие архитектурные вызовы стоят за автоматизацией программирования.

## 🌌 Эра «сверхчеловеческих» инженеров: Взрывной рост Lovable
[[JUMP:0:00]]

Проект Lovable, штаб-квартира которого находится в Стокгольме (Швеция), продемонстрировал феноменальные темпы коммерциализации на европейском венчурном рынке. За первые два месяца с момента официального запуска в ноябре компания достигла отметки в 9 миллионов долларов в годовом исчислении повторяющейся выручки (ARR). По оценке создателей, этот показатель делает Lovable одним из самых быстрорастущих технологических стартапов в истории Европы. К моменту записи интервью активная аудитория платформы превысила сотни тысяч пользователей.

Основной продукт Lovable — это автономный ИИ-агент, способный по текстовому описанию на естественном языке генерировать полноценные full-stack приложения. В отличие от классических инструментов генерации изолированных кусков кода, платформа берет на себя проектирование интерфейса, развертывание базы данных, настройку аутентификации и внешних интеграций.

Антон Осика подчеркивает, что сегодня в мире менее 1% населения обладает навыками программирования и способностью напрямую общаться с технологиями на уровне кода. По его мнению, распространение таких инструментов, как Lovable, расширит эту возможность на оставшиеся 99% людей, что приведет к своеобразному «Кембрийскому взрыву» высококачественного софта и резкому росту человеческой продуктивности.

## 🛠️ Создание AI-приложений на практике: Процесс и грабли живой демонстрации
[[JUMP:5:28]]

Для проверки реальных возможностей платформы участники подкаста в режиме реального времени попытались создать приложение для динамического сравнения коммерческих продуктов. В качестве практического примера Нейтан Лабенз привел личную бытовую проблему — поломку домашней стиральной машины. Процесс выбора новой техники требует от потребителя глубокого изучения категорий: понимания разницы между фронтальной и вертикальной загрузкой, оценки габаритов и возможности установки устройств друг на друга. Основная когнитивная нагрузка ложится именно на формирование критериев сравнения. Идея приложения заключалась в том, чтобы ИИ сам извлекал данные из веб-страниц продуктов, формировал аналитическую таблицу и выделял ключевые факторы.

Живая демонстрация наглядно иллюстрирует текущий уровень зрелости ИИ-разработки, проходящий через неизбежное сопротивление среды:

* **Первая итерация (17 правок):** Айзек Сундьян изначально пошел по пути создания сложной структуры с подключением бэкенд-сервисов. На этапе интеграции парсинга сайтов через сторонний Firecrawl API возникли каскадные ошибки: сначала система выдавала некорректные статус-коды (400 Bad Request) из-за несоответствия форматов, затем внешние шлюзы возвращали ошибки сервера (500 Bad Gateway). Кроме того, при попытке проанализировать страницы Amazon лингвистическая модель столкнулась с избыточным кодом разметки, из-за чего разработчикам пришлось жестко ограничить объем входящего текста до 4000 символов, что грозило потерей полезных данных.
* **Вторая итерация (3-4 промпта):** Осознав, что первая архитектура зашла в тупик из-за обилия ручных настроек, команда Lovable провела «тактическое отступление» и перезапустила проект с нуля. Во второй конфигурации ключи API не хардкодились в бэкенд, а запрашивались через интерфейс у самого пользователя. Чистая архитектура позволила всего за три промпта развернуть полностью рабочую версию, успешно сформировавшую структурированную таблицу сравнения характеристик наушников брендов Bose и JBL.

## 🧠 Модели, маршрутизация и «умный RAG»: Техническое закулисье
[[JUMP:28:23]]

Архитектура Lovable не привязана к какому-то одному поставщику больших языковых моделей (LLM). Вместо этого инженеры используют динамическую систему умной маршрутизации (smart routing), перераспределяющую запросы между моделями от OpenAI, Anthropic и Google. 

Внутренняя экспертиза команды Lovable разделяет стек применяемых моделей по типам задач:

* **Claude 3.5 Sonnet:** По утверждению Антона Осики, на текущий момент остается лучшим универсальным решением для написания кода и логического рассуждения. Именно на этой модели выполнялась основная демонстрация.
* **Google Gemini (быстрые модели):** Применяются Lovable для выполнения базовых мелкомасштабных вызовов благодаря их высокой скорости и низкой стоимости обработки токенов.
* **OpenAI (серия o1/o3-mini):** Используются как специализированный инструмент в ситуациях, когда ИИ «застревает» при отладке кода. Модели рассуждения (reasoning models) лучше справляются с анализом нестандартных ошибок из первых принципов.

Одной из главных проблем ИИ-разработки при масштабировании приложений остается управление контекстом. Большие кодовые базы быстро переполняют лимиты токенов LLM. Для решения этой проблемы Lovable использует проприетарную технологию, которую основатели называют «агентным» или «умным RAG» (smart/agentic Retrieval-Augmented Generation). Система не отправляет весь код приложения в модель при каждой правке, а задействует поисковых агентов, которые локализуют только те участки кода и зависимости, которые непосредственно подвергаются модификации.

## ⚖️ Автономия против предсказуемости: Проблема агентного подхода
[[JUMP:58:26]]

В индустрии ИИ-программирования существуют полярные взгляды на UX. Например, проект Devin от Cognition делает ставку на полную автономность, когда агент часами решает задачу в фоновом режиме. Антон Осика относится к такому подходу критически, называя полностью открытый агентный цикл (open-ended loop) плохим пользовательским опытом для большинства задач.

Основная претензия к чрезмерно автономным агентам заключается в их непредсказуемости. Пользователь не знает, сколько времени займет задача, а в случае системной ошибки агент на 87-й итерации может зайти в тупик, создав хаос в кодовой базе. Позиция Lovable заключается в том, что интерфейс должен быть реактивным и предсказуемым. Человеку важно сохранять мышечную память взаимодействия с софтом (как в Slack или Gmail), поэтому концепция «генеративного интерфейса» (Generative UI), который каждый раз перерисовывается ИИ заново под контекст, по мнению Антона, не станет доминирующей. 

Разработчики Lovable внедряют элементы ограниченной автономии. Внутри компании уже тестируется встроенный «агентный режим» (agent mode), позволяющий системе самостоятельно читать логи ошибок бэкенда в Supabase и применять автоисправления, избавляя человека от рутинного копипаста.

## 🚀 Демократизация разработки: Кто и как программирует без кода
[[JUMP:1:27:37]]

Текущая база платящих клиентов Lovable делится на четыре равные группы по уровню технической подготовки: от абсолютных новичков (25%) до профессиональных программистов (25%). 

Практика показывает, что технически подкованные пользователи создают на платформе более сложные и комплексные продукты, так как они понимают принципы работы API и логику отладки. Однако наиболее коммерчески успешной и увлеченной аудиторией стартапа стали предприниматели и операторы digital-агентств с выраженным «высокоагентным» подходом (high-agency spirit), которые используют ИИ для моментальной проверки гипотез и создания внутренних инструментов.

Инфраструктурно Lovable убирает традиционный барьер в виде сложного деплоя (devops). Платформа осуществляет компиляцию React-кода и развертывание приложений на пограничных серверах (edge) через интеграцию с Cloudflare в один клик. При этом для профессионалов сохраняется возможность бесшовного перехода к ручному контролю: прямо в браузере можно открыть встроенный редактор VS Code, а любые изменения синхронизируются с GitHub-репозиторием и поддерживают ветвление (branching).

В завершение беседы Антон Осика озвучил жесткий прогноз для рынка труда: специалисты и агентства, которые сегодня отказываются от интеграции ИИ-инструментов в свои рабочие процессы, фактически обкрадывают и разочаровывают собственных работодателей и клиентов, сознательно снижая свою эффективность.