Bilang Isang Software Engineer, AI Na ang Nagsusulat ng Bawat Linya ng Code Ko: Pag-usapan Natin ang Vibe Coding

Mahigit anim na taon na akong nagtatrabaho bilang software engineer, pero mahigit isang taon na rin akong hindi mano-manong nagtitipa ng kahit isang linya ng code. Sa mga proyekto ko ngayon, AI na ang gumagawa ng bawat hibla ng code mula simula hanggang dulo. Pero noong una kong sinubukang mag-code gamit ang AI mahigit isang taon na ang nakararaan, wala pang tatlong araw tumagal ang ligaya ko.

Masarap Mag-Vibe Coding

Tandang-tanda ko pa noong Hunyo noong nakaraang taon (2025), nang una kong subukan ang Cursor dahil sa dami ng naririnig kong papuri. Sa unang tingin, kamukha lang ito ng pamilyar na VS Code, maliban sa may sidebar ito para makausap ang AI.

Bago iyon, ang akala ko sa AI coding ay hanggang sa lebel lang ng Copilot—isang mas pambihirang autocomplete. Pero nang i-type ko ang unang utos at pinindot ang send, ibang klase ang sumunod na nangyari. Kitang-kita ko kung paano humarurot mag-isip ang AI: mabilis itong nagluwa ng daan-daang linya ng code sa editor, kayang-kayang lumipat-lipat at mag-update ng iba’t ibang files nang kusa, at kaya pa mismong magpatakbo ng mga command sa terminal.

Bigla na lang, ilalarawan ko na lang sa karaniwang salita kung anong feature ang kailangan ko, at bubuuin na ito agad ng AI nang hindi ko kailangang mano-manong sulatin ang bawat linya. Hindi na ito ‘yung lumang estilo na nag-aabang lang ng autocomplete; sa mas mataas na antas, inako na talaga ng AI ang malaking bahagi ng trabaho ng isang software engineer.

Para akong nakahawak ng mahiwagang pinsel ni Ma Liang—ang sarap sa pakiramdam na parang may bumukas na bagong pinto sa mundo.

Kaya noong mga panahong iyon, ganito ang naisulat kong repleksyon:

Swak na swak ang Vibe Coding sa may ADHD. Ang tradisyonal na pagko-code kasi, salungat talaga sa utak ng may ADHD. Pero dahil sa Vibe Coding, biglang nawala ang pag-ayaw ko sa pagsusulat ng tests, ang pagkamuhi sa CSS, ang madalas na pagkakamali sa variable names, at ang nakakainip na paghahanap ng mumunting bugs.

Sa tulong ng AI, napakabilis ng feedback loop at ramdam na ramdam ang fulfillment. Kung gaano kapurol at paulit-ulit ang gawain, doon lalong nagpapakitang-gilas ang AI.

Dahil dito, ang kailangan mo na lang gawin ay tumutok sa pangkalahatang direksyon at software architecture—kumilos ka na lang bilang tunay na project lead.

Hindi ko naman pinapangarap na mano-manong itipa ang bawat character; ang habol ko talaga ay ang saya ng paglikha. Mula assembly hanggang sa mga high-level language, dapat naman talagang gumagaan at bumibilis ang proseso ng pagbuo ng programa.

Ang makapag-develop mula sa pananaw ng isang purong lumilikha sa halip na isang simpleng tagahakot ng bato—para sa isang programmer, napakalaking ginhawa at ligaya nito.

Ang Hangganan ng Vibe Coding

May tawag nga pala sa ganitong paraan ng pagtatrabaho: “Vibe Coding.” Ang terminong ito ay pinasikat ni Andrej Karpathy, isa sa mga co-founder ng OpenAI, noong Pebrero 2025. Ang ibig sabihin nito ay sumabay ka lang sa agos o “vibe”: sabihin sa AI kung ano ang gusto mo gamit ang natural language, tanggapin nang buo ang ibinibigay nitong code nang hindi sinusuri linya-por-linya, at kapag may lumabas na error, ibato lang ulit nang buo sa AI—hanggang sa tuluyan mo nang makalimutang may code pa palang umiiral sa ilalim.

Pero wala pang tatlong araw matapos kong ibahagi ang mga papuring iyon, mabilis kong nabungaran ang mga limitasyon ng Vibe Coding.

Noong panahong iyon, gumagawa ako ng isang app prototype. Dahil purong vibe coding lang ang ginawa ko, hinayaan ko ang AI na mag-freestyle base sa malalabong instruksyon, nang walang anumang disiplina sa software engineering. Ang kinalabasan: unti-unting naging pasaway at mahirap kontrolin ang AI, at ang architecture ng codebase ay naging napakagulo at halos imposibleng i-maintain.

Kaya nagpasya akong mag-reset at magsimula ulit mula sa simula. Sa pagkakataong ito, humarap ako bilang isang software engineer at ginamit ang standard engineering workflow para gabayan ang AI.

Doon nagbago ang timpla. Habang nananatili ang saya ng Vibe Coding, naglagay ako ng mas mahigpit na code review, mas malinaw na dokumentasyon, at maliliit na incremental changes—unti-unting pagpapabuti sa halip na sabay-sabay na magbuhos ng sandamukal na features. Sa ganitong set-up, naging kontrolado at pulido ang kabuuang architecture, at naging napakasarap sa pakiramdam dahil kung ano ang ipagawa mo, eksakto itong nasusunod. Ang AI-assisted development ay naging parang paghawak ng isang lead sa isang masipag na intern: hindi mo na kailangang ikaw mismo ang magkutkot sa maliliit na detalye, pero hawak mo pa rin ang pangkalahatang arkitektura at ang buong direksyon ng proyekto.

Hindi nagtagal, lumipat ako sa Claude Code para sa aking development. Mas naging matalas at mas malakas ang kontrol ko sa proseso. Para akong may katrabahong henyo, at lumobo nang ilang ulit ang bilis ng aking paggawa.

Ang Kinabukasan ng mga Software Engineer

“Dahil sobrang bilis nang makabuo ng kung ano-ano gamit ang Vibe Coding, posible kayang mawalan na ng gana ang mga tao na pag-aralan nang malalim ang mga pundasyon ng programming?”

Sa tingin ko, malaki talaga ang posibilidad!

Dati, parang hagdan ang pag-aaral ng programming patungo sa pagbuo ng produkto—haway-hawak mo ang bawat baitang. Marami ang nagsisimula sa pinakapangunahing kurso sa programming language, nagiging junior engineer, sumasabak sa totoong hamon at praktika sa trabaho, hanggang sa mahinog at maging kayang tumindig mag-isa. Bawat hakbang ay may nakukuhang feedback, kaya sa karaniwang sipag at talino ng tao, hindi imposible ang makapasok sa larangang ito at may malinaw na landas para umasenso.

Ibinaba ng Vibe Coding ang pader ng pagsisimula sa pinakamababang antas. Kahit sino ngayon, kaya nang gumawa ng prototype o demo. Subalit ang software engineering ay isang larangang labis na nakasandal sa praktikal na karanasan. Ang agwat mula demo patungo sa isang maaasahan, ligtas, at handa sa merkado na produkto ay kasing layo ng agwat ng “0 hanggang 1” kumpara sa “1 hanggang 100.”

Sa tradisyonal na landas, ang taong nakakagawa ng 0 hanggang 1 ay nakakapulot din sa daan ng mga pundasyong kakayahan para sa 1 hanggang 100. Pero sa Vibe Coding, hindi nakukuha ng mga nagsisimula sa zero ang mga pundasyong ito. Pagdating sa transisyon mula 1 patungong 10, bumubungad ang isang matarik na bangin ng kahirapan na madaling makapagpapahina ng loob sa karamihan.

Dahil naging napakadali sa umpisa, kapag sumalpok na sa mas mabibigat na balakid, hindi na sasapat ang karaniwang interes o ordinaryong bilis ng pagkatuto. Kung may sinuman mang makakatawid sa binging iyon nang walang kahirap-hirap, ibig sabihin noon ay sadyang pambihira ang galing niya sa pag-aaral, pag-intindi, at paglutas ng problema—pasok siya sa nangungunang 1% ng mga programmer.

Sa madaling salita, ang maliit na grupong ito na may matalas na isip at matinding drive ay magiging top-tier engineers pa rin kahit sa panahon bago nagka-AI.

Habang patuloy na lumalakas ang kakayahan ng AI sa pagko-code, unti-unting mawawalan ng puwang ang industriya para sa mga junior engineer. Magkakaroon ng patid sa pagsasanay ng mga baguhan, at kakaunti na lang ang magkakaroon ng pagkakataong hasain ang kanilang kakayahan sa totoong trabaho.

Isang taon matapos kong maisulat ang draft na ito, pinatutunayan na ng mga datos sa pagkuha ng trabaho ang pangambang ito:

• Gamit ang datos ng pasahod mula sa ADP, natuklasan ng Stanford Digital Economy Lab na noong Hunyo 2026, ang bilang ng mga kabataang edad 22 hanggang 25 sa mga trabahong pinakatinatamaan ng AI ay mas mababa nang 19% kumpara sa inaasahang trend ng kanilang mga kaedad sa ibang larangan. Noong nakaraang taon, 15% lang ang agwat na ito. Sa mga may karanasan na, walang nakitang ganitong pagbaba. Bukod dito, ang agwat ay dulot pangunahin ng pag-iwas ng mga kumpanya sa pagkuha ng mga baguhan, hindi ng tanggalan. (Stanford Digital Economy Lab, 2026-08)
• Ayon sa ulat ng venture firm na SignalFire noong Hunyo 2026, ang pagkuha ng mga fresh graduate at junior roles sa 12 higanteng tech companies (kabilang ang Google, Meta, Apple, at Microsoft) ay bumagsak nang humigit-kumulang 65% kumpara noong 2019; sa mga maagang yugto ng startups naman, bumaba ito nang 76%. (SignalFire State of Talent Report 2026)
• Sa datos naman ng Indeed para sa unang quarter ng 2026, 4.5% na lamang ang junior roles sa lahat ng software development job openings sa US—ang pinakamababa sa kahit anong industriya. (Indeed Hiring Lab, 2026-07)

Medyo madilim ang tingin ko sa hinaharap ng larangang ito. Nahahati ang industriya sa dalawang dulo: alinman sa bakbakan ng mga henyo sa itaas, o kumpulan ng mga taong gumagawa lang ng mga simpleng laruang demo bilang libangan.

At susunod din ang ibang mga larangan sa dinaanan ng programming. Sa darating na panahon, halos lahat ng gawaing ginagamitan ng magagaan na pag-iisip (light cognitive work) ay sasagasaan ng AI.

Kahit ang matematika—isang larangang pinakanasasandig sa orihinal at malikhaing pag-iisip ng tao—ay unti-unti na ring napapasok ng AI sa loob ng nakaraang taon:

• Noong Enero 2026, nalutas ng undergraduate student ng Cambridge na si Kevin Barreto at ng amateur mathematician na si Liam Price ang Erdős Problem No. 728 sa tulong ng GPT-5.2 Pro, isang problemang wala man lang naitalang patunay sa mga naunang literatura. Itinuturing itong kauna-unahang Erdős problem na nalutas pangunahin ng AI.
• Noong Mayo 2026, pinatunayan ng isang modelo ng OpenAI na mali ang unit distance conjecture na inilatag ni Erdős noong 1946—isang palaisipang nagpahirap sa mga eksperto sa loob ng 80 taon. Komento ng Fields Medalist na si Tim Gowers: “Wala pang nabuong patunay ang AI noon na nakalapit sa ganitong antas.” Makalipas ang ilang linggo, lalo pang pinahusay ng mga taong mathematician ang resulta ng AI.
• Sa parehong buwan, isang AI agent ng Google DeepMind ang nagsariling lumutas ng 9 sa 353 bukas na problema sa matematika, sa halagang ilang daang dolyar lamang bawat isa.
• Dahil dito, nagpasya pa nga ang matematikong si Noga Alon na itigil na ang pag-aaral sa mga problema ni Erdős: “Nang simulan na itong lutasin ng AI, nawalan na ito ng saysay.”

Ano ang Laman ng Seryeng Ito?

Sa ngayon, habang dumarami ang mga taong walang background sa coding na sumusubok sa AI Coding, marami sa kanila ang hindi alam kung saan magsisimula, o kaya’y hanggang sa maliliit na proyektong pang-subok lang ang nagagawa. Mararamdaman nilang dahil sa kakulangan sa kaalaman sa software engineering, madalas silang nawawala sa ginagawa nila—hindi nila alam kung paano himayin ang mga problema, paano humarap sa komplikadong sitwasyon, o paano timplahin ang pag-utos sa AI para marating ang gustong resulta.

Napansin ko rin na marami sa mga pagsubok na ito ay nagmumula sa kawalan ng lohikal na pag-iisip: hindi marunong magtanong nang maayos, kulang sa mapanuring pag-iisip (critical thinking), at hindi alam kung tama ba o sablay ang sagot ng AI.

Bilang isang software engineer na may mahigit 6 na taong karanasan, nakabuo ako ng ilang komplikadong proyekto gamit ang AI mula disenyo hanggang deployment, at may kani-kaniyang mga aktibong gumagamit na ang mga ito. Gaya ng nabanggit ko sa simula, bawat linya ng code sa mga proyekto ko ngayon ay gawa ng AI. Kayang-kaya talagang tumulong ng AI sa pagbuo ng mga komplikadong sistema, basta’t alam ng developer kung ano ang ginagawa niya at paano gagabayan ang AI. Kasangkapan lang ang AI; ang tao pa rin ang may hawak ng manibela.

Sa panahon ng AI, mabubura na ang lumang paraan ng pag-aaral mag-code. Kaya para sumabay sa takbo ng panahon, maglalabas ako ng isang bagong serye: Ang Kumpletong Gabay sa Vibe Coding Mula sa Zero.

Hahatiin ang gabay na ito sa ilang mahahalagang bahagi:

1. Pagsasama ng AI Coding sa mga modernong best practice ng software engineering. Unawain muna kung ano talaga ang software engineering, bago magsimula sa simula upang sariling mabuo ang ninanais na software. Ang layunin: hindi lang dapat hanggang demo ang proyekto, kundi mapanatiling madaling alagaan sa katagalan at kasing-kinis ng seda ang takbo ng development.
2. Gabay sa pagpapatalas ng isip at lohika: paano magtanong nang mabisa kapag nag-AI Coding, mga patibong na dapat iwasan, at tamang paraan ng pagsulat ng dokumentasyon ng proyekto.
3. Paano i-test ang sariling proyekto at code, pagpapahusay ng buong workflow, at pagpapanatili ng matatag na arkitektura habang patuloy na pinapataas ang kalidad at mga feature ng software. Paano pabibilisin ang bilis ng pagbuo nang hindi nasasakripisyo ang kalidad, at paano bubuo ng mga automated workflow.
4. Ang pinakamagandang tech stack para sa AI programming: anong mga wika at framework ang pipiliin upang masulit nang husto ang lakas at bentahe ng AI.

Pahabol na Salita

Sa totoo lang, isinulat ko ang karamihan sa artikulong ito isang taon na ang nakararaan (Oktubre 2025). Muli ko lang itong inedit ngayon at dinagdagan ng mga pinakabagong datos sa hiring at ang mga tagumpay ng AI sa matematika ngayong taon. Noong panahong iyon, labis akong nagulat sa bilis ng takbo ng AI at nag-alala na baka mapapanis lang ang isusulat ko makalipas ang ilang araw. Kaya puro maiikling post lang ang inilabas ko noon at bihira akong sumulat ng mahahabang sanaysay. Lumipas ang isang taon, nang muli kong madaanan ang draft na ito, naisip kong may punto pa rin pala ang mga naitala ko rito, kaya minarapat kong ayusin at ilathala. Sa hinaharap, kailangan ko pang magsulat nang mas madalas—dahil sa totoo lang, ang mga sulating may tunay na haplos ng tao ang lalong magiging mailap at mahalaga sa mga darating na araw.