Jestem programistą i każdą linijkę mojego kodu pisze AI: porozmawiajmy o vibe codingu

Mam ponad sześć lat komercyjnego doświadczenia jako inżynier oprogramowania i od przeszło roku nie napisałem z palca ani jednej linijki kodu. We wszystkich moich obecnych projektach kod w całości generuje sztuczna inteligencja. Kiedy jednak ponad rok temu po raz pierwszy spróbowałem programowania z AI, ta bezgraniczna euforia potrwała u mnie zaledwie trzy dni.

Magia vibe codingu

Doskonale pamiętam czerwiec zeszłego roku (2025), kiedy zaintrygowany opiniami odpaliłem Cursora. Na pierwszy rzut oka wyglądał niemal identycznie jak poczciwy VS Code – z tą różnicą, że z boku pojawił się panel do rozmowy ze sztuczną inteligencją.

Do tamtej pory moje wyobrażenie o asyście AI sprowadzało się do Copilota, którego traktowałem jak nieco mądrzejsze autouzupełnianie składni. Kiedy jednak wpisałem w Cursorze pierwsze polecenie i wcisnąłem Enter, stało się coś niesamowitego. Model zaczął intensywnie analizować problem, po czym na moich oczach błyskawicznie wypluł kilkadziesiąt, a zaraz potem kilkaset linijek kodu. Bez zająknięcia skakał po plikach, nanosił poprawki, a na dodatek sam odpalał polecenia w terminalu.

Nagle okazało się, że wystarczy opisać to, co chcę osiągnąć, w zwykłym języku naturalnym, a AI po prostu to buduje. Zero ślęczenia nad każdym znakiem, zero klasycznego podpowiadania słów kluczowych. Maszyna z zupełnie nowego poziomu abstrakcji przejęła sporą część codziennej pracy programisty.

Poczułem się, jakbym dostał do rąk czarodziejską różdżkę – to było to rzadkie, ekscytujące uczucie, że właśnie otwierają się przede mną drzwi do zupełnie nowego świata.

Pod wpływem tych pierwszych emocji zanotowałem wtedy takie przemyślenia:

Vibe coding jest stworzony dla osób z ADHD. Klasyczne programowanie wręcz kłóci się z taką naturą, tymczasem podejście oparte na AI natychmiast leczy z największych bolączek: niechęci do pisania testów, awersji do dłubaniny w CSS-ie, wiecznych literówek w nazwach zmiennych czy męczącego polowania na nudne bugi.

Ze wsparciem sztucznej inteligencji pętla informacji zwrotnej staje się błyskawiczna, dając natychmiastowy zastrzyk satysfakcji. Im bardziej powtarzalne i żmudne zadanie, tym lepiej AI sobie z nim radzi.

Człowiekowi zostaje to, co najciekawsze: wyznaczanie kierunku, projektowanie architektury i rola lidera projektu.

Nigdy nie zależało mi na wklepywaniu każdego znaku z klawiatury – uwielbiam za to sam proces kreacji. Ewolucja od asemblera po języki wysokiego poziomu zawsze polegała na tym, by programistom pracowało się sprawniej i przyjemniej.

Możliwość tworzenia oprogramowania z perspektywy czystego twórcy, a nie cyfrowego wyrobnika przerzucającego kod, to dla programisty prawdziwe błogosławieństwo.

Gdzie kończy się vibe coding

Takie podejście doczekało się zresztą chwytliwej nazwy: vibe coding. Termin ten ukuł w lutym 2025 roku współzałożyciel OpenAI, Andrej Karpathy. Chodzi w nim o programowanie całkowicie „na czuja”: mówisz modelowi ludzkim językiem, czego potrzebujesz, bezkrytycznie akceptujesz wypluty kod bez czytania linijka po linijce, a w razie błędów po prostu wklejasz je z powrotem na czat. Aż do momentu, w którym zupełnie zapominasz, że pod spodem w ogóle istnieje jakiś kod.

Kiedy jednak opadły pierwsze zachwyty i opublikowałem powyższe zachwyty, sielanka skończyła się po niespełna trzech dniach. Wtedy właśnie zderzyłem się ze ścianą.

Pracowałem wówczas nad prototypem aplikacji. Czysty vibe coding polegał na tym, że rzucałem ogólnikowe polecenia, pozwalając AI na pełną improwizację, zupełnie odpuszczając dobre praktyki inżynierskie. W efekcie model z każdym kolejnym krokiem stawał się coraz trudniejszy do okiełznania, a architektura projektu zamieniła się w niespójne spaghetti, którego nikt nie byłby w stanie utrzymać.

Wyrzuciłem więc wszystko do kosza i zacząłem od nowa – tym razem nie jako beztroski eksperymentator, lecz jako świadomy inżynier oprogramowania, zaprzęgając AI do rygorystycznego, ustandaryzowanego procesu.

I wtedy wszedłem na zupełnie inny poziom. Nie tracąc nic z frajdy, jaką daje vibe coding, wprowadziłem bezwzględny code review, czytelną dokumentację i małe, przyrostowe commity zamiast dorzucania kobył z masą funkcji na raz. Całość architektury znów była pod pełną kontrolą, a praca szła jak z płatka – model robił dokładnie to, czego od niego wymagałem. Development z asystą AI zaczął przypominać zarządzanie ultra-sprawnym stażystą: nie musisz pisać implementacyjnych detali własnymi rękami, ale nadal musisz twardo trzymać stery architektury i widzieć pełny obraz systemu.

Niedługo później przesiadłem się na Claude Code. Zyskałem jeszcze większą precyzję i kontrolę nad projektem – pracowało się wręcz koncertowo, a moja produktywność skoczyła kilkukrotnie.

Przyszłość inżynierów oprogramowania

„Czy vibe coding nie sprawi przypadkiem, że skoro wszystko da się sklecić tak szybko, nikomu nie będzie się już chciało zagłębiać w fundamenty programowania?”

Moim zdaniem: jak najbardziej!

Tradycyjna ścieżka od zera do własnego produktu przypominała schody: szło się stopień po stopniu. Zaczynało się od podstaw wybranego języka, lądowało na stanowisku juniorskim, a potem – mierząc się w codziennej pracy z realnymi wyzwaniami komercyjnych projektów – człowiek powoli wyrabiał się na samodzielnego inżyniera. Każdy etap dawał jasny feedback, a przy przeciętnej determinacji wejście do branży było w zasięgu ręki, oferując przejrzystą ścieżkę kariery.

Vibe coding ściął próg wejścia niemal do zera – dziś każdy może sklecić działające demo. Tyle że inżynieria oprogramowania to rzemiosło na wskroś praktyczne. Przejście od szybkiego demo do stabilnego, komercyjnego i bezpiecznego produktu to przepaść: różnica między etapem „od 0 do 1” a „od 1 do 100”.

W dawnym modelu ten, kto dowlókł się od zera do jedynki, mimochodem opanował spory bagaż umiejętności niezbędnych, by iść dalej – do setki. Vibe coding nie daje początkującemu tych fundamentów. W efekcie już przeskok z poziomu 1 na 10 staje się ścianą nie do przebicia, zniechęcając do jakiegokolwiek dalszego rozwoju.

Skoro początek poszedł tak gładko, to przy pierwszym poważnym kryzysie zwykła ciekawość i przeciętne samozaparcie po prostu nie wystarczą. Ci nieliczni, którzy bez trudu przeskoczą tę barierę, to ludzie o wybitnych zdolnościach poznawczych, żelaznej dyscyplinie i talencie do rozwiązywania problemów – ścisły top 1% programistów.

Innymi słowy: ta wąska elita i tak zostałaby wybitnymi inżynierami, nawet w epoce przed powstaniem generatywnego AI.

Wraz z gwałtownym skokiem możliwości sztucznej inteligencji rynek przestaje potrzebować juniorów. Łańcuch szkolenia nowych kadr pęka w szwach, a młodzi adepci tracą przestrzeń, w której mogliby szlifować warsztat i zbierać szlify.

Rok po spisaniu pierwszych notatek do tego tekstu twarde dane z rynku pracy zaczęły bezlitośnie potwierdzać te przewidywania:

• Badacze ze Stanford Digital Economy Lab, analizując dane płacowe amerykańskiego giganta ADP, wykazali, że do czerwca 2026 roku w zawodach najbardziej podatnych na wpływ AI zatrudnienie młodych ludzi w wieku 22–25 lat było aż o 19% niższe od prognoz opartych na trendach z innych branż (rok wcześniej luka ta wynosiła 15%). Wśród doświadczonych pracowników podobnego zjawiska nie odnotowano. Co kluczowe, spadek ten wynikał głównie z drastycznego ograniczenia naboru juniorów, a nie ze zwolnień. (Stanford Digital Economy Lab, 2026-08)
• Według raportu funduszu VC SignalFire z czerwca 2026 roku rekrutacja absolwentów i juniorów w 12 gigantach technologicznych (m.in. Google, Meta, Apple czy Microsoft) spadła o około 65% w porównaniu z rokiem 2019. W startupach na wczesnym etapie rozwoju spadek sięgnął aż 76%. (SignalFire State of Talent Report 2026)
• Statystyki portalu Indeed pokazały, że w pierwszym kwartale 2026 roku oferty pracy dla juniorów stanowiły w amerykańskim IT zaledwie 4,5% ogółu ogłoszeń programistycznych – to najgorszy wynik spośród wszystkich badanych branż. (Indeed Hiring Lab, 2026-07)

Patrzę na przyszłość tej branży dość ponuro. Czeka nas potężna polaryzacja: z jednej strony garstka inżynieryjnych geniuszy toczących tytaniczne boje o architekturę, z drugiej – masa hobbystów lepiących proste demówki dla zabawy.

Kolejne sektory pójdą dokładnie w te same ślady. W niedalekiej przyszłości każda powtarzalna praca umysłowa zostanie bez pardonu przejęta przez sztuczną inteligencję.

Nawet matematyka – dyscyplina uchodząca za bastion czysto ludzkiego, abstrakcyjnego myślenia – w ciągu tego minionego roku zaczęła pękać pod naporem maszyn:

• W styczniu 2026 roku student Cambridge Kevin Barreto wraz z matematykiem-amatorem Liamem Price’em rozwiązali z pomocą modelu GPT-5.2 Pro problem Erdősa nr 728 – zagadnienie, na które w literaturze naukowej nie było dotąd żadnego dowodu. Uznano to za pierwszy problem Erdősa rozstrzygnięty głównie przez AI.
• W maju 2026 roku model OpenAI obalił hipotezę Erdősa o odległościach jednostkowych, postawioną w 1946 roku – łamigłówkę spędzającą sen z powiek matematykom od 80 lat. Laureat Medalu Fieldsa Tim Gowers skomentował: „Żaden wygenerowany przez AI dowód nie zbliżył się dotąd do tego poziomu”. Kilka tygodni później ludzcy naukowcy zdołali jeszcze znacznie udoskonalić wynik maszyny.
• W tym samym miesiącu agent od Google DeepMind samodzielnie rozwiązał 9 spośród 353 otwartych problemów matematycznych, a koszt obliczeniowy każdego rozwiązania zamknął się w zaledwie kilkuset dolarach.
• Wybitny matematyk Noga Alon zrezygnował wręcz z dalszego badania problemów Erdősa, podsumowując krótko: „Skoro zaczyna je rozwiązywać AI, to przestało mieć jakikolwiek sens”.

O czym będzie ta seria

Dziś coraz więcej osób bez żadnego zaplecza technicznego bierze się za programowanie z AI. Zazwyczaj nie wiedzą, od czego zacząć, albo kończą na skleconych naprędce miniprojektach. Bardzo szybko zderzają się z brakiem wiedzy inżynierskiej: gubią się we własnym kodzie, nie potrafią zdekomponować złożonego problemu na mniejsze klocki ani precyzyjnie poinstruować modelu tak, by dowiózł zamierzony efekt.

Zauważyłem też, że kłopoty wielu osób wynikają z braku ścisłego, logicznego myślenia: nie wiedzą, jak celnie formułować pytania, jak krytycznie weryfikować odpowiedzi sztucznej inteligencji i skąd wiedzieć, czy kod podrzucony przez maszynę w ogóle ma ręce i nogi.

Sam mam ponad 6 lat komercyjnego stażu w branży. Przy wsparciu AI zaprojektowałem i wdrożyłem kilka rozbudowanych produktów, które z powodzeniem zdobyły realnych użytkowników. Jak wspomniałem na wstępie – w moich obecnych projektach każda linijka wyszła spod ręki sztucznej inteligencji. Narzędzia AI radzą sobie z zaawansowaną inżynierią wyśmienicie, ale pod jednym warunkiem: człowiek za sterami musi dokładnie wiedzieć, co robi, i umieć właściwie poprowadzić model. AI to tylko lewar – kluczem wciąż pozostaje człowiek.

W erze AI dawne metody nauki programowania odchodzą do lamusa. Dlatego postanowiłem wyjść naprzeciw tej rewolucji i ruszyć z autorską serią: „Kompletny przewodnik po vibe codingu od zera”.

Przewodnik podzieliłem na kilka kluczowych filarów:

1. Wdrożenie dobrych praktyk inżynierii oprogramowania do kodowania z AI. Zaczniemy od zrozumienia, czym w ogóle jest inżynieria softu, a potem krok po kroku zbudujemy działający projekt. Cel jest prosty: oprogramowanie ma wyjść poza fazę zabawkowej demówki, być łatwe w utrzymaniu i rozwijać się bez oporów.
2. Trening logicznego myślenia i formułowania poleceń. Jak skutecznie promptować AI pod kątem technicznym, jakich kardynalnych błędów unikać oraz jak pisać dokumentację, która trzyma model w ryzach.
3. Testowanie, optymalizacja workflow i stabilność architektury. Jak testować własny kod, dbać o jakość i sukcesywnie dokładać nowe funkcje bez rozbijania fundamentów. Jak maksymalnie podkręcić tempo pracy i zautomatyzować powtarzalne procesy, nie tracąc przy tym na jakości.
4. Dobór optymalnego stacku technologicznego pod AI. Jakie języki, biblioteki i frameworki wybrać, aby wycisnąć z modeli językowych maksimum ich możliwości.

Postscriptum

Główny zrąb tego tekstu powstał w rzeczywistości rok temu – w październiku 2025 roku. Teraz przeredagowałem go i uzupełniłem o świeże dane z rynku pracy oraz doniesienia o przełomach AI w matematyce. Wtedy byłem tak zszokowany tempem rozwoju technologii, że bałem się pisać dłuższe teksty – wydawało mi się, że zanim skończę, wszystko zdąży się zdezaktualizować. Ograniczałem się do krótkich wpisów w mediach społecznościowych. Kiedy po roku wróciłem do tamtego szkicu, uderzyło mnie, jak trafne okazały się te obserwacje, więc postanowiłem go doszlifować i puścić w świat. Zamierzam pisać więcej długich form. W świecie zalanym syntetycznym szumem treści z prawdziwym ludzkim pierwiastkiem będą z każdym dniem coraz cenniejsze.