Seperti apa tren di balik vibe coding?

Saat Sam Altman menyinggung kemampuan menulis kreatif dari model OpenAI berikutnya, para pengembang dan insinyur mulai beralih ke metode yang disebut “pengodean vibe.” Ungkapan ini baru berumur enam minggu, namun Lanjutkan memicu perdebatan di Reddit dan berbagai saluran Slack—termasuk di sini di IBM®.

Sederhananya, vibe coding adalah istilah yang baru-baru ini digunakan oleh Co-Founder OpenAI dan mantan AI Senior Director Tesla Andrej Karpathy untuk menggambarkan betapa bagusnya LLM dalam penalaran dan pengodean. (Bayangkan: Sonnet Claude, atau editor kode AI Cursor). Sekarang, tulisnya di X, pengembang dapat “menyerah pada vibe, merangkul eksponensial dan melupakan bahwa kode itu bahkan ada.” Seperti yang dikatakan oleh Ars Technica: “Alih-alih tentang kontrol dan presisi, vibe coding adalah tentang mengikuti arus.”

Joshua Noble, seorang Technical Strategist di IBM®, mengatakan dia percaya bahwa pengodean vibe dimulai sebagai lelucon. Tapi ungkapan itu tetap, dengan inkubator Y Combinator bahkan membuat video penjelas 30 menit berjudul “Pengodean Vibe Merupakan Masa Depan.”

Pengodean vibe mungkin merupakan masa depan, tetapi saat ini masih belum sempurna. “Menurut saya, ini lebih seperti saat Anda kehabisan ide atau sedang merasa malas, biarkan saja CoPilot mengerjakannya sedikit untuk Anda dan lihat ke mana hasilnya membawa,” kata Noble. “Saya hanya melihat sesuatu, mengatakan sesuatu, menjalankan sesuatu, dan menyalin-menempel sesuatu, dan sebagian besar berhasil.”

Ash Minhas, seorang Manajer Konten Teknis di IBM® , setuju: “Pengodean Vibe itu nyata,” katanya. “Ini seperti Anda bisa mengambil inspirasi dan mengubahnya menjadi sesuatu.” Untuk mengilustrasikan poinnya, Minhas mengatakan dia dan saudaranya menciptakan prompt untuk membuat aplikasi yang membantu pengguna menemukan nomor FIRE (Financial Independence, Retire Early) mereka. “Jika Anda memiliki keterampilan teknis, itu fantastis,” katanya.

Kini, AI telah tiba di hampir setiap aspek ekonomi, dapatkah itu mengganggu pekerjaan pengembang dan insinyur perangkat lunak? Kemampuan untuk menggunakan LLM untuk membuat kode, men-debug, atau menguji dapat meningkatkan banyak operasi, kata Shalini Harkar, Lead AI Advocate di IBM yang berbasis di Bangalore.

“Saat ini, pengembang lebih fokus pada pemecahan masalah kompleks dunia nyata yang memiliki dampak tinggi dalam kehidupan nyata, merancang desain arsitektur yang efisien, memungkinkan strategi masuk ke pasar yang lebih cepat dan mendorong inovasi daripada tugas rutin,” jelasnya.

IBM® Distinguished Engineer Michael (Max) Maximilien masih meminta timnya untuk menjalankan tes manual pada kode. “Tapi semakin, Anda tidak perlu menulis tes,” katanya. “Anda sebenarnya bisa menulis kode dan kemudian meminta LLM untuk menulis tes untuk Anda, dan itu melakukan pekerjaan yang layak sebagian besar waktu. Jadi tiba-tiba, Anda telah meningkatkan produktivitas Anda secara signifikan.”

Selain peningkatan efisiensi ini, AI dapat membantu pengembang yang kurang berpengalaman untuk melakukan penyempurnaan keterampilan mereka dan memperoleh pengalaman dengan kecepatan yang jauh lebih cepat. “Anda dapat mengatakan, ‘Inilah yang saya coba lakukan,‘ dan itu menulis versi pertama kode,” kata Maximilien. “[Kalau begitu] Anda memperbaikinya, dan Anda terus bergerak, kan? Itulah akselerasinya.”

Pada tahap awal ini, vibe coding masih merupakan lelucon pengembang: bentuk seni yang disediakan untuk penikmat kode. Tetapi, mungkin juga merupakan tanda bahwa kami siap untuk mendefinisikan kembali apa arti kolaborasi dengan AI di bidang ilmu komputer dan rekayasa perangkat lunak.

Bagi beberapa pengamat, masa depan teknologi mungkin juga mencakup lebih banyak koneksi manusia dan mesin. “Masa depan pengodean akan memprioritaskan natural language understanding, algoritma sadar emosi dan analisis sentimen real-time, membuat interaksi manusia-komputer lebih intuitif,” kata Vrunda Gadesha, Penulis Konten Teknis di IBM®.

Dan sementara manusia akan selalu menjadi bagian integral dari proses, AI hanya membuat bagian pengodean jauh lebih mudah. “Rekayasa perangkat lunak yang menantang akan selalu membutuhkan manusia di beberapa titik dalam proses untuk melihat optimasi, atau logika bisnis yang sangat spesifik atau kasus tepi,” kata Noble. “Tetapi ketika kita berpikir tentang pengodean—misalnya, ’Saya akan membuat kode aplikasi yang melakukan ini’—jumlah pekerjaan yang dapat Anda lakukan dengan model bahasa besar benar-benar meningkat. Dan itu cukup menarik.”