Rozmazaná hranice mezi „vibe kódováním“ a profesionálním vývojem s AI – a proč by vás to mělo znepokojit

Pamatujete, jak jsme si mysleli, že AI nástroje na kódování jsou buď pro rychlé prototypy, nebo pro seriózní profi práci? Dva jasné tábory. Teď se to míchá rychleji, než čekáme. A nastoluje to otázky o odpovědnosti, důvěře a co vlastně znamená „připravené pro produkci“ v éře AI.

Původní záměr: Jednoduché dělení

Rozdíl byl jasný.

Vibe kódování bylo divoké. Nekodéři říkají AI: „Postav mi tohle.“ Vypustí, co funguje. Kvalita kódu? To je vedlejší. Použijete na osobní nástroje, jednorázové skripty, víkendové projekty. Pokud to spadne, řešíte to sami. Žádná škoda.

Agentické inženýrství bylo pro profíky. Zkušení vývojáři s AI jako zesilovačem. Bezpečnost pod kontrolou, údržba na místě, výkon v pořádku. Vy jste šéf, AI jen pomáhá.

Teorie super. Realita? Kaše.

Nepříjemné probuzení

Teď přichází realita: modely jsou tak dobré, že i profíci přeskakují revize.

Požádáte Claude nebo agenta o JSON API s SQL dotazy, testy a docs. Víte, že to zvládne. Tak to nečtete. Jen merge.

Jednou? OK. Desetkrát? Špatný zvyk. Stokrát? Jste zpátky u vibe kódování – jen s diplomem, který jste si nezasloužili.

Černá skříňka (a proč je to skoro normální)

Protiargument zní logicky: Ve firmě nečtete každý řádek od kolegů. Důvěřujete resize službě bez auditu. Používáte liby bez prohlédnutí zdroje. Delegujete.

Proč? Tým má reputaci. Lidi mají co ztratit. Systém má odpovědnost.

U AI? Žádná reputace. Žádná práce na hraně. Jen pattern matching z dat.

Přesto to funguje. A to dělá důvěru lákavou.

Skutečné riziko: Normalizace odchylek

Z inženýrství (od NASA): normalization of deviance. Porušujete pravidla bez následků, pak to přestane být porušení.

Každý AI kód bez revize, co projde, vás posouvá blíž k pádu. V produkci to bouchne.

Není problém v nespolehlivosti AI. Problém je, že jsou dost dobré na snížení standardů.

Jak zůstat při smyslech (a zodpovědný)

Stavíte software, na kterém záleží? Data lidí, jejich zážitky? Máte rámec:

1. Rozdělte kód podle rizika. Ne všechno potřebuje stejnou kontrolu. Config soubor není jako auth logika. Auth není jako platby.

2. Definujte „revizi“ přesně. Není to vždy čtení všech řádků. U nízkého rizika: spusťte testy, zkontrolujte flow, security spot-check, performance.

3. AI jako interní tým. Důvěřujte rutinu, ale řiďte architekturu a citlivé části. Vy jste senior, oni juniori.

4. Sledujte svůj bias. Každé přeskočení revize proto „že to funguje“ si zapište. Trackujte selhání. Data, ne pohodlí.

Nepříjemná pravda

Jsme v přechodu. Nástroje ohromují. Produktivita roste. Ale zodpovědnost? Průmysl o tom málo mluví.

Jednou jsme to vyřešili open source: reputace, transparentnost, viditelnost. AI bude potřebovat totéž.

Mezitím? Zodpovědnost na vás. Buďte bdělí. Čestní k revizím. Fungující kód neznamená, že jste ho napsali.

Jak se máte k AI kódovacím nástrojům? Kloužete v té šedé zóně? Pište do komentů – tuto debatu ještě píšeme a profíci ji musí formovat.