Клиент после четырёх лет использования Битрикс24 ушёл на собственное решение. Для меня это не доказательство победы самописных CRM, а сигнал более крупного изменения: AI резко снизил стоимость первого работающего результата. Но стоимость владения системой никуда не исчезла.

Своя CRM после вайбкодинга: сделать систему стало проще, владеть ею - нет

Недавно один из клиентов, который около четырёх лет пользовался Битрикс24, отказался от продления.
Причина была короткая:

Перешли на своё решение.

Клиент собрал свою CRM с помощью AI или вайбкодинга.

Но сама эта фраза сегодня звучит для меня совсем иначе, чем несколько лет назад.
Раньше “мы сделали свою систему” почти автоматически означало отдельный IT-проект: разработчиков, аналитику, бюджет, месяцы работы, инфраструктуру и последующую поддержку.
Теперь между идеей и первым работающим приложением появился новый слой.

Можно описать задачу обычными словами. Попросить AI сделать интерфейс. Добавить базу. Несколько сущностей. Связи. Интеграцию. Потом посмотреть результат и продолжить диалог: здесь поменяй, тут добавь, это убери.

Такой способ разработки обычно называют вайбкодингом.
И он действительно меняет экономику программного обеспечения.

Но, на мой взгляд, не совсем так, как кажется после первой успешной демонстрации.
Сделать свою систему стало проще.
Владеть своей системой - нет.

Стоимость первого работающего результата резко упала

Это главное изменение, которое я вижу.
Раньше у предпринимателя могла быть идея внутреннего сервиса, небольшой CRM, кабинета, системы учёта или автоматизации, но между идеей и работающим результатом стояла достаточно дорогая разработка.

Теперь в некоторых задачах первую рабочую версию можно получить за дни.
Можно не писать огромное техническое задание до того, как увидел продукт.
Можно быстрее проверить идею.
Можно сделать интерфейс именно под свой процесс.
Можно автоматизировать очень узкую работу, для которой заказная разработка раньше просто не окупилась бы.

Я сам много работаю с AI-инструментами разработки и вижу, насколько быстрее стало превращать мысль в работающий прототип.
Поэтому я точно не отношусь к вайбкодингу как к игрушке.

Он уже изменил один из главных параметров разработки - цену эксперимента.

Но здесь легко перепутать две совершенно разные вещи.
Стоимость создать первую версию.
И стоимость владеть системой годами.

Первый работающий экран ещё не является системой

Это различие особенно плохо видно в начале.
Ты попросил добавить сущность.
Она появилась.
Попросил сделать фильтр.
Готово.
Попросил связать два объекта.
Работает.
Добавил ещё функцию.
Всё выглядит прекрасно.

И возникает очень понятное ощущение:

Если за несколько вечеров я дошёл настолько далеко, зачем мне вообще тяжёлая готовая платформа?

Проблема в том, что первые функции обычно намного проще длинной истории последующих изменений.
Настоящая жизнь системы начинается не тогда, когда она впервые заработала.
Она начинается, когда через три месяца нужно изменить логику, не сломав старые данные.

Когда появляются разные роли пользователей.
Когда одна интеграция присылает неожиданные данные.
Когда сотрудник случайно получает доступ не к тем объектам.
Когда обновляется внешний сервис.
Когда после изменения одного процесса перестаёт работать другой.
Когда нужно восстановить данные.
Когда нужно понять не только что сломалось, но и почему.
Когда человек, который первоначально собирал систему, больше проектом не занимается.

Именно здесь становится заметна разница между программой, которая сейчас работает, и системой, которую компания способна эксплуатировать.

“Починили одно - сломали другое”

У AI есть очень привлекательное свойство для человека без инженерного опыта.
Почти любую проблему можно попробовать решить ещё одним запросом.

Что-то не работает.
Просишь исправить.
AI исправляет.

Появляется новая ошибка.
Отправляешь её обратно.
AI снова что-то меняет.

Теперь перестала работать предыдущая функция.
Начинается длинная цепочка изменений, в которой человеку всё сложнее понимать текущее состояние системы.
При этом каждый отдельный шаг может выглядеть вполне разумно.

Можно потратить огромное количество времени и ресурсов уже не на развитие продукта, а на возвращение его к состоянию, которое было вчера.
Именно здесь особенно хорошо видна разница между вайбкодингом и профессиональной разработкой с AI.

Мартин Фаулер описывает вайбкодинг как режим, при котором человек в основном управляет приложением через запросы к модели и практически не работает с самим кодом. Для таких систем он отдельно отмечает риски поддерживаемости, корректности и безопасности. (martinfowler.com)

OWASP в рекомендациях по AI-assisted development требует человеческой ответственности за AI-код, проверки зависимостей, ревью изменений, независимых тестов и контроля того, что агент меняет в проекте. (cheatsheetseries.owasp.org)

Для меня отсюда следует простая мысль:
AI очень хорошо ускоряет эксперта. Но он не автоматически превращает человека без экспертизы в инженера.

Сильный разработчик тоже получил AI

Иногда разговор про вайбкодинг строится так, как будто AI появился только у предпринимателя, который раньше не умел программировать.
Но профессиональный разработчик получил те же инструменты.
Архитектор получил их.
Аналитик получил их.
Интегратор получил их.
Их работа тоже становится быстрее.

Разница в том, что вокруг генерации кода у профессиональной команды остаются архитектура, система контроля версий, тесты, логирование, управление зависимостями, резервное копирование, права доступа, мониторинг и возможность откатить неудачное изменение.

AI ускоряет механическую часть работы.
Экспертиза определяет, что именно можно позволить ему ускорить.

Я уже разбирал похожий эффект на примере работы интеграторов 1С в статье «Искусственный интеллект в 1С для интеграторов».

Чем дешевле становится написание кода, тем заметнее ценность того, что позволяет написать правильный код: понимания процесса, архитектуры, контекста, проверки и ответственности.

AI ускоряет не только создание альтернатив Битрикс24

И вот здесь начинается вторая половина этой истории.
Когда клиент говорит “мы сделали своё”, очень легко провести прямую линию:
AI ускорил разработку -> делать свою CRM стало дешевле -> большие платформы становятся менее нужны.

Но тот же AI работает и в противоположную сторону.
Он ускоряет разработчиков готовых платформ.
Он ускоряет интеграторов.
Он ускоряет создание приложений и расширений.
Он снижает стоимость части нестандартных доработок поверх существующего продукта.

Поэтому сравнивать новую собственную систему, созданную с AI, со старой версией Битрикс24 пятилетней давности неправильно.
Меняются обе стороны.

Очень показательно, что в 2026 году сам Битрикс24 запустил Битрикс24 Вайбкод. По официальному описанию, это платформа, где сотрудник может описать задачу словами, а AI-модель пишет код и разворачивает приложение или чат-бот, работающий с данными Битрикс24. Платформа предназначена в том числе для ситуаций, когда готового отчёта, интеграции или другого решения внутри продукта не хватает. (helpdesk.bitrix24.ru)

То есть вайбкодинг уже перестаёт быть только способом уйти от большой платформы.
Он становится способом изменять большую платформу под себя.

Но Вайбкод не делает любое приложение промышленным автоматически

Здесь важно не перейти в другую крайность.

Сам факт, что AI-разработка встроена в зрелую платформу, ещё не означает, что каждое созданное таким способом приложение автоматически получает промышленное качество.

По состоянию на 18 сентября 2026 года официальная документация Битрикс24 всё ещё указывает ограничения Вайбкода. Например, встроенного редактирования кода пока нет, а публикация созданных приложений в Маркетплейсе заявлена как будущая возможность. (helpdesk.bitrix24.ru)

Поэтому я бы не формулировал тезис так:

Битрикс24 всё равно сделает всё то же самое, только намного качественнее.

Мы этого не знаем. Точнее другое.
У зрелой платформы уже существует большой эксплуатационный фундамент, на который можно накладывать новые AI-инструменты разработки.

И потенциальное преимущество возникает именно из сочетания этих двух слоёв.
Не AI вместо инженерии.
А AI поверх уже существующей инженерной системы.

Что находится под интерфейсом зрелой платформы

Когда компания строит собственную CRM с нуля, она получает максимальную свободу.
Но вместе со свободой она постепенно забирает себе задачи, часть которых раньше решал поставщик платформы.
Например:

• модель данных;
• права доступа;
• пользователи и авторизация;
• интеграционные механизмы;
• история изменений;
• инфраструктура;
• резервное восстановление;
• обновления;
• мониторинг;
• поддержка после изменений;
• совместимость разных частей системы;
• безопасность.

Это не означает, что готовая CRM решает каждый из этих вопросов идеально. Конечно нет.
Большие платформы тоже имеют ограничения, неудачные интерфейсы, технический долг и компромиссы.
Я уже писал об обратной стороне ожиданий от CRM в статье «CRM тоже обещала управляемость».

Но у зрелого продукта есть огромный технический слой, который пользователь большую часть времени просто не замечает.
Когда создаёшь своё решение, этот невидимый слой постепенно становится твоей работой.

Поэтому вопрос “Битрикс24 или своё” становится слишком простым

После появления AI я бы вообще меньше ставил вопрос так:

Битрикс24 или собственная система?

Мне кажется, полезнее спрашивать:

Какой частью системы компании действительно нужно владеть самостоятельно?

Если у бизнеса есть уникальный процесс, который создаёт конкурентное преимущество, его действительно может быть разумно реализовать отдельно.

Если компания каждый день борется с ограничениями стандартной платформы именно в ключевом процессе, собственная система тоже может оказаться рациональным решением.

Если нужен небольшой специализированный внутренний инструмент, AI позволяет сделать его намного дешевле, чем раньше.

Но если ради нескольких нестандартных функций приходится заново создавать пользователей, права, клиентскую базу, историю взаимодействий, задачи, уведомления, интеграционную инфраструктуру и десятки других базовых механизмов, экономика становится менее очевидной.

Здесь мне всё больше нравится гибридная модель.
Основа остаётся промышленной платформой.
А уникальная часть бизнеса строится отдельно или поверх неё.
AI делает такую границу значительно подвижнее.

Считать нужно не разработку, а полный жизненный цикл

Мне кажется, именно здесь будет происходить основная ошибка ближайших лет.
Бизнес будет сравнивать:

Сколько стоит подписка?

с:

За сколько мы собрали первую свою версию?

Но это разные экономические величины.
У собственного решения есть не только первоначальная разработка.
Есть следующие изменения.
Тестирование.
Исправление ошибок.
Инфраструктура.
Безопасность.
Интеграции.
Миграции.
Наблюдаемость.
Документация.
Замена разработчиков.
Восстановление после ошибок.
Работа со старым кодом.

И главное - постоянная необходимость принимать технические решения, которые раньше принимал поставщик продукта.
Поэтому более честное сравнение выглядит иначе:
Сколько будет стоить решить нужную бизнес-задачу и надёжно поддерживать это решение несколько лет?

Именно здесь SaaS, собственная разработка и гибрид можно сравнивать предметно.

AI удешевляет обе стратегии

Это главный вывод, который я сейчас для себя фиксирую.
AI может снижать стоимость создания собственного программного обеспечения.

Но тот же AI снижает стоимость части разработки внутри готовых платформ и вокруг них.
Компания быстрее создаёт собственную CRM.
Интегратор быстрее делает доработку.
Разработчик SaaS быстрее выпускает новую функцию.

Появляются способы собирать специализированные приложения поверх существующей платформы обычным языком.
Поэтому преимущество в будущем будет не просто у “кастома” или “коробки”.
Оно будет у архитектуры, которая обеспечивает нужный бизнес-результат с приемлемой полной стоимостью владения.
Не стоимостью первого экрана.
Не стоимостью первого месяца.

А стоимостью нескольких лет изменений, ошибок, поддержки и развития. Это пересекается с более широким вопросом, который я разбирал в статье «Что, возможно, будет следующим рынком после SaaS»: AI меняет не только интерфейс программ, но и саму границу между готовым продуктом и индивидуальным решением.

Что будет с нынешними самописными AI-системами через два года

Сейчас рынок находится в необычной точке.
Впервые огромное количество людей, которые раньше никогда бы не заказали собственную разработку, начинают создавать свои приложения.
Это даст много новых продуктов.
Часть окажется полезной.
Часть превратится в реальные внутренние системы компаний.

Наверняка будут бизнесы, которые действительно заменят тяжёлый SaaS гораздо более компактным решением под собственный процесс.

Но меня гораздо больше интересует второй этап.
Что будет с этими системами через год или два?
Сколько продолжат развиваться?
Сколько придётся переписать?
Что произойдёт, когда уйдёт человек, который первоначально их собирал?
Сколько будет стоить поддержка после сотен изменений?
Сможет ли AI удерживать архитектуру большой системы в хорошем состоянии почти без участия инженера?
Или вокруг AI-разработки просто сформируется новая версия старой инженерной профессии, где писать код руками нужно всё меньше, но понимать систему по-прежнему необходимо?

Я пока не знаю ответа. Именно поэтому мне интересен тот клиент, который после нескольких лет Битрикс24 ушёл на своё решение.
Не как доказательство того, что Битрикс24 проигрывает.
И не как доказательство того, что собственная CRM окажется ошибкой.
Для меня это сигнал о более крупном изменении рынка.

Порог входа в собственную разработку резко снизился.
Бизнес всё чаще сможет сказать:

А давайте просто сделаем своё.

И это хорошо. Конкуренция архитектур станет сильнее.
Готовым платформам придётся быстрее становиться гибкими.
Интеграторам придётся быстрее производить нестандартные решения.
Разработчикам придётся всё меньше продавать количество написанного кода и всё больше отвечать за качество работающей системы.

А бизнесу придётся научиться считать не только стоимость создания программы, но и стоимость владения ею.
Сделать свою систему стало проще.
Владеть своей системой - нет.
И, возможно, именно эта разница станет одним из главных фильтров следующей волны корпоративного программного обеспечения.