Как any (Т‑Банк) перевела клиентский сервис на вайбкодинг и ускорила поставку решений в 7 раз

В 2026 году интернет-магазины стали предельно прагматичными: из-за оптимизации IT-бюджетов ритейл больше не инвестирует в абстрактные инновации. В этой среде anу сталкивается с двумя вызовами:

• Постоянный запрос на доказательную базу. Бизнесу нужны точные цифры окупаемости лицензии на продукт, подсчитанный ROI и прозрачная метрика влияния поиска на итоговую конверсию в сессиях.
• Бешеная гонка за лидерами рынка. В e-commerce тренды меняются мгновенно. Стоит Wildberries или Ozon выкатить какое-то визуальное или функциональное обновление, как фэшн-ритейлеры приходят к any с запросом на такое же внедрение.

Этот контекст плюс дефицит времени и ресурсов внутренней разработки побудил команду any искать решение в вайбкодинге.

any развивает 5 AI-сервисов (+1 на этапе product discovery) для интернет-магазинов. Флагман, которым пользуются почти все партнеры, — anyQuery: покупатель вбивает в поиск на сайте магазина любой запрос, сервис отвечает за релевантную выдачу. Также в экосистеме есть продукты для проработки AI-рекомендаций anyRecs, поиск по фото anyImages, AI-карточки товара anyReviews и другие сервисы.

В рамках классических бизнес-процессов любая доработка продукта шла через ТЗ и спринты внутренней разработки, занимая минимум две недели. Это создавало критический барьер для роста бизнеса.

Решение проблемы с сохранением штата внезапно нашли в вайбкодинге, а именно в сборке работающих инструментов через диалог с AI-моделями в Cursor и Claude напрямую силами клиентской команды.

В any автоматизацию и сборку инструментов отдали сотрудникам, которые ежедневно работают с клиентами и знают их боли. Вайбкодинг внедрили в практику двух команд, чей функционал ранее вообще не был связан с написанием кода.

Чтобы закрыть потребность ритейлеров в данных и защитить контракты, команда any собрала на вайбкоде четыре внутренних решения. Они автоматизируют аналитику и снижают нагрузку на команду.

1. JTBD-дашборд по маркетинговой кампании

На примере одного из реальных кейсов: парфюмерный ритейлер привез из-за рубежа новый бренд и запустил маркетинговую кампанию. Команде ритейлера нужно было доказать руководству, что бюджет потрачен не зря и интерес пользователей к бренду вырос. CSM собрал дашборд по поисковым запросам внутри магазина: динамика брендовых запросов, топ брендов, прирост по месяцам.

2. Генератор квартальных презентаций

Команда any регулярно проводит с партнерами квартальные бизнес-обзоры. Раньше подготовка презентации на 30–40 слайдов с метриками занимала дни. Созданный инструмент генерирует подробный 24-страничный отчет с выводами по ID клиента всего за 15 минут — все шаблоны и промпты уже зашиты внутри.

3. Доказательная база против оттока

Когда партнер сомневается в продлении лицензии, инструмент автоматически собирает доказательную базу из разных систем: количество обращений, стоимость техподдержки, объем кастомных доработок и окупаемость сервиса. Все упаковывается в единую доказательную базу, которую менеджер отправляет клиенту. В выгрузке по одному из крупных ритейлеров система наглядно показала: поиск дает 29,9% выручки магазина, каждый рубль лицензии приносит 80 рублей прибыли, а конверсия в сессиях с поиском в 2,6 раза выше.

4. AI-агент в техподдержке (бета)

Инструмент разработали, чтобы снизить нагрузку на команду поддержки. Агент умеет самостоятельно выгружать аналитику по запросу, формировать выводы и вносить несложные кастомные настройки. Отвечать за человека агенту не дают: он готовит предварительный ответ и выгрузку, а финальное решение остается за сотрудником. Инструмент пока тестируется.

Самый показательный пример применения вайбкодинга в any — решение продуктовой проблемы для бренда Befree,

Контекст. Befree выпускает много мерча и трендовых капсульных коллекций. В мае 2026 года бренд запустил линейку Dacha Mood, которая мгновенно завирусилась в профильных Telegram-каналах. Покупатели массово пошли на сайт ритейлера и вбивали в строку поиска «дача муд» в разных вариациях, но система выдавала нулевую видимость — «ничего не найдено».

Проблема. В товарном описании поставщиков все эти вещи значились как базовые «футболки с принтом». Данные о конкретных надписях, названиях коллекций или элементах дизайна в текстовом описании отсутствовали. Менять IT-цепочку поставок со стороны Befree — это месяцы согласований, а размечать тысячи позиций вручную силами мерчендайзеров — колоссальные трудозатраты. В итоге клиент уходил без покупки.

Задача. Связать текстовые запросы покупателей с реальным визуальным контентом на сайте. Пользователь увидел футболку, она ему понравилась — он идет на сайт Befree и вбивает в поиск «дача муд»: по-русски, по-английски, с опечатками, в транслитерации. И товар находится.

Решение. Менеджер anу за несколько дней навайбкодил MVP-сервис распознавания текста с изображений (OCR). Система по расписанию забирает новые фотографии из каталога Befree, сканирует принты, переводит графический текст в строки, а после модерации человеком эти данные автоматически уходят в поисковый индекс. Карточку товара, интерфейс и каталог менять не пришлось — поиск начал учитывать то, что раньше существовало только на изображении. Данные доступны и дальше по цепочке: SEO-специалистам, маркетологам, мерчендайзерам.

Результат. 2000+ товаров Befree начали участвовать в поисковых сценариях — их находят, добавляют в корзину и оплачивают. Нулевых запросов, когда покупатель видит «ничего не найдено», стало меньше. Мерчендайзеры сэкономили сотни часов ручной разметки.

Вайбкодинг помог быстро проверить продуктовые гипотезы, но выявил два риска:

1. Размытие фокуса команды. Когда Customer Success менеджеры начинают активно заниматься технической сборкой инструментов, они фактически берут на себя роль продакт-менеджеров. Из-за этого могут проседать базовые процессы сопровождения клиентов, которым не требуются кастомные доработки.
2. Проблема масштабирования и вывод решения в продакшен. Любой MVP, собранный на вайбкоде, работает локально. Чтобы раскатать решение на весь рынок, другие вертикали и сотни партнеров, его нужно переносить с ноутбука конкретного менеджера на серверную архитектуру компании. Без участия классической разработки здесь не обойтись.

Вайбкодинг в any вырос из локального эксперимента одного менеджера в рабочую систему клиентского сервиса. Подход дал команде автономность и ускорил решение enterprise-задач до двух дней вместо двух недель.

При этом опыт компании четко очертил границы технологии: без классической разработки навайбкоженные MVP невозможно масштабировать. Чтобы раскатать решение на весь рынок и сотни партнеров, оно в любом случае должно переехать с ноутбука менеджера на серверную архитектуру компании.