Sebagai Jurutera Perisian, Kini Setiap Baris Kod Saya Ditulis AI: Kisah di Sebalik Vibe Coding

Walaupun sudah lebih enam tahun mencari makan sebagai jurutera perisian, dah setahun lebih saya tak sentuh papan kekunci untuk menaip kod secara manual. Dalam projek terkini saya, setiap baris kod lahir daripada AI. Namun hakikatnya, sewaktu kali pertama mencubanya setahun lalu, rasa teruja itu cuma bertahan tak sampai tiga hari.

Nikmatnya Bila Berada dalam Rentak ‘Vibe Coding’

Masih segar dalam ingatan sekitar Jun tahun lepas (2025), bila saya mula-mula membuka Cursor selepas mendengar desas-desus tentangnya. Sekilas pandang, ia tak ubah seperti VS Code biasa—cuma ada tambahan satu palang sisi untuk berinteraksi dengan AI.

Sebelum itu, sangkaan saya terhadap AI Coding hanyalah sekadar pelengkap kod automatik (autocomplete) yang lebih pintar, macam GitHub Copilot. Tetapi saat saya menaip arahan pertama dan menekan butang hantar, sesuatu yang luar biasa berlaku. Saya melihat AI berfikir ligat, lalu meluahkan puluhan malah ratusan baris kod ke dalam editor sepantas kilat. Hebatnya lagi, ia boleh melompat antara fail berbeza untuk mengemas kini kod, siap tolong jalankan perintah di terminal sekali gus.

Bayangkan, saya cuma perlu meluahkan fungsi yang dihajati dalam bahasa harian biasa, dan AI terus membangunkannya dari awal. Saya tak perlu lagi bersengkang mata menaip baris demi baris. Ini bukan lagi sekadar pelengkap kod automatik yang pasif; AI kini mula mengambil alih sebahagian besar tugas jurutera perisian dari aras yang lebih tinggi.

Saat itu, saya rasa seolah-olah memegang berus sakti. Ada keterujaan yang sukar digambarkan apabila pintu ke dunia baharu tiba-tiba terbuka di depan mata.

Ketika itu, saya sempat mencatatkan renungan ini:

Vibe Coding ini memang serasi sungguh dengan orang yang ada ADHD. Cara koding tradisional sangat mencabar tumpuan ADHD, tetapi Vibe Coding terus merawat segala rasa malas menulis ujian unit, fobia menyusun CSS, tabiat tersalah taip nama pemboleh ubah, mahupun kebosanan menjejak pepijat remeh-temeh.

Kini dengan bantuan AI, maklum balas datang sekelip mata, kepuasannya berganda. Makin remeh dan berulang tugas itu, makin cekap AI menyelesaikannya.

Tugas kita tinggal menetapkan hala tuju besar, merangka seni bina sistem, dan bertindak sebagai ketua projek sepanjang masa.

Saya sebenarnya bukan gila menaip aksara satu persatu, tetapi saya gilakan nikmat mencipta sesuatu. Daripada zaman bahasa perhimpunan (assembly) hinggalah ke bahasa aras tinggi, pengalaman pengaturcara sepatutnya menjadi semakin lancar dan efisien dari masa ke masa.

Boleh mencipta perisian daripada kacamata seorang pencipta tulen, dan bukannya sekadar ‘buruh binaan kod’, adalah satu nikmat yang cukup besar buat seorang jurutera perisian.

Apabila ‘Vibe’ Bertembung Batas Realiti

Gaya pengaturcaraan sebegini ada jolokannya yang tersendiri: Vibe Coding. Istilah ini dipopularkan oleh salah seorang pengasas bersama OpenAI, Andrej Karpathy, sekitar Februari 2025. Konsepnya mudah—ikut saja ‘vibe’ atau rasa hati: luahkan apa yang terbuku di fikiran kepada AI menggunakan bahasa biasa, telan saja semua kod yang dijana tanpa perlu semak baris demi baris, dan kalau keluar mesej ralat, campak balik bulat-bulat kepada AI sehingga kita sendiri lupa rupa sebenar kod tersebut.

Namun selepas rasa kagum yang saya luahkan tadi reda—iaitu tak sampai tiga hari—saya mula terhantuk pada dinding batas Vibe Coding.

Ketika itu saya sedang menyiapkan prototaip sebuah aplikasi. Oleh sebab terlalu bergantung pada Vibe Coding tulen, saya biarkan AI berkarya bebas berdasarkan arahan yang samar-samar tanpa menerapkan sebarang disiplin kejuruteraan perisian. Lama-kelamaan, AI semakin liar dan sukar dikawal, manakala struktur seni bina perisian pula menjadi terlalu berserabut hingga mustahil untuk diselenggara.

Akhirnya, saya ambil keputusan untuk padam semuanya dan bina semula dari tapak asas. Kali ini, saya kembali menyarung jersi sebagai seorang jurutera perisian profesional—menggunakan AI tetapi berpandukan aliran kerja standard yang berdisiplin.

Di sinilah rentak kerja saya berubah. Sambil mengekalkan keseronokan Vibe Coding, saya ketatkan semakan kod, tulis dokumentasi yang lebih jelas, dan lakukan perubahan secara berperingkat dalam skala kecil, bukannya menyumbat lambakan ciri baharu sekaligus. Hasilnya, keseluruhan seni bina dan pelaksanaan menjadi jauh lebih terkawal, serba kena mengikut kehendak saya. Pembangunan berbantukan AI kini terasa seperti seorang pengurus yang membimbing pekerja pelatih: tugas-tugas terperinci diserahkan kepada mereka, tetapi kawalan seni bina dan pandangan menyeluruh tetap kukuh di tangan kita.

Tidak lama selepas itu, saya beralih menggunakan Claude Code untuk membantu proses pembangunan. Kawalannya jauh lebih jitu dan mantap—bagaikan mendapat kuasa luar biasa, produktiviti saya melonjak berlipat ganda.

Apa Nasib Jurutera Perisian Selepas Ini?

“Mungkinkah Vibe Coding ini, disebabkan ia membolehkan kita membina sesuatu dengan terlalu pantas, membuatkan orang malas mendalami asas-asas pengaturcaraan?”

Bagi saya, jawapannya: Sangat mungkin!

Dahulu, laluan daripada belajar memprogram hingga mampu menghasilkan produk sebenar ibarat menaiki anak tangga—selangkah demi selangkah. Ramai yang bermula daripada kelas asas bahasa pengaturcaraan, kemudian melangkah menjadi jurutera junior, bertempur dengan pelbagai cabaran projek sebenar di tempat kerja, sehinggalah matang menjadi jurutera perisian yang serba boleh. Setiap anak tangga memberikan maklum balas dan pengalaman berharga. Jadi, bagi sesiapa yang mempunyai tahap pembelajaran sederhana, menceburi bidang ini bukanlah sesuatu yang mustahil, dan laluannya cukup terang.

Namun, Vibe Coding telah meruntuhkan tembok penghalang itu ke paras lantai. Sesiapa sahaja kini mampu menghasilkan produk pada tahap demo. Tetapi hakikatnya, kejuruteraan perisian menuntut pengalaman praktikal yang mendalam. Jurang antara sebuah demo dengan produk komersial yang stabil dan boleh diharap ibarat perbezaan antara fasa 0 ke 1, berbanding fasa 1 ke 100.

Menerusi laluan tradisional, sesiapa yang berjaya melepasi fasa 0 ke 1 biasanya sudah mengutip cukup bekal kemahiran asas untuk mendepani fasa 1 ke 100. Sebaliknya, Vibe Coding tidak membekalkan asas kukuh ini kepada mereka yang bermula dari sifar. Bila melangkah ke fasa 1 hingga 10 sahaja, mereka akan terserempak dengan jurang kesukaran yang sangat curam, lalu mematahkan semangat ramai orang untuk terus mengasah kemahiran.

Disebabkan permulaannya terlalu mudah, apabila tiba ujian yang getir, minat suam-suam kuku dan daya pembelajaran biasa-biasa tidak lagi memadai untuk menyeberanginya. Dan andai kata ada yang berjaya melepasi halangan tersebut dengan mudah, individu itu pastinya mempunyai tahap keupayaan belajar, daya pelaksanaan, dan ketajaman menyelesaikan masalah luar biasa—sekurang-kurangnya dalam kelompok 1% teratas dalam kalangan pengaturcara.

Dengan kata lain, kelompok elit ini—yang pantas belajar dan tinggi daya juangnya—memang sudah ditakdirkan menjadi jurutera handalan sekalipun tanpa kehadiran AI.

Apabila keupayaan pengaturcaraan AI melonjak tinggi, industri tidak lagi memerlukan jurutera junior. Kesannya, rantaian latihan bakat profesional akan terputus, dan generasi baharu tidak lagi mempunyai ruang yang cukup untuk mengasah bakat mereka di alam pekerjaan.

Setahun selepas draf artikel ini ditulis, data pasaran kerja mula mengesahkan telahan tersebut:

• Makmal Ekonomi Digital Stanford yang meneliti data gaji daripada penyedia perkhidmatan penggajian AS, ADP, mendapati bahawa setakat Jun 2026, kadar guna tenaga bagi belia berumur 22 hingga 25 tahun dalam sektor yang paling terkesan dengan AI merosot sebanyak 19% berbanding jangkaan trend rakan sebaya mereka dalam bidang lain. Setahun sebelumnya, jurang ini cuma 15%. Golongan berpengalaman pula tidak mengalami trend penurunan sedemikian. Lebih membimbangkan, jurang ini berlaku kerana syarikat membekukan pengambilan pekerja baharu, bukan disebabkan pemberhentian pekerja sedia ada semata-mata. (Stanford Digital Economy Lab, 2026-08)
• Laporan SignalFire pada Jun 2026 mendedahkan bahawa pengambilan graduan baharu dan jawatan peringkat junior di 12 gergasi teknologi—termasuk Google, Meta, Apple, dan Microsoft—telah menyusut sekitar 65% berbanding 2019; manakala syarikat pemula peringkat awal mencatatkan kejatuhan sehingga 76%. (SignalFire State of Talent Report 2026)
• Statistik daripada portal kerja Indeed menunjukkan bahawa pada suku pertama 2026, jawatan junior hanya merangkumi 4.5% daripada keseluruhan tawaran kerja pembangunan perisian di AS—kadar paling rendah merentasi semua sektor industri. (Indeed Hiring Lab, 2026-07)

Secara peribadi, saya agak pesimis tentang masa depan bidang ini. Industri pengaturcaraan nampaknya berpecah kepada dua kutub yang ekstrem: di satu sudut, persaingan sengit antara pakar-pakar terhebat; di sudut yang lain pula, lambakan projek sekadar ‘mainan demo’ yang dibina orang ramai atas dasar suka-suka.

Bidang-bidang lain juga lambat-laun akan menerima nasib yang sama. Pada masa hadapan, hampir semua kerja yang melibatkan beban kognitif ringan bakal digantikan oleh AI.

Malah bidang matematik—medan yang paling bergantung pada pemikiran asli manusia—turut mula ditembusi AI sepanjang tahun ini:

• Pada Januari 2026, seorang mahasiswa Cambridge, Kevin Barreto, bersama penggemar matematik amatur, Liam Price, berjaya merungkai Masalah Erdős No. 728 dengan bantuan GPT-5.2 Pro. Sebelum ini, tiada sebarang pembuktian yang pernah wujud dalam literatur akademik. Ini dianggap sebagai Masalah Erdős pertama yang diselesaikan sebahagian besarnya oleh AI.
• Pada Mei 2026, model OpenAI berjaya menyangkal Konjektur Jarak Seunit Erdős yang dicetuskan pada tahun 1946—sebuah misteri yang membelenggu komuniti matematik selama 80 tahun. Pemenang Pingat Fields, Tim Gowers, mengakui: “Sebelum ini tidak pernah ada sebarang pembuktian janaan AI yang mampu mendekati tahap sebegini.” Selang beberapa minggu kemudian, pakar matematik manusia berjaya memperhalusi dapatan AI tersebut dengan lebih mendalam.
• Pada bulan yang sama, ejen AI milik Google DeepMind berjaya menyelesaikan secara autonomi 9 daripada 353 masalah matematik terbuka, dengan kos hanya beberapa ratus dolar bagi setiap penyelesaian.
• Ahli matematik terkemuka, Noga Alon, malah memutuskan untuk berhenti mengkaji Masalah Erdős: “Sebaik sahaja AI mula menyelesaikannya, ia tidak lagi membawa makna.”

Apa Pula Pengisian Siri Ini Nanti?

Hari ini, semakin ramai orang tanpa latar belakang pengaturcaraan mula berjinak-jinak dengan AI Coding. Kebanyakannya mungkin buntu dari mana hendak bermula, atau sekadar sempat mencuba projek-projek kecil. Lambat-laun mereka akan sedar bahawa ketiadaan asas kejuruteraan perisian membuatkan mereka sering hilang arah: tidak tahu bagaimana memecahkan masalah besar kepada bahagian-bahagian kecil, buntu mengendalikan isu yang rumit, dan tidak reti mengemudi AI agar mencapai hasil yang diinginkan.

Saya juga perhatikan ramai yang berdepan masalah kerana kurangnya daya pemikiran logik—mereka tidak tahu cara bertanya soalan yang betul, tumpul dari segi pemikiran kritis, dan gagal menilai sama ada jawapan yang disuap oleh AI itu betul ataupun salah.

Berbekalkan pengalaman lebih 6 tahun dalam dunia kejuruteraan perisian, saya telah memanfaatkan AI untuk mereka bentuk serta membangunkan beberapa projek yang kompleks, dan produk-produk ini sudah pun mempunyai kelompok pengguna tersendiri. Seperti yang saya nyatakan di awal tadi, setiap baris kod projek semasa saya kini ditulis oleh AI. Memang benar AI mampu membantu kita membina perisian yang rumit, tetapi dengan syarat: pembangunnya mesti tahu apa yang sedang dibuat dan faham bagaimana mahu memimpin AI ke arah tersebut. AI hanyalah alat, pengemudinya tetap manusia di belakang tabir.

Dalam era kecerdasan buatan, laluan tradisional untuk mempelajari pengaturcaraan bakal dirombak sama sekali. Justeru, menyahut arus perubahan ini, saya berhasrat melancarkan satu siri panduan bertajuk: Panduan Lengkap Vibe Coding dari Sifar.

Siri panduan ini akan merangkumi beberapa topik utama:

1. Mengintegrasikan AI Coding dengan amalan terbaik kejuruteraan perisian moden. Fahami erti sebenar kejuruteraan perisian terlebih dahulu, sebelum bermula dari tapak asas untuk merealisasikan perisian impian anda dengan tangan sendiri. Matlamatnya bukan sekadar berhenti setakat demo, tetapi membina produk yang boleh diselenggara untuk jangka masa panjang, dengan proses penulisan kod yang lancar tanpa sangkut.
2. Panduan latihan pemikiran dan logik. Cara mengemukakan pertanyaan yang berkesan ketika menggunakan AI Coding, kesilapan yang wajar dielakkan, serta cara menyusun dokumentasi projek yang kemas dan berkesan.
3. Pengujian projek dan pengoptimuman aliran kerja. Bagaimana menguji kod dan projek sendiri, memastikan seni bina kekal mantap sambil terus meningkatkan kualiti serta fungsi perisian. Cara melajukan proses pembangunan dan membina aliran kerja automatik tanpa sedikit pun menggadaikan mutu kod.
4. Pilihan teknologi (tech stack) terbaik untuk AI Coding. Menilai bahasa pengaturcaraan dan rangka kerja (framework) mana yang paling serasi untuk memerah sepenuhnya potensi dan kelebihan AI.

Catatan Tambahan

Sebenarnya, rangka utama tulisan ini sudah saya siapkan setahun yang lalu (Oktober 2025). Cuma baru-baru ini saya menyuntingnya semula, sambil menyelitkan data pasaran kerja terkini serta kejayaan AI dalam bidang matematik sepanjang setahun kebelakangan ini. Waktu mula-mula menulis draf ini dahulu, saya terlalu terkejut dengan kepantasan AI berevolusi sehingga risau apa yang ditulis hari ini akan lapuk esok hari. Akibatnya, saya lebih banyak meluahkan fikiran dalam bentuk bebenang pendek di media sosial berbanding menulis esei panjang yang tersusun. Selepas setahun, bila saya selak kembali draf ini, telahan saya rupa-rupanya masih mengena pada sasaran. Jadi saya kemaskan ia untuk tatapan bersama. Lepas ini, saya mahu lebih rajin menulis esei panjang—maklumlah, dalam dunia yang semakin sarat dengan janaan mesin, coretan yang masih ada ‘jiwa manusia’ pastinya akan menjadi sesuatu yang amat bernilai.