- Jak agent AI uczy się na błędach zespołu? Audyt artefaktów i doskonalenie skilli - 27 października 2026
- Co zmienia się dla klienta, gdy partner wdrożeniowy pracuje z agentami AI? - 26 października 2026
- Jak wygląda wytwarzanie oprogramowania z agentami AI w praktyce? Proces eVolpe krok po kroku - 22 października 2026
Vibe coding i agentic engineering to dwa sposoby tworzenia oprogramowania z pomocą modeli językowych. Oba nazwał Andrej Karpathy. Vibe coding polega na generowaniu kodu z promptów i akceptowaniu go bez czytania. Agentic engineering to model pracy, w którym agenci AI piszą i testują kod, a inżynier projektuje zadanie, nadzoruje wykonanie i odpowiada za wynik. Różnica nie dotyczy narzędzi, tylko poziomu kontroli. To ona decyduje, czy kod nadaje się na produkcję.
Czym jest Vibe Coding?
Vibe coding to styl tworzenia oprogramowania, w którym użytkownik opisuje w języku naturalnym, co ma powstać, a model AI generuje kod, którego nikt nie czyta ani nie weryfikuje. Termin wprowadził Andrej Karpathy, współzałożyciel OpenAI, we wpisie na X z 2 lutego 2025 roku. Opisał w nim pracę, w której zapomina się, że kod w ogóle istnieje. Jedyną miarą sukcesu jest to, czy program działa po uruchomieniu.
W praktyce vibe coding przypomina pętlę: prompt, uruchomienie, obserwacja efektu, kolejny prompt. Błędy zgłasza się modelowi do poprawy, zamiast szukać ich przyczyny w kodzie. Vibe coding ma niski próg wejścia. Może z niego korzystać zarówno programista, jak i citizen developer z wiedzą domenową, ale bez doświadczenia w programowaniu. Dlatego vibe coding dobrze sprawdza się w prototypach, demonstracjach i jednorazowych narzędziach.
W pracy zawodowej programistów vibe coding pozostaje praktyką niszową. W Stack Overflow Developer Survey 2025 wzięło udział ponad 49 tys. osób ze 177 krajów. 84% z nich używa narzędzi AI lub planuje to robić. Jednocześnie 72% ankietowanych stwierdziło, że vibe coding nie jest częścią ich pracy zawodowej, a kolejne 5% zdecydowanie go odrzuciło (Stack Overflow, 2025). Powszechne użycie AI nie oznacza więc rezygnacji z kontroli nad kodem.
Czym jest agentic engineering?
Agentic engineering to sposób wytwarzania oprogramowania, w którym agenci AI planują, piszą i testują kod, a inżynier definiuje zadanie, nadzoruje pracę agentów i odpowiada za jakość wyniku. Nazwę zaproponował Andrej Karpathy 8 lutego 2026 roku, w pierwszą rocznicę wpisu o vibe codingu (The New Stack, 2026). „Agentic”, bo domyślnie nie pisze się już kodu samodzielnie, tylko orkiestruje agentów. „Engineering”, bo wymaga to wiedzy i warsztatu.
Agentic engineering zmienia przede wszystkim rolę człowieka, a nie ilość kodu generowanego przez AI. Agent działa w cyklu: otrzymuje zadanie, przygotowuje plan, wprowadza zmiany w wielu plikach, uruchamia testy, analizuje wyniki i poprawia błędy. Inżynier zatwierdza plan, przegląda zmiany i decyduje o wdrożeniu. Agentic engineering zakłada więc to, z czego vibe coding świadomie rezygnuje: specyfikację, testy automatyczne, code review i jasno przypisaną odpowiedzialność za kod.
Czym różnią się vibe coding i agentic engineering?
Vibe coding i agentic engineering różnią się przede wszystkim tym, kto i jak weryfikuje kod. W vibe codingu weryfikacją jest uruchomienie programu: jeśli działa, praca jest skończona. W agentic engineering kod przechodzi przez testy, przegląd i bramki akceptacji, zanim trafi na produkcję. Z tej jednej różnicy wynikają kolejne: inny cel, inny profil użytkownika, inne ryzyka i inne miejsce w cyklu życia oprogramowania.
| Kryterium | Vibe coding | Agentic engineering |
|---|---|---|
| Cel | Szybko uzyskać działający efekt | Dostarczyć utrzymywalne oprogramowanie produkcyjne |
| Kto pisze kod | Model AI na podstawie promptów | Agenci AI według zatwierdzonego planu |
| Czy ktoś czyta kod | Nie, z założenia | Tak, analiza kodu pozwala na optymalizacje procesu |
| Rola człowieka | Opisuje efekt i ocenia działanie | Projektuje zadanie, nadzoruje, zatwierdza |
| Specyfikacja | Ogólny opis w prompcie | User story, standardy, kontekst projektu |
| Testy i code review | Zwykle brak | Testy automatyczne i przegląd zmian |
| Wymagane kompetencje | Wiedza domenowa | Architektura, bezpieczeństwo, procesy |
| Główne ryzyko | Podatności i dług technologiczny | Błędy agenta przepuszczone przez słabą kontrolę |
| Typowe zastosowanie | Prototyp, PoC, narzędzie jednorazowe | Rozwój i utrzymanie systemów CRM, HCM, ERP |
| Horyzont życia kodu | Dni lub tygodnie | Lata |
Kiedy vibe coding wystarczy, a kiedy staje się ryzykiem?
Vibe coding wystarczy wtedy, gdy kod ma żyć krótko i nie dotyka danych produkcyjnych. Dobre przykłady to prototyp integracji CRM z nowym kanałem komunikacji, makieta ekranu dla interesariuszy czy skrypt jednorazowo porządkujący eksport danych. W takich zastosowaniach liczy się tempo weryfikacji pomysłu, a ewentualne błędy kosztują niewiele. Prototyp powstały metodą vibe codingu warto traktować jako materiał do rozmowy o wymaganiach, nie jako gotowy komponent.
Vibe coding staje się ryzykiem, gdy niesprawdzony kod trafia do systemu produkcyjnego. Veracode w raporcie 2025 GenAI Code Security Report przeanalizował 80 zadań programistycznych wykonanych przez ponad 100 modeli językowych. W 45% przypadków wygenerowany kod zawierał podatności, a dla Javy odsetek błędów bezpieczeństwa przekroczył 70% (Veracode, 2025). W centralnym CRM obsługującym sprzedaż, serwis i marketing oznacza to realne ryzyko dla danych klientów.
Drugim problemem vibe codingu w środowisku produkcyjnym jest utrzymanie. Kod generowany doraźnie bywa niespójny, pozbawiony architektury i trudny do rozwijania przez kolejne osoby. Programiści dostrzegają to coraz wyraźniej: według Stack Overflow Developer Survey 2025 aż 46% z nich nie ufa trafności wyników generowanych przez AI, wobec 31% rok wcześniej (Stack Overflow, 2025). Im dłużej kod ma działać, tym droższy staje się brak przeglądu.
Jak wygląda agentic engineering w praktyce zespołu wdrożeniowego?
Agentic engineering zaczyna się od opisania procesu, a nie od wyboru narzędzia. W eVolpe testujemy to podejście przy pracach nad projektami wdrożeniowymi. Pracę dewelopera podzieliliśmy na etapy: planowanie, implementację, self-testy, code review, testy i iterację poprawek. Dopiero tak opisany proces pozwala sprawdzić, które etapy są powtarzalne, dają się sparametryzować i, co najważniejsze, zweryfikować.
Agent pracujący w Claude Code od Anthropic dostaje User Story, planuje kroki, implementuje zmiany, uruchamia testy i poprawia błędy, zanim zgłosi gotowość do przeglądu. Wiedzę o projekcie czerpie ze skilli, czyli ustrukturyzowanych instrukcji. Skille techniczne opisują architekturę i standardy, a skille procesowe opisują planowanie, code review czy self-testy. Bez takiego kontekstu agent działa generycznie i tworzy kod niespójny z resztą systemu.
Odpowiedzialność za efekt końcowy pozostaje po stronie programisty, który sprawdza, czy kod jest poprawny, bezpieczny i zgodny z intencją biznesową. Gdy agent popełni błąd, programista nie tylko go poprawia, ale też ustala, czy źródłem był nieprecyzyjny skill, i aktualizuje go. Weryfikacja jest więc jednocześnie doskonaleniem systemu. Szczegóły opisujemy w artykułach o agentic engineering we wdrożeniu systemu i o bramkach akceptacji decyzji agenta.
Czy agentic engineering to to samo co agenci AI w CRM?
Nie. Agentic engineering dotyczy sposobu tworzenia oprogramowania, a agenci AI w CRM są funkcją samego systemu biznesowego. W agentic engineering agent pisze i testuje kod. Agent w CRM, na przykład w Creatio, kwalifikuje leady, przygotowuje wstępne oferty, aktualizuje rekordy czy uruchamia kampanie w systemie marketing automation. Oba zjawiska korzystają z podobnej architektury: modelu językowego, narzędzi, pamięci i pętli planowania.
Rozróżnienie ma znaczenie przy planowaniu projektu. Klasyczna AI w CRM ograniczała się do predykcji i rekomendacji, np. scoringu leadów, a decyzję podejmował użytkownik. Agent CRM sam inicjuje działania w dozwolonym zakresie, więc wymaga zarządzania uprawnieniami, audytu działań i deterministycznych reguł, których model nie może obejść. Zespół budujący takiego agenta może stosować agentic engineering, ale oba pojęcia nie są tożsame.
Jak PM i decydent IT powinni ocenić projekt oparty na AI?
Project manager i decydent IT powinni najpierw ustalić, czy mają do czynienia z eksperymentem, czy z rozwiązaniem produkcyjnym. Eksperyment, np. prototyp nowej integracji, może powstać metodą vibe codingu i zostać porzucony po weryfikacji pomysłu. Rozwiązanie produkcyjne wymaga pełnego cyklu: specyfikacji, testów, przeglądu kodu, kontroli uprawnień i właściciela odpowiedzialnego za utrzymanie. Samo pytanie „czy projekt wykorzystuje AI” przestaje wystarczać.
Przy wyborze partnera wdrożeniowego warto zadać trzy pytania. Czy partner ma opisany i powtarzalny proces wytwarzania, który agenci mogą przyspieszyć? Czy standardy kodowania i architektura systemu są udokumentowane na tyle, by przekazać je agentowi? Czy w projekcie działają testy automatyczne i code review, które wychwycą błędy agenta? Odpowiedź „nie” na którekolwiek z nich oznacza, że pierwszym krokiem jest uporządkowanie procesu, a nie zakup narzędzia.
Vibe coding i agentic engineering nie wykluczają się, tylko tworzą ścieżkę dojrzewania. Vibe coding przyspiesza weryfikację pomysłów, a agentic engineering pozwala bezpiecznie przenieść je na produkcję. Organizacja, która zaczyna od pilotażu, a potem buduje procesy, standardy i mechanizmy kontroli, ogranicza ryzyko. Jednocześnie stopniowo zdobywa kompetencje potrzebne do pracy z agentami AI w systemach CRM, HCM i marketing automation.
Najczęściej zadawane pytania
Andrej Karpathy, współzałożyciel OpenAI, we wpisie na X z 2 lutego 2025 roku. Opisał w nim styl pracy, w którym kod generowany przez AI przyjmuje się bez czytania, a jedynym sprawdzianem jest to, czy program działa.
Andrej Karpathy zaproponował go 8 lutego 2026 roku jako nazwę profesjonalnej pracy z agentami AI, która zastępuje vibe coding. Nazwa podkreśla, że agenci piszą kod, a inżynier nimi kieruje i sprawuje nadzór.
Co do zasady nie. Kod generowany bez przeglądu i testów często zawiera podatności. Veracode wykazał je w 45% badanych zadań (2025). Vibe coding dobrze sprawdza się w prototypach, proof of concept i jednorazowych narzędziach.
Tak. Inżynier musi ocenić plan agenta, przejrzeć zmiany, rozumieć architekturę systemu i projektować testy. Agentic engineering zmienia rolę programisty z autora kodu na architekta i recenzenta, ale nie eliminuje potrzeby wiedzy technicznej.
W AI-assisted coding model podpowiada kod, a programista akceptuje kolejne fragmenty. W agentic engineering agent realizuje całe zadanie: planuje, zmienia wiele plików i uruchamia testy. Człowiek przegląda gotową propozycję.
Nie. Agentic engineering opisuje sposób tworzenia oprogramowania. Agentic AI w CRM to agenci działający wewnątrz systemu, np. kwalifikujący leady lub przygotowujący oferty. Obie dziedziny korzystają z podobnej architektury, ale rozwiązują inne problemy.
Od opisania rzeczywistego procesu wytwarzania i udokumentowania standardów kodowania. Następnie warto wybrać jeden powtarzalny etap, np. self-testy lub code review, i przekazać go agentowi z obowiązkowym przeglądem człowieka.
Jesteś gotowy na prowadzenie dużego projektu wdrożeniowego w Twojej firmie?
Wiesz, o co zapytać dostawcę? Jak przygotować własny zespół? Jak stworzyć skuteczne zapytanie ofertowe? Jaką metodykę wybrać? Na co zwrócić uwagę negocjując umowę wdrożeniową i serwisową?
Specjalnie dla Ciebie stworzyliśmy darmowy kurs mailowy przygotowujący do prowadzenia wdrożeń.
Codziennie przez dwa tygodnie otrzymasz od nas na swoją skrzynkę kolejną dawkę wiedzy, która pozwoli odnaleźć Ci się w tym skomplikowanym procesie.
Darmowy kurs mailowy
Źródła
- Andrej Karpathy, wpis na X wprowadzający termin „vibe coding”, 2 lutego 2025: https://x.com/karpathy/status/1886192184808149383
- The New Stack, Vibe coding is passé. Karpathy has a new name for the future of software, 10 lutego 2026: https://thenewstack.io/vibe-coding-is-passe/
- Stack Overflow, 2025 Developer Survey – AI: https://survey.stackoverflow.co/2025/ai
- Veracode, 2025 GenAI Code Security Report (komunikat prasowy, 30 lipca 2025): https://www.veracode.com/press-release/ai-generated-code-poses-major-security-risks-in-nearly-half-of-all-development-tasks-veracode-research-reveals/
- Jak agent AI uczy się na błędach zespołu? Audyt artefaktów i doskonalenie skilli - 27 października 2026
- Co zmienia się dla klienta, gdy partner wdrożeniowy pracuje z agentami AI? - 26 października 2026
- Jak wygląda wytwarzanie oprogramowania z agentami AI w praktyce? Proces eVolpe krok po kroku - 22 października 2026
