Vibe Coding telah mengubah devs senior menjadi ‘ai pengasuh,’ tetapi mereka mengatakan itu sepadan

Carla Rover pernah menghabiskan 30 menit terisak setelah harus memulai kembali proyek yang dia kode getaran.

Rover telah berkecimpung di industri selama 15 tahun, terutama bekerja sebagai pengembang web. Dia sekarang membangun startup, di samping putranya, yang menciptakan model pembelajaran mesin khusus untuk pasar.

Dia menyebut Vibe mengkode serbet koktail yang indah dan tak berujung di mana seseorang dapat membuat sketsa ide. Tetapi berurusan dengan kode yang dihasilkan AI yang diharapkan untuk digunakan dalam produksi dapat “lebih buruk daripada mengasuh anak,” katanya, karena model AI ini dapat mengacaukan pekerjaan dengan cara yang sulit diprediksi.

Dia telah beralih ke pengkodean AI dalam kebutuhan akan kecepatan dengan startupnya, seperti janji alat AI.

“Karena saya harus cepat dan mengesankan, saya mengambil jalan pintas dan tidak memindai file -file itu setelah peninjauan otomatis,” katanya. “Ketika saya melakukannya secara manual, saya menemukan banyak kesalahan. Ketika saya menggunakan alat pihak ketiga, saya menemukan lebih banyak. Dan saya belajar pelajaran saya.”

Dia dan putranya akhirnya memulai kembali seluruh proyek mereka – karenanya air mata. “Saya menyerahkannya seperti kopilot adalah seorang karyawan,” katanya. “Tidak.”

Rover seperti banyak programmer berpengalaman yang beralih ke AI untuk bantuan pengkodean. Tetapi pemrogram semacam itu juga menemukan diri mereka bertindak seperti pengasuh AI-menulis ulang dan memeriksa fakta bahwa AI meludahkan.

Laporan terbaru oleh perusahaan platform pengiriman konten dengan cepat menemukan itu setidaknya 95% Dari hampir 800 pengembang yang disurvei mengatakan mereka menghabiskan waktu ekstra memperbaiki kode yang dihasilkan AI, dengan beban verifikasi semacam itu jatuh paling banyak di pundak pengembang senior.

Coders yang berpengalaman ini telah menemukan masalah dengan kode yang dihasilkan AI mulai dari nama paket halusinasi hingga menghapus informasi penting dan risiko keamanan. Dibiarkan tidak terkendali, kode AI dapat meninggalkan produk yang jauh lebih banyak daripada apa yang akan diproduksi manusia.

Bekerja dengan kode yang dihasilkan AI telah menjadi masalah sedemikian rupa sehingga menimbulkan pekerjaan pengkodean perusahaan baru yang dikenal sebagai “spesialis pembersihan kode getaran. ”

TechCrunch berbicara kepada coders berpengalaman tentang waktu mereka menggunakan kode yang dihasilkan AI tentang apa yang mereka lihat sebagai masa depan pengkodean getaran. Pikiran bervariasi, tetapi satu hal tetap pasti: teknologi masih memiliki jalan panjang.

“Menggunakan co-pilot pengkodean seperti memberikan panci kopi kepada anak berusia enam tahun yang cerdas dan berkata, ‘Tolong bawa ini ke ruang makan dan tuangkan kopi untuk keluarga,'” kata Rover.

Bisakah mereka melakukannya? Mungkin. Bisakah mereka gagal? Tentu saja. Dan kemungkinan besar, jika mereka gagal, mereka tidak akan memberi tahu Anda. “Itu tidak membuat anak itu kurang pintar,” lanjutnya. “Itu hanya berarti Anda tidak dapat mendelegasikan (tugas) seperti itu sepenuhnya.”

“Kamu benar sekali!”

Feridoon Malekzadeh juga membandingkan pengkodean getaran dengan seorang anak.

Dia bekerja di industri selama lebih dari 20 tahun, memegang berbagai peran dalam pengembangan produk, perangkat lunak, dan desain. Dia membangun startup sendiri dan sangat menggunakan platform pengkode getaran yang menyenangkan, katanya. Untuk bersenang -senang, ia juga menggetarkan aplikasi kode seperti yang menghasilkan gaul Gen Alpha untuk boomer.

Dia suka bahwa dia dapat bekerja sendirian pada proyek, menghemat waktu dan uang, tetapi setuju bahwa pengkodean getaran tidak seperti mempekerjakan magang atau pembuat kode junior. Sebaliknya, pengkodean getaran mirip dengan “mempekerjakan remaja Anda yang keras kepala dan kurang ajar untuk membantu Anda melakukan sesuatu,” katanya kepada TechCrunch.

“Anda harus meminta mereka 15 kali untuk melakukan sesuatu,” katanya. “Pada akhirnya, mereka melakukan beberapa dari apa yang Anda minta, beberapa hal yang tidak Anda minta, dan mereka memecahkan banyak hal di sepanjang jalan.”

Malekzadeh memperkirakan dia menghabiskan sekitar 50% dari persyaratan menulis waktunya, 10% hingga 20% dari waktunya untuk pengkodean getaran, dan 30% hingga 40% waktunya untuk getaran pemasangan -Memulihkan bug dan “skrip yang tidak perlu” yang dibuat oleh kode yang ditulis AI.

Dia juga tidak berpikir pengkodean getaran adalah yang terbaik dalam pemikiran sistem – proses melihat bagaimana masalah yang kompleks dapat memengaruhi hasil keseluruhan. Kode yang dihasilkan AI, katanya, mencoba memecahkan lebih banyak masalah tingkat permukaan.

“Jika Anda membuat fitur yang harus tersedia secara luas di produk Anda, seorang insinyur yang baik akan membuatnya sekali dan membuatnya tersedia di mana pun yang diperlukan,” kata Malekzadeh. “Getaran pengkodean akan menciptakan sesuatu yang lima kali berbeda, lima cara berbeda, jika diperlukan di lima tempat yang berbeda. Ini mengarah pada banyak kebingungan, tidak hanya untuk pengguna, tetapi untuk model.”

Sementara itu, Rover menemukan bahwa AI “berlari ke dinding” ketika data bertentangan dengan apa yang harus dilakukan dengan keras. “Ini dapat menawarkan saran yang menyesatkan, meninggalkan elemen -elemen kunci yang vital, atau memasukkan dirinya ke jalur pemikiran yang Anda kembangkan,” katanya.

Dia juga menemukan bahwa daripada mengakui melakukan kesalahan, itu akan menghasilkan hasil.

Dia berbagi contoh lain dengan TechCrunch, di mana dia mempertanyakan hasil model AI awalnya memberikannya. Model mulai memberikan penjelasan terperinci yang berpura -pura menggunakan data yang diunggahnya. Hanya ketika dia memanggilnya, model AI mengaku.

“Itu membuatku takut karena kedengarannya seperti rekan kerja beracun,” katanya.

Selain itu, ada masalah keamanan.

Austin Spiers adalah direktur senior pemberdayaan pengembang di Fastly dan telah mengkode sejak awal 2000 -an.

Dia ditemukan melalui pengalamannya sendiri – bersama dengan mengobrol dengan pelanggan – kode getaran itu suka membangun apa yang cepat daripada apa yang “benar.” Ini dapat memperkenalkan kerentanan pada kode jenis yang cenderung dibuat oleh programmer baru, katanya.

“Yang sering terjadi adalah insinyur perlu meninjau kode, memperbaiki agen, dan memberi tahu agen bahwa mereka membuat kesalahan,” kata Spiers kepada TechCrunch. “Pola ini adalah sebabnya kami telah melihat kiasan ‘Anda benar sekali’ muncul di media sosial.”

Dia mengacu pada bagaimana model AI, seperti Antropik Claude, cenderung merespons “Anda benar sekali” ketika dipanggil untuk kesalahan mereka.

Mike Arrowsmith, chief technology officer di perusahaan perangkat lunak manajemen TI Ninjaone, telah berada di rekayasa perangkat lunak dan keamanan selama sekitar 20 tahun. Dia mengatakan bahwa pengkodean getaran menciptakan generasi baru dan titik -titik buta keamanan di mana startup muda khususnya rentan.

“Getaran pengkodean sering melewati proses peninjauan ketat yang mendasar untuk pengkodean tradisional dan penting untuk menangkap kerentanan,” katanya kepada TechCrunch.

Ninjaone, katanya, melawan ini dengan mendorong “pengkodean getaran yang aman,” di mana alat AI yang disetujui memiliki kontrol akses, bersama dengan peer review wajib dan, tentu saja, pemindaian keamanan.

Normal baru

Sementara hampir semua orang yang kami ajak bicara setuju bahwa kode yang dihasilkan AI dan platform pengkodean getaran berguna dalam banyak situasi-seperti mengejek ide-mereka semua sepakat bahwa tinjauan manusia sangat penting sebelum membangun bisnis di atasnya.

“Napkin koktail itu bukan model bisnis,” kata Rover. “Anda harus menyeimbangkan kemudahan dengan wawasan.”

Tetapi untuk semua yang meratapi kesalahannya, pengkodean getaran telah mengubah masa kini dan masa depan pekerjaan.

Rover mengatakan pengkodean getaran membantunya dalam kerajinan antarmuka pengguna yang lebih baik. Malekzadeh hanya mengatakan bahwa, meskipun dia menghabiskan kode perbaikan, dia masih mendapatkan lebih banyak dilakukan dengan AI coders daripada tanpa mereka.

“‘Setiap teknologi membawa negativitasnya sendiri, yang ditemukan pada saat yang sama dengan kemajuan teknis,” kata Malekzadeh, mengutip ahli teori Prancis Paul Virilio, yang berbicara tentang menciptakan kapal karam bersama dengan kapal.

Survei cepat menemukan bahwa pengembang senior dua kali lebih mungkin memasukkan kode yang dihasilkan AI ke dalam produksi dibandingkan dengan pengembang junior, mengatakan bahwa teknologi membantu mereka bekerja lebih cepat.

Pengkodean getaran juga merupakan bagian dari rutinitas pengkodean Spires. Dia menggunakan agen pengkodean AI pada beberapa platform untuk proyek pribadi front-end dan back-end. Dia menyebut teknologi itu sebagai pengalaman yang beragam tetapi mengatakan itu baik dalam membantu membuat prototipe, membangun boilerplate, atau menancap tes; Ini menghilangkan tugas -tugas kasar sehingga insinyur dapat fokus pada pembangunan, pengiriman, dan produk penskalaan.

Tampaknya jam ekstra yang dihabiskan untuk menyisir gulma gulma hanya akan menjadi pajak yang ditoleransi untuk menggunakan inovasi.

Elvis Kimara, seorang insinyur muda, sedang belajar itu sekarang. Dia baru saja lulus dengan master di AI dan sedang membangun pasar bertenaga AI.

Seperti banyak coders, ia mengatakan pengkodean getaran telah membuat pekerjaannya lebih sulit dan sering menemukan Vibe Coding pengalaman tanpa kegembiraan.

“Tidak ada lagi dopamin untuk memecahkan masalah sendiri. AI hanya mencari tahu,” katanya. Di salah satu pekerjaan terakhirnya, ia mengatakan pengembang senior tidak banyak membantu coders muda-beberapa tidak memahami model coding getaran baru, sementara yang lain mendelegasikan tugas bimbingan untuk model AI tersebut.

Tapi, dia berkata, “Pro jauh lebih besar daripada kontra,” dan dia siap untuk membayar pajak inovasi.

“Kami tidak akan hanya menulis kode; kami akan membimbing sistem AI, mengambil akuntabilitas ketika segala sesuatunya rusak, dan bertindak lebih seperti konsultan ke mesin,” kata Kimara tentang normal baru yang dia persiapkan.

“Bahkan ketika saya tumbuh menjadi peran senior, saya akan terus menggunakannya,” lanjutnya. “Ini adalah akselerator nyata bagi saya. Saya memastikan saya meninjau setiap baris kode yang dihasilkan AI, jadi saya belajar lebih cepat darinya.”