Vibecoding: produktywność z AI bez iluzji „programowania bez programisty”

W ostatnich miesiącach vibecoding stał się jednym z najgłośniejszych trendów w świecie technologii. Media społecznościowe pełne są filmów, w których ktoś “buduje aplikację w 15 minut”, “tworzy startup bez umiejętności programowania” albo “zastępuje zespół developerów jednym promptem”. Brzmi kusząco i w pewnym sensie jest w tym ziarno prawdy. Problem zaczyna się wtedy, gdy marketingowa narracja zaczyna być mylona z rzeczywistością.

Vibecoding nie jest oszustwem, tylko realnym sposobem pracy, który nie działa tak, jak przedstawiają go influencerzy.

Czym właściwie jest vibecoding

Termin ukuł Andrej Karpathy, i w pierwotnym znaczeniu był dość radykalny: chodziło o pracę, w której programista praktycznie przestaje śledzić kod, akceptuje kolejne zmiany generowane przez model i nie musi rozumieć, jak dokładnie działa implementacja. To ta sama utrata kontroli nad działaniem, którą opisuję przy agentach AI jako nowej powierzchni ataku, tylko przeniesiona z produkcyjnego środowiska na sam proces pisania kodu. Dziś słowo używane jest znacznie szerzej, jako synonim intensywnego programowania z pomocą AI, niekoniecznie z rezygnacją z rozumienia kodu. Ten artykuł mówi głównie o tej drugiej, szerszej i bardziej odpowiedzialnej formie, bo to ona ma sens w kontekście produkcyjnym. Pierwotne znaczenie, czyli świadome zrzeczenie się kontroli nad kodem, wraca w dalszej części tekstu jako punkt, przed którym warto się chronić, a nie jako cel do naśladowania.

Najprościej mówiąc, w tym szerszym, praktycznym sensie vibecoding to sposób tworzenia oprogramowania przy intensywnym wykorzystaniu AI jako partnera programistycznego. Zamiast pisać wszystko ręcznie, opisujesz, czego potrzebujesz, a model AI generuje kod, proponuje architekturę, poprawia błędy, tworzy testy, dokumentację, migracje baz danych czy integracje z API.

W praktyce przypomina to współpracę z bardzo szybkim juniorem, który zna mnóstwo technologii i pracuje bez przerwy, ale ma jedną istotną wadę: bywa pewny siebie nawet wtedy, gdy się myli. Właśnie to odróżnia sensowny, kontrolowany vibecoding od pierwotnej, bardziej radykalnej wersji, w której nikt nie sprawdza, co model właściwie wygenerował.

Dlaczego vibecoding faktycznie ma sens

Mimo całego szumu, vibecoding daje realne korzyści.

Znacznie szybsze prototypowanie. Pomysł, który wcześniej wymagał kilku dni konfiguracji projektu, przygotowania boilerplate’u, routingu, bazy danych i podstawowego UI, dziś można postawić znacznie szybciej. AI dobrze radzi sobie z generowaniem powtarzalnego kodu, tworzeniem CRUD-ów, konfiguracją frameworków, przygotowywaniem testów jednostkowych, tworzeniem endpointów API i pisaniem dokumentacji technicznej. Dla doświadczonego developera oznacza to wyraźny wzrost produktywności.

Niższy próg wejścia. Osoba, która zna podstawy programowania, ale nie pracowała wcześniej z konkretnym frameworkiem czy językiem, może dzięki AI wejść w nowe technologie szybciej niż kiedykolwiek wcześniej. Nie musisz znać na pamięć składni każdego narzędzia, wystarczy rozumieć, co chcesz zbudować, i umieć ocenić, czy proponowane rozwiązanie ma sens.

Lepsza iteracja pomysłów. AI pozwala testować warianty rozwiązań szybciej niż tradycyjny development: “zmień backend na FastAPI”, “przepisz to na TypeScript”, “dodaj autoryzację JWT”, “zoptymalizuj to zapytanie SQL”. Jeszcze kilka lat temu wiele takich zmian oznaczało godziny pracy, dziś można wykonać je znacznie szybciej.

Gdzie zaczyna się problem

Problem zaczyna się w miejscu, w którym ktoś uznaje, że skoro AI generuje kod, to rozumienie tego kodu przestaje być potrzebne. To najgroźniejsze założenie całego trendu, bo AI nie bierze odpowiedzialności za to, co wygeneruje, tylko bierze ją osoba, która ten kod wdraża.

Jeżeli model źle skonfiguruje autoryzację, pozostawi publiczny endpoint bez zabezpieczeń, zapisze hasła w plaintext, wygeneruje podatny kod SQL, źle obsłuży upload plików, ujawni sekrety w repozytorium, błędnie skonfiguruje CORS albo wystawi wrażliwe dane przez API, konsekwencje nie spadną na model językowy. Spadną na właściciela aplikacji.

”Ale widziałem na TikToku, że da się bez kodowania”

Da się stworzyć coś, co wygląda jak działająca aplikacja. To nie to samo co stworzenie bezpiecznego, stabilnego i utrzymywalnego produktu, bo demo to nie produkcja. Aplikacja, która działa lokalnie na laptopie influencera przez pięć minut, nie jest dowodem na to, że nadaje się do realnego użycia.

Produkcja oznacza między innymi:

• bezpieczeństwo danych,
• poprawne uwierzytelnianie,
• autoryzację użytkowników,
• walidację danych wejściowych,
• obsługę błędów,
• logowanie zdarzeń,
• monitoring,
• backupy,
• zgodność prawno-regulacyjną,
• kontrolę dostępu,
• aktualizacje zależności.

Tego AI samo za ciebie nie dopilnuje.

Bezpieczeństwo: największa pułapka vibecodingu

To obszar, w którym hype zderza się z rzeczywistością najboleśniej. Osoba bez podstaw backendu często nie zauważy, że wygenerowany kod zawiera krytyczne błędy.

AI może zasugerować przechowywanie kluczy API bezpośrednio w kodzie źródłowym, wygenerować endpoint bez sprawdzania uprawnień, zaproponować zbyt szerokie uprawnienia do bazy danych albo źle skonfigurować storage plików, przez co dane staną się publiczne.

Jeśli aplikacja przetwarza dane klientów, dane osobowe, dane finansowe albo dokumenty biznesowe, skutki mogą obejmować wyciek danych, utratę reputacji, koszty operacyjne, incydenty bezpieczeństwa, obowiązki notyfikacyjne oraz konsekwencje prawne i regulacyjne.

Problem nie polega na tym, że AI pisze zły kod. Polega na tym, że początkujący użytkownik często nie potrafi tego rozpoznać.

Vibecoding nie jest dla każdego, i to jest normalne

To nie jest kwestia elitarności, tylko odpowiedzialności. Tak samo jak posiadanie kalkulatora nie czyni nikogo księgowym, tak dostęp do AI nie czyni nikogo programistą.

Żeby vibecoding był użyteczny, potrzebujesz przynajmniej podstaw:

• logiki programowania,
• działania HTTP i API,
• baz danych,
• autoryzacji i uwierzytelniania,
• podstaw bezpieczeństwa aplikacji,
• zarządzania sekretami,
• debugowania,
• czytania i rozumienia kodu.

Nie musisz być seniorem, ale całkowity brak fundamentów to proszenie się o problemy.

Jak korzystać z vibecodingu rozsądnie

Najlepsze efekty osiągają osoby, które traktują AI jako akcelerator, nie substytut kompetencji. Dobre podejście wygląda tak:

• używaj AI do przyspieszania pracy, nie do ślepego generowania wszystkiego,
• czytaj każdy fragment kodu przed wdrożeniem,
• weryfikuj kwestie bezpieczeństwa osobno,
• testuj aplikację manualnie i automatycznie,
• nie publikuj kodu, którego nie rozumiesz,
• nie przekazuj modelowi poufnych danych bez kontroli,
• traktuj sugestie AI jak propozycje, nie jak gotowe rozstrzygnięcia.

Czytanie kodu linijka po linijce nie musi być jedyną linią obrony. Narzędzia do statycznej analizy, na przykład Semgrep, potrafią automatycznie wyłapać typowe błędy bezpieczeństwa w wygenerowanym kodzie, a skanery zależności, takie jak npm audit czy pip-audit, sprawdzą, czy AI nie zaproponowało biblioteki ze znaną, opisaną podatnością. To ostatnie ma jednak swoją granicę: skaner wykrywa znane luki w rozpoznanych zależnościach, a nie ocenia ogólnie, czy dana biblioteka jest bezpieczna. Żadne z tych narzędzi nie zastępuje zrozumienia kodu, ale dodają automatyczną siatkę bezpieczeństwa tam, gdzie ludzka uwaga naturalnie słabnie przy dużej ilości wygenerowanych zmian.

Prosta, ale często pomijana dyscyplina to częste commity. Vibecoding potrafi w kilka minut wygenerować duże, wielowarstwowe zmiany, a jeśli kolejna prośba do modelu coś popsuje, łatwiej wrócić do ostatniego działającego stanu niż ręcznie rozplątywać, co dokładnie się zmieniło. Commit po każdym sensownym, przetestowanym kroku kosztuje kilka sekund i zamienia eksperymentowanie z AI w coś odwracalnego.

Czy vibecoding to przyszłość

Najprawdopodobniej tak, ale nie w wersji sprzedawanej przez krótkie filmiki w mediach społecznościowych. Przyszłość nie polega na tym, że wiedza techniczna przestaje być potrzebna, tylko na tym, że osoby posiadające kompetencje techniczne mogą pracować szybciej w części zadań. To “mogą” jest tu istotne: wyniki mocno zależą od kontekstu. Randomizowany eksperyment Google odnotował około 21 procent skrócenia czasu w konkretnym, zawężonym scenariuszu, podczas gdy badanie METR na doświadczonych maintainerach dużych projektów open source pokazało odwrotny efekt, około 19 procent wydłużenia czasu pracy przy użyciu narzędzi AI. Efekt produktywności zależy więc od rodzaju zadania, jakości narzędzia i kosztu weryfikacji wygenerowanego kodu, a nie jest uniwersalnym, gwarantowanym przyspieszeniem. AI nie eliminuje potrzeby rozumienia systemów, zwiększa za to znaczenie świadomego korzystania z narzędzi.

Vibecoding to realna zmiana w sposobie tworzenia oprogramowania i wartościowe narzędzie zwiększające produktywność, ale jest różnica między AI, które pomaga pisać kod, a AI, które rzekomo zdejmuje z Ciebie odpowiedzialność. Jeśli wygenerowany szybko prototyp ma trafić na produkcję, ten etap weryfikacji i wdrożenia warto potraktować równie poważnie jak sam kod — o tym, jak wygląda to w praktyce, piszę przy okazji automatyzacji IT i AI. Ta druga teza jest po prostu fałszywa. Jeśli masz podstawy techniczne, vibecoding może być ogromnym wsparciem. Jeśli ich nie masz, AI może bardzo szybko pomóc Ci zbudować coś, czego równie szybko nie będziesz w stanie naprawić.