Na monitoru od 5K u Kirklandu, Washington, četiri terminala istodobno pršte novim linijama koda dok umjetna inteligencija samostalno testira, planira i piše. Steve Yegge, veteran koji je radio u Googleu i AWS-u, promatra i zaključuje: „Sada programiram na četiri projekta u isto vrijeme, iako zapravo samo trošim tokene.”
Fenomen koji dobiva ime „vibe coding” – razvoj softvera isključivo tekstualnim uputama koje zadajemo velikim jezičnim modelima (LLM-ovima) – munjevito se širi od izlaska ChatGPT-a krajem 2022. Tvrtke poput OpenAI-ja, Googlea i Anthropica izbacuju sve sposobnije alate, a forumi X-a i Blueskyja prepuni su priča o startupima koji već otpuštaju ili uopće ne zapošljavaju klasične developere.
Dario Amodei, izvršni direktor Anthropica, procjenjuje da ćemo „u roku od tri do šest mjeseci živjeti u svijetu u kojem AI piše 90 posto koda”, a za godinu dana „gotovo sav”.
Međutim, stručnjaci upozoravaju da modeli i dalje često haluciniraju, mijenjaju odgovor na isti upit i isporučuju pogrešan ili nesiguran kod. David Autor, ekonomist s MIT-a, podsjeća da je transkripcija već gotovo potpuno automatizirana, ali kompleksno inženjerstvo je „mnogo teže automatizirati”. Pritom sve ovisi o „elastičnosti potražnje”: bude li softver nalik taksi-uslugama, niža cijena mogla bi samo povećati ukupan broj projekata, ali i sniziti plaće programera.
„Ovo je najveća promjena u računalnoj znanosti još od prelaska s asembla na visoke jezike”, priznaje Martin Casado iz mrežnog fonda Andreessen Horowitz, iako drži da je teza o potpunoj zamjeni ljudi pretjerana. Generacijski jaz vidi i Ken Thompson iz Anaconde: mlađi se bacaju na AI, stariji zaziru zbog „nedeterminističke prirode alata koja je jednostavno preopasna”.
Za Yeggea, koji s kolegom Geneom Kimom piše knjigu „Vibe Coding”, dileme su riješene: „Tako će se programirati do kraja godine. Tko to ne radi, kao da hoda u utrci.” Njegova tvrtka Sourcegraph već razvija interne AI-asistente.
Ali praksa upozorava na tamniju stranu. WIRED-ovo istraživanje pokazalo je da je 36 posto developera oduševljeno, dok je 38 posto skeptično. Česti su primjeri aplikacija koje „samo izgledaju” funkcionalno, nenamjerno otvorenih sigurnosnih rupa i iznenađujućih računa za GPU tokene. „AI će sve napraviti – uključujući i zajeb”, slikovit je Yegge.
MIT-ov računalni znanstvenik Daniel Jackson ističe da „gotovo nijedna ozbiljna aplikacija ne tolerira status ‘uglavnom radi’”. Kod velikih sustava promjena jedne datoteke može srušiti sve ostale module, a „veliki jezični modeli ne mogu logički sagledati takve međuovisnosti”. Jackson predviđa modularnije projekte i stalno testiranje, no strahuje od „masovne gomile nesigurnog koda i generacije programera koja ga neće znati popraviti”.
Ni tvrtke koje su najdalje otišle s implementacijom ne bacaju ručnik. Christine Yen, čelnica platforme Honeycomb, kaže da su AI-alati idealni za rutinske biblioteke, ali „za kod koji dira osjetljive sustave AI jednostavno još nije dovoljno dobar”. Njezini inženjeri zasad bilježe oko 50-postotno ubrzanje, no ljudska prosudba ostaje presudna.
Naveen Rao iz Databricksa već sada vidi manju potrebu za „prosječnim” developerima: „Za proizvod koji je prije tražio 50 inženjera sada mi treba 20 ili 30.” Ipak, naglašava da je programersko znanje i dalje „kao matematika – fundamentalno za razumijevanje računala”.
Zaključak je paradoksalan: AI možda skraćuje pisanje koda, ali povećava važnost dubinskog razumijevanja softvera, stroge kontrole kvalitete i sigurnosti. Kako kaže Yegge, novo umijeće svodi se na to „kako sve to raditi a da ne uništiš tvrdi disk i ne isprazniš račun”.