Na konferencji Sequoia's AI Ascent 2026 Andrej Karpathy — współzałożyciel OpenAI, były dyrektor AI w Tesla i założyciel Eureka Labs — rozpoczął od zaskakującej deklaracji: nigdy nie czuł się tak w tyle jako programista. Nie dlatego, że stracił umiejętności, ale dlatego, że narzędzia do kodowania oparte na AI zmieniają znaczenie programowania szybciej, niż ktokolwiek nadąża.
Karpathy przedstawił trójfazowy framework do zrozumienia tej zmiany: vibe coding, agentic engineering i Software 3.0. To najjaśniejszy model mentalny, jaki ktokolwiek zaproponował na temat kierunku rozwoju tworzenia oprogramowania — i umiejętności, które będą najważniejsze.
Kluczowe wnioski
Vibe coding pozwala każdemu budować za pomocą promptów. Agentic engineering pozwala profesjonalistom budować z agentami AI, zachowując jakość. Software 3.0 to moment, gdy sieci neuronowe stają się samą warstwą programowania. Obecnie przechodzimy z fazy 1 do fazy 2.
Czym jest Vibe Coding?
Vibe coding to termin Karpathy'ego na obecną fazę, w której każdy — techniczny czy nie — może budować oprogramowanie, opisując, czego chce, w naturalnym języku. Mówisz AI „zbuduj mi stronę lądowania z sekcją hero, tabelą cenową i formularzem rejestracji”, a ono generuje działający kod.
Vibe coding podniósł poprzeczkę wejścia. Kierownik produktu może teraz prototypować aplikację. Projektant może zbudować funkcjonalną stronę internetową. Student może stworzyć narzędzie rozwiązujące realny problem. Bariera budowania spadła z „lat doświadczenia w kodowaniu” na „zdolność do opisania, czego chcesz”.
Narzędzia umożliwiające vibe coding: Cursor, Bolt, v0, Replit oraz w pewnym stopniu ChatGPT i Claude z generowaniem kodu.
Ograniczenie: Vibe coding produkuje działający kod, ale często z subtelnymi błędami projektowymi. Przykład Karpathy'ego: aplikacja wygenerowana przez AI, która dopasowywała płatności Stripe do kont Google za pomocą adresów e-mail zamiast trwałych ID użytkowników. Kod działał dobrze. Architektura była błędna. Junior developer by tego nie zauważył. Doświadczony developer dostrzegłby to natychmiast.
To właśnie Karpathy nazywa „jagged intelligence” — zdolność AI nie jest równomiernie rozłożona. Modele osiągają szczyty w obszarach, gdzie istnieją dane treningowe, nagrody i pętle weryfikacji, a zawodzą nieprzewidywalnie w innych.
Czym jest Agentic Engineering?
Agentic engineering to następna faza — używanie agentów AI do rozwoju na poziomie profesjonalnym przy zachowaniu ludzkiego nadzoru nad architekturą, decyzjami projektowymi i standardami jakości.
Gdy vibe coding to „opisz, czego chcesz, i zaakceptuj, co da AI”, agentic engineering to „używaj agentów AI do wykonywania, podczas gdy ty kierujesz, recenzujesz i korygujesz kurs”. Rola człowieka przesuwa się z pisania kodu na recenzowanie kodu, z implementacji na architekturę, z kodowania na inżynierię.
Narzędzia umożliwiające agentic engineering: Claude Code, OpenAI Codex, Hermes Agent oraz tryb agenta w Cursor. Te narzędzia nie tylko generują kod — planują wieloetapowe zadania, wykonują je, testują wyniki i iterują.
| Aspekt | Vibe Coding | Agentic Engineering |
|---|---|---|
| Kto to robi | Każdy — bez kodowania | Developerzy z oceną inżynierską |
| Rola AI | Generuje kod z opisów | Wykonuje wieloetapowe plany autonomicznie |
| Rola człowieka | Opisz, czego chcesz | Kieruj, recenzuj, koryguj |
| Jakość wyniku | Działa, ale może mieć błędy projektowe | Gotowe do produkcji z nadzorem |
| Kluczowa umiejętność | Umiejętność promptowania | Smak, ocena, wiedza o architekturze |
| Weryfikacja | „Czy działa?” | „Czy jest poprawne, bezpieczne, łatwe w utrzymaniu?” |
Czym jest Software 3.0?
Największa koncepcja Karpathy'ego. Jego framework ewolucji oprogramowania:
Software 1.0: Ludzie piszą każdą linię kodu. Jawne instrukcje. Deterministyczne zachowanie. To tradycyjne programowanie.
Software 2.0: Sieci neuronowe uczą się z danych. Zamiast pisać reguły, podajesz przykłady, a model uczy się wzorców. Computer vision, rozpoznawanie mowy, systemy rekomendacji. Karpathy ukuł ten termin w 2017 roku.
Software 3.0: Duże modele językowe stają się programowalną warstwą. Zamiast określać każdą instrukcję, developerzy opisują cele, ograniczenia i kontekst. Model interpretuje i wykonuje. Interfejsem jest język naturalny. Programem jest prompt.
W Software 3.0 LLM jest zarówno runtime'em, jak i językiem programowania. Nie piszesz kodu, który wywołuje LLM — LLM JEST kodem. Prompt JEST programem. A zadaniem developera jest zaprojektowanie promptu, kulturalizacja kontekstu i weryfikacja wyniku.
To dlatego context engineering staje się najważniejszą umiejętnością w AI. Jeśli prompt jest programem, to otaczający go kontekst określa zachowanie programu. Zarządzanie tym kontekstem to nowa forma inżynierii oprogramowania.
---📬 Otrzymujesz wartość z tego? Publikujemy co tydzień o umiejętnościach istotnych w AI. Odbieraj do skrzynki →
---Dlaczego Smak Jest Teraz Ważniejszy Niż Składnia?
Najbardziej cytowalny cytat Karpathy'ego z wykładu: „You can outsource thinking. You cannot outsource understanding.”
Agenci AI mogą pisać kod, generować szkice, wywoływać narzędzia i wykonywać zadania. Ale nie powiedzą ci, czy wynik jest dobry. To wymaga oceny — zdolności do rozpoznania, kiedy coś jest technicznie poprawne, ale architekturalnie błędne, kiedy kod działa, ale nie skaluje, kiedy funkcja działa, ale tworzy lukę bezpieczeństwa.
Karpathy nazywa to „taste”. To zdolność do spojrzenia na wynik wygenerowany przez AI i wiedzenia, czy jest właściwy. Nie tylko „czy się kompiluje”, ale „czy doświadczony inżynier zbudowałby to w ten sposób?”
Praktyczna implikacja: developerzy, którzy głęboko rozumieją podstawy, będą prosperować. Developerzy, którzy znają tylko powierzchowne kodowanie, będą mieli trudności, bo AI robi powierzchowne kodowanie lepiej niż oni. Wartość przesuwa się w górę stosu — z implementacji na architekturę, ze składni na ocenę, z pisania kodu na ocenianie kodu.
Co Oznacza „Jagged Intelligence”?
To termin Karpathy'ego na nierównomierne rozłożenie zdolności AI. Modele mogą osiągać niezwykłe wyniki w niektórych zadaniach, podczas gdy zawodzą niespodziewanie w innych. Inteligencja nie jest płynna — jest postrzępiona.
Kluczowe spostrzeżenie: AI automatyzuje to, co można zweryfikować. Zadania z jasnymi pętlami sprzężenia zwrotnego — czy kod przechodzi testy? czy matematyka się zgadza? czy wynik pasuje do oczekiwanego formatu? — to obszary, w których AI błyszczy. Zadania wymagające oceny w niejednoznacznych sytuacjach — czy to właściwa architektura? czy doświadczenie użytkownika jest intuicyjne? czy ta strategia ma sens? — to obszary, w których AI nadal sobie nie radzi.
Dla developerów oznacza to: im bardziej mierzalny wynik, tym bardziej użyteczne są narzędzia AI. Kodowanie, testowanie, analiza danych i strukturyzowane tworzenie treści są wysoce automatyzowalne. Projektowanie produktu, architektura systemów i podejmowanie strategicznych decyzji nadal wymagają ludzkiej oceny.
Jakie Umiejętności Są Potrzebne do Agentic Engineering?
Na podstawie frameworku Karpathy'ego, umiejętności najważniejsze w erze agentic engineering:
1. Głębokie zrozumienie podstaw. Gdy AI staje się lepsze, pokusa to uczyć się mniej. Karpathy twierdzi odwrotnie. Zrozumienie staje się wąskim gardłem. Potrzebujesz wystarczającej głębi, by kierować systemem, wiedzieć, co pytać, co sprawdzać, co odrzucić.
2. Projektowanie systemów i architektura. AI pisze funkcje. Ty projektujesz systemy. Zrozumienie, jak komponenty współdziałają, gdzie są punkty awarii i jak budować dla skali, staje się kluczową umiejętnością developera.
3. Weryfikacja i recenzja. Zdolność do krytycznego czytania kodu wygenerowanego przez AI — nie tylko „czy działa”, ale „czy to właściwe podejście?”. To wymaga tej samej głębokiej wiedzy, która pozwala pisać kod, zastosowanej inaczej.
4. Prompt i context engineering. Jeśli prompt jest programem, pisanie dobrych promptów to programowanie. Framework ICCSSE (Identity, Context, Constraints, Steps, Specifics, Examples) stosuje się bezpośrednio do agentic engineering — dajesz agentowi jasną specyfikację, tak jak pisałbyś dokument projektowy dla ludzkiego developera.
5. Orkiestracja narzędzi. Wiedza, które narzędzie AI użyć do którego zadania. Claude Code do pisania funkcji, Cursor do edycji, Hermes Agent do automatyzacji, Copilot do sugestii. Najlepsi inżynierowie łączą wiele narzędzi, zamiast polegać na jednym.
Aby wyostrzyć swoje promptowanie dla narzędzi AI do kodowania, wypróbuj darmowy Prompt Optimizer — stosuje strukturalne frameworki do dowolnego promptu. A dla praktycznego przewodnika po najlepszych narzędziach AI do kodowania dostępnych teraz, zobacz nasze porównanie Claude Code vs Codex.
---📬 Chcesz więcej takich treści? Omawiamy pomysły kształtujące pracę praktyków AI, co tydzień. Zapisz się za darmo →
---Często Zadawane Pytania
Czy vibe coding jest martwe?
Nie. Vibe coding zostaje — to punkt wejścia dla nie-developerów do budowania oprogramowania. Agentic engineering to profesjonalna ewolucja dla tych, którzy potrzebują wyników gotowych do produkcji. Oba współistnieją. Pomyśl o vibe coding jak o szkicowaniu, a agentic engineering jak o architekturze.
Czy muszę się uczyć kodowania, jeśli AI pisze kod za mnie?
Tak, ale inaczej. Nie musisz zapamiętywać składni. Musisz rozumieć, jak działa oprogramowanie — struktury danych, projektowanie systemów, zasady bezpieczeństwa, kompromisy wydajności. Wiedza, która pozwala ocenić, czy kod wygenerowany przez AI jest poprawny i odpowiedni.
Kiedy Software 3.0 stanie się mainstreamem?
To już się dzieje w wąskich dziedzinach — asystenci kodowania, generowanie treści, analiza danych. Pełne Software 3.0 (gdzie większość aplikacji jest natywna dla LLM) jest w odległości 3-5 lat na podstawie obecnych trajektorii. Przejście będzie stopniowe, nie nagłe.
Jaka jest różnica między agentic engineering a używaniem ChatGPT do kodowania?
ChatGPT generuje fragmenty kodu w odpowiedzi na prompty. Agentic engineering używa autonomicznych agentów (Claude Code, Codex, Hermes), które planują wieloetapowe zadania, wykonują je w twoim rzeczywistym kodzie źródłowym, testują wyniki i iterują — wszystko przy minimalnej interwencji człowieka. To różnica między prośbą o wskazówki a wynajęciem kierowcy.
Ujawnienie: Niektóre linki w tym artykule to linki afiliacyjne. Polecamy tylko narzędzia, które osobiście testowaliśmy i regularnie używamy. Zobacz naszą pełną politykę ujawniania.