Przyszłość programowania kształtuje się na naszych oczach. Sztuczna inteligencja (AI) odgrywa coraz większą rolę w procesie tworzenia oprogramowania, znacząco przyspieszając i automatyzując pracę deweloperów. Najnowsze modele AI, zdolne do generowania coraz bardziej zaawansowanego kodu, rewolucjonizują sposób, w jaki powstają nowoczesne aplikacje i systemy. Przykładem tego trendu jest najnowsza grupa startupów akceleratora Y Combinator, gdzie aż 25% firm opiera swoje projekty na kodzie wygenerowanym w 95% przez AI – ujawnił Jared Friedman, jeden z partnerów zarządzających Y Combinator, podczas rozmowy opublikowanej na YouTube.
Zdaniem Friedmana, ten imponujący wynik nie uwzględnia jedynie prostych działań, jak importowanie bibliotek, ale obejmuje rzeczywiste linie kodu napisane przez AI w porównaniu do tych stworzonych samodzielnie przez człowieka. To oznacza, że programiści coraz rzadziej piszą kod od podstaw, a zamiast tego wykorzystują sztuczną inteligencję jako główne narzędzie pracy.
„To nie jest tak, że finansujemy startupy prowadzone przez osoby bez wiedzy technicznej. Każdy z tych założycieli to wysoko wykwalifikowany ekspert, zdolny do budowania własnych produktów od podstaw. Jeszcze rok temu robiliby to sami – teraz 95% tej pracy wykonuje za nich AI” – podkreślił Friedman.
Coraz popularniejszy staje się termin „Vibe Coding”, który określa nowy sposób tworzenia oprogramowania oparty na intuicyjnym podejściu do programowania, zamiast polegania wyłącznie na znajomości składni kodu. Koncepcja ta była jednym z głównych tematów rozmowy między Friedmanem, CEO Y Combinator Garrym Tanem, partnerem zarządzającym Harjem Taggarem oraz partnerką generalną Dianą Hu.
Wprowadzone przez Andreja Karpathiego – byłego szefa działu AI w Tesli oraz byłego badacza OpenAI – określenie „Vibe Coding” odnosi się do sposobu pisania kodu przy użyciu modeli językowych AI, skupiającego się bardziej na zamierzonym rezultacie niż na samej strukturze kodu.
Wyzwania związane z kodem generowanym przez AI
Choć AI znacząco przyspiesza tworzenie oprogramowania, nie jest ono wolne od ryzyka. Badania wykazały, że kod generowany przez sztuczną inteligencję może wprowadzać poważne błędy, takie jak luki w zabezpieczeniach, awarie systemowe czy inne istotne nieprawidłowości, które wymagają czasochłonnej diagnostyki oraz poprawek ze strony programistów.
Podczas dyskusji Diana Hu zwróciła uwagę, że pomimo silnego wpływu AI na branżę programistyczną, sama umiejętność analizowania kodu i wykrywania błędów pozostaje kluczowa dla każdego dewelopera. „Musisz posiadać odpowiednie wyczucie i doświadczenie, aby wiedzieć, czy model AI generuje poprawny czy wadliwy kod. Aby skutecznie stosować ‘Vibe Coding’, nadal trzeba mieć wiedzę i zdolność oceny jakości kodu” – zaznaczyła.
Podobne stanowisko zajął Garry Tan, podkreślając znaczenie klasycznego wykształcenia w programowaniu. „Załóżmy, że startup wprowadza na rynek produkt, którego 95% kodu zostało napisane przez AI. Po roku czy dwóch produkt zdobywa 100 milionów użytkowników. Czy system nadal będzie działał stabilnie? Pierwsze modele opierające się na rozumowaniu nie są dobre w debugowaniu, dlatego konieczne jest zrozumienie logiki działania produktu” – wyjaśnił Tan.
AI jako dominujące narzędzie wśród startupów
Pomimo wyzwań związanych z generowanym kodem, inwestorzy i deweloperzy coraz chętniej sięgają po narzędzia AI w procesie programowania. W ostatnich 12 miesiącach startupy rozwijające sztuczną inteligencję w tej dziedzinie, takie jak Bolt.new, Codeium, Cursor, Lovable czy Magic, zdobyły łącznie setki milionów dolarów finansowania.
„To nie jest chwilowa moda. To nowy standard kodowania. Jeśli nie korzystasz z tych narzędzi, możesz po prostu zostać w tyle” – podsumował Tan.
Obserwujemy kluczowy moment w historii programowania – AI z pasywnego asystenta staje się aktywnym uczestnikiem procesu kodowania, a w niektórych przypadkach wręcz jego głównym wykonawcą. Mimo że niesie to ze sobą pewne ryzyka, rozwój tej technologii jest nieunikniony. Programiści przyszłości nie będą już tylko pisać kodu, ale także oceniać i optymalizować działania modeli AI, które za nich tworzą nowe aplikacje i platformy.
