Claude, Lovable i inne narzędzia AI pozwalają zbudować aplikację w jedno popołudnie. Ale zamiana takiego vibe-codowanego prototypu w prawdziwe narzędzie biznesowe wymaga inżynierskiej dyscypliny, której większość aplikacji generowanych przez AI nie ma.
Co roku przynosi nowy moment „wow” w AI:
- 2022 — premiera ChatGPT. Można prowadzić prawdziwą rozmowę z AI. 100 milionów osób wypróbowuje je w dwa miesiące.
- 2023 — GPT-4 zdaje egzamin adwokacki. AI przestaje być zabawką.
- 2025 — Andrej Karpathy wymyśla termin „vibe coding”. Osoby niebudujące na co dzień oprogramowania zaczynają tworzyć aplikacje z AI.
- 2025 (październik) — firma bezpieczeństwa VeraCode raportuje: kod generowany przez AI poprawił się pod względem funkcjonalności, ale bezpieczeństwo nie poprawiło się przez trzy lata.
- 2026 (luty) — Karpathy ogłasza, że vibe coding jest „passé”, i wprowadza termin „agentic engineering”.
Każdy z tych momentów wydawał się rewolucyjny. I był nim, jeśli chodzi o to, co pozwala nam robić.
Robert C. Martin, znany jako Uncle Bob, legendarny inżynier oprogramowania, opisuje AI jako kolejny szczebel drabiny. Każda generacja narzędzi programistycznych ułatwiała pracę, od wczesnego kodu maszynowego po nowoczesne języki, takie jak Python, a teraz AI. Z każdym szczeblem nic innego się nie zmieniało. Podstawy wciąż obowiązują: nadal trzeba to testować, porządkować i upewniać się, że elementy do siebie pasują.
I o to właśnie chodzi. Problem nie polega na tym, że AI buduje złe oprogramowanie. Problem w tym, że ludzie pomijają inżynierską dyscyplinę, której wymagał każdy szczebel tej drabiny. Pewne rzeczy zrobimy szybciej. Zdumiewa nas, jak szybko powstają prototypy. I tak, to świetne prototypy. Świetne do walidacji pomysłu. Ale moim zdaniem nie są to aplikacje gotowe na produkcję. Wyjaśnię, dlaczego.
1. Twoja aplikacja z AI jest odłączona od ekosystemu twojego biznesu.
Moim zdaniem to najważniejszy aspekt. Masz coś, co świetnie wygląda, i nic więcej. Nie rozmawia z twoim CRM-em. Nie synchronizuje się z oprogramowaniem księgowym. Nie łączy się z narzędziami, z których twój zespół faktycznie korzysta na co dzień. Czy przynosi twojej firmie dodatkowe pieniądze? Jaką wartość wnosi do twojego systemu? Jeśli nikt się tym porządnie nie zajmie, zniknie tak szybko, jak pojawiło się na ekranie. W poprzednim artykule pisałem o lukach w fragmentach kodu generowanych przez AI. Podtrzymuję to: nie chcesz przez to ryzykować swoich pieniędzy, reputacji i frustracji pracowników.
2. Kod generowany przez AI ma poważne luki w bezpieczeństwie.
W chwili pisania tego tekstu Anthropic właśnie wypuścił Claude Opus 4.7, model tak zaawansowany, że znalazł tysiące nieznanych luk bezpieczeństwa w oprogramowaniu, które przez dekady przeglądali ludzie. A teraz pomyśl o swojej vibe-codowanej aplikacji. Skoro kilkudziesięcioletnie, profesjonalnie zbudowane oprogramowanie ma krytyczne podatności, co to mówi o aplikacji wygenerowanej w jedno popołudnie? Modele AI uczono na tym samym wadliwym oprogramowaniu. Jak myślisz, jakie są szanse, że zbudują coś bez błędów?
Badanie VeraCode z 2025 roku pokazało, że choć kod generowany przez AI poprawił się pod względem funkcjonalności, jego bezpieczeństwo nie. AI wprowadziło dobrze znane luki bezpieczeństwa w 45% przypadków testowych. W tym samym roku badacz bezpieczeństwa odkrył, że 170 z 1645 aplikacji zbudowanych przez użytkowników na platformie Lovable miało krytyczne podatności, ujawniające imiona, adresy e-mail i klucze API. To około 1 na 10. AI zbudowało aplikację, ale nikt nie skonfigurował zabezpieczeń bazy danych.
Sam Uncle Bob jest do AI nastawiony bardzo pozytywnie. Ufa wynikom AI tak bardzo, że w ogóle nie przegląda wygenerowanego kodu. Ale to zaufanie ma warunek: uruchamia automatyczne testy, które wyłapują błędy, zanim trafią do użytkowników, mierzy jakość kodu według ścisłych standardów i odrzuca wszystko, co ich nie spełnia. Twoja vibe-codowana aplikacja prawdopodobnie nie ma nic z tego.
Na szali są dane twojej firmy.
3. AI nie zbuduje za ciebie infrastruktury produkcyjnej.
Czy AI skonfiguruje ci hosting, monitoring, backupy i disaster recovery? Czy zadba o compliance? Czy upewni się, że każda aktualizacja zostanie przetestowana, zanim trafi do użytkowników? Jeśli na twojej aplikacji polegają prawdziwi użytkownicy, nie zaufałbym AI, że ogarnie to wszystko samo.
Jest jeszcze jedna warstwa. Jak pisze Rahul Garg na blogu Martina Fowlera, rozmowy z AI znikają. Decyzje podjęte podczas budowania aplikacji zanikają w chwili, gdy sesja czatu się kończy. Trzy miesiące później, gdy coś się psuje, nikt nie pamięta, dlaczego ta funkcja działa tak, a nie inaczej. Rozmowy, która ją ukształtowała, już nie ma. Bez porządnej dokumentacji twoja aplikacja staje się czarną skrzynką, której nikt nie naprawi ani nie rozwinie.
Sam Anthropic uczy tego w swoim frameworku AI Fluency: trzeba określić, co deleguje się AI, a co ma zostać pod twoją kontrolą albo u zaufanego partnera technicznego, który wniesie organizacyjną dyscyplinę do tego, jak używasz AI, a nie tylko samo AI. Czy powierzasz AI dane dostępowe do produkcji? Nie radziłbym.
Czy powinno cię to przestraszyć?
Nie zrozum mnie źle. Żyjemy w świetnych czasach. W mojej firmie inwestujemy w AI z dobrym uzasadnieniem i na solidnych fundamentach. Ale najpierw skupiamy się na dostarczaniu wartości i stosujemy w developmencie podejście behawioralne. Tobie też to polecam.
Więc śmiało, zrób w Claude vibe-codowany prototyp. Spraw, żeby twój pomysł się ziścił. A potem zaangażuj kogoś, kto przygotuje go na produkcję, z myślą o bezpieczeństwie, prywatności i niezawodności.
Jeśli masz już vibe-codowaną aplikację i chcesz wiedzieć, na czym stoisz, poszukaj code auditu, który da ci jasny obraz tego, co jest solidne, a co wymaga poprawy. A jeśli dopiero kształtujesz pomysł, discovery workshop to dobry punkt startu, żeby od pierwszego dnia budować na właściwych fundamentach.
Porozmawiajmy. Napisz do mnie bezpośrednio albo wejdź na rocksoft.pl.
