Πρέπει να Σταματήσουμε να Ονομάζουμε Όλα «Vibe Coding»

Επέστρεψα στον προγραμματισμό μετά από ένα μεγάλο διάλειμμα, και το Lovable ήταν όπου το ξαναπιάσαμε. Οι εφαρμογές έδειχναν εξαιρετικές, λειτουργούσαν με μια ματιά, και ολοκληρώθηκαν σε λίγες ώρες. Στην αρχή, αυτό φαινόταν αξιοσημείωτο. Αλλά δεν ήταν πλέον αρκετό τη στιγμή που ήθελα να ξέρω τι έκανε ο κώδικας – και γιατί. Εκείνη ήταν η στιγμή που η προσέγγισή μου άρχισε να αλλάζει.

Η διαφορά δεν αφορά το εργαλείο, ή το πόσο κώδικα γράφει η AI για εσάς. Είναι για τη σύμβαση που αποδέχεστε με το αποτέλεσμα: αν μπορείτε να εξηγήσετε τι μόλις απελευθερώσατε στον κόσμο, ή όχι.

Το Vibe coding, στην αρχική του έννοια, σημαίνει αποδοχή λογισμικού που παράγεται από AI χωρίς να το εξετάζετε ή να το κατανοείτε επαρκώς. Η ανάπτυξη με υποβοήθηση AI είναι διαφορετική. Το μοντέλο μπορεί ακόμα να γράφει το μεγαλύτερο μέρος του κώδικα, αλλά το άτομο που χτίζει το σύστημα παραμένει υπεύθυνο για την κατανόηση της συμπεριφοράς του, τη δοκιμή των υποθέσεων του και την απόφαση αν είναι έτοιμο για κυκλοφορία.

Για ένα φθηνό πείραμα που ποτέ δεν αφήνει τη δική σας μηχανή, η διάκριση μπορεί να έχει λίγες συνέπειες. Μόλις το λογισμικό αναπτυχθεί, χρησιμοποιηθεί από άλλους ή συνδεθεί με πραγματικά δεδομένα, η σημασία του είναι τεράστια.

Πώς η «Vibe Coding» Χάθηκε το νόημά της

Ο όρος «vibe coding» επινοήθηκε τον Φεβρουάριο του 2025 από τον Andrej Karpathy, συν-ιδρυτή της OpenAI. Το παράδειγμά του ήταν σκόπιμα χαλαρό: ένα “πρότζεκτ-παράπτωμα του Σαββατοκύριακου” που δημιουργήθηκε με αυτόματο κλικ στο “Accept All”, αγνοώντας τις διαφορές και αφήνοντας τον κώδικα να αναπτυχθεί πέρα από την κατανόησή του.

Μερικές εβδομάδες αργότερα, ο προγραμματιστής και δημιουργός εργαλείων Simon Willison παρατήρησε ότι ο όρος χρησιμοποιείται πολύ διαφορετικά: ως υποκατάστατο για οποιονδήποτε προγραμματισμό με υποβοήθηση AI, κάτι που, κατά τη γνώμη του, αμβλύνει τον όρο και δίνει ψευδή εντύπωση για το τι μπορεί να επιτύχει η υπεύθυνη ανάπτυξη με AI.

Το ενδιαφέρον είναι ότι ο Karpathy τελικά συμφώνησε. Ένα χρόνο αργότερα, παρουσίασε έναν διαφορετικό όρο για πιο πειθαρχημένη εργασία με πράκτορες κώδικα. Περιέγραψε την “agentic engineering” ως μια ροή εργασίας στην οποία οι προγραμματιστές καθοδηγούν και επιβλέπουν τους πράκτορες αντί να αποδέχονται απλώς ό,τι παράγουν. Η διάκριση είναι σημαντική: η επαγγελματική ανάπτυξη με AI απαιτεί σχεδιασμό, επιμέλεια και λογοδοσία με τρόπους που ο χαλαρός vibe coding δεν προσφέρει.

Η Γραμμή είναι η Ευθύνη

Ο κανόνας του Willison είναι απλός, και λειτουργεί ως δοκιμή για όποιον: μην δεσμεύετε κώδικα που δεν μπορείτε να εξηγήσετε σε κάποιον άλλο. Αυτό δεν σημαίνει να διαβάζετε κάθε γραμμή: με πράκτορες που παράγουν εκατοντάδες γραμμές ταυτόχρονα, ακόμη και οι έμπειροι προγραμματιστές δεν το κάνουν πια. Σημαίνει να κατανοείτε τη βασική λογική και να μπορείτε να δικαιολογήσετε γιατί ο κώδικας κάνει ακριβώς ό,τι κάνει. Αν μπορείτε, δεν έχει σημασία αν το έγραψε ένα μοντέλο ή εσείς: αυτό δεν είναι vibe coding, είναι χρήση εργαλείου για δημιουργία λογισμικού.

Έρευνα που δημοσιεύτηκε τον Δεκέμβριο του 2025 υποστηρίζει αυτή τη διάκριση. Βασιζόμενοι σε παρατηρήσεις πεδίου και μια ποιοτική έρευνα επαγγελματιών προγραμματιστών, οι ερευνητές διαπίστωσαν ότι οι έμπειροι επαγγελματίες διατήρησαν τον έλεγχο του σχεδιασμού και της υλοποίησης του λογισμικού, αντί να παραδώσουν όλη τη διαδικασία στην AI. Θεωρούσαν τους πράκτορες ως συνεργάτες, σχεδίαζαν τη δουλειά τους προσεκτικά και παρέμεναν ενεργά στην εποπτεία.

Έτσι, η εμπειρία από μόνη της δεν το εξηγεί. Πρόκειται για το αν είστε διατεθειμένοι να αναλάβετε την ευθύνη για ό,τι δημιούργησε η AI. Αυτή είναι μια απόφαση που κάθε προγραμματιστής επαναλαμβάνει ξανά και ξανά σε κάθε έργο.

Τι Συμβαίνει Όταν Λείπει ο Έλεγχος

Οι συνέπειες της κυκλοφορίας λογισμικού χωρίς κατανόηση ή επαλήθευση της ασφάλειάς του δεν είναι αφηρημένες. Η Tea, μια εφαρμογή που σχεδιάστηκε για να βοηθά τις γυναίκες να παραμένουν ασφαλείς ενώ βγαίνουν ραντεβού, αποκάλυψε δεκάδες χιλιάδες φωτογραφίες ταυτοτήτων και πάνω από ένα εκατομμύριο ιδιωτικά μηνύματα σε δύο περιστατικά ασφαλείας. Οι αποτυχίες περιελάμβαναν έναν μη ασφαλή κάδο αποθήκευσης και μια ξεχωριστή βάση δεδομένων προσβάσιμη χωρίς πιστοποίηση.

Το ίδιο υποκείμενο πρόβλημα – λογισμικό που φαίνεται να λειτουργεί ενώ η λογική εξουσιοδότησής του παραμένει επικίνδυνα λανθασμένη – εμφανίστηκε σε μια εφαρμογή που χτίστηκε στην πλατφόρμα Lovable: η έρευνα ασφαλείας διαπίστωσε ότι η λογική εξουσιοδότησης ήταν αντιστροφή, κλειδώνοντας τους συνδεδεμένους χρήστες ενώ επέτρεπε ελεύθερα σε μη πιστοποιημένους επιτιθέμενους, επηρεάζοντας πάνω από 18.000 χρήστες, συμπεριλαμβανομένων φοιτητών.

Αυτές δεν είναι μεμονωμένες περιπτώσεις που συμβαίνουν μόνο σε “κακά” έργα. Σύμφωνα με την έκθεση DORA του 2025 της Google, το 90 % των προγραμματιστών χρησιμοποιεί τώρα AI στη δουλειά, ενώ περίπου το ένα τρίτο αναφέρει μικρή ή καθόλου εμπιστοσύνη σε ό,τι παράγει.

Η χρήση AI είναι πλέον διαδεδομένη, παρόλο που η εμπιστοσύνη παραμένει περιορισμένη. Και αυτό καθιστά την προσεκτική ανασκόπηση ιδιαίτερα σημαντική όταν ο παραγόμενος κώδικας διαχειρίζεται πιστοποίηση, δικαιώματα ή ευαίσθητα δεδομένα.

Ο Έλεγχος Κατασκευάζεται σε Στρώματα, Όχι Όλα Μαζί

Στην περίπτωσή μου, δεν ξεκίνησα με μια επίσημη ασφάλεια. Απλώς αρνήθηκα να προχωρήσω όποτε δεν μπορούσα να εξηγήσω γιατί κάτι συμπεριφερόταν όπως έκανε – ένα φυσικό ένστικτο που φέρνω στη δουλειά μου ως αναλυτής. Με ενδιαφέρει λιγότερο η σύνταξη από το αν το αποτέλεσμα ταιριάζει με αυτό που αρχικά χρειάζονταν. Όταν δεν ταιριάζει, συνεχίζω να ερευνώ.

Η ροή εργασίας μου έγινε πιο δομημένη καθώς τα έργα γίνονταν πιο σοβαρά. Αντί να βασίζομαι μόνο στις προτροπές, άρχισα να ετοιμάζω προδιαγραφές πριν δημιουργήσω οτιδήποτε. Κατέγραψα τις επιχειρηματικές απαιτήσεις, το τεχνολογικό στοίβα και τις ενσωματώσεις. Στη συνέχεια ήρθαν οι μονάδες δοκιμών και οι δοκιμές Playwright για τις κύριες διαδρομές χρηστών.

Οι έλεγχοι ασφαλείας προστέθηκαν με παρόμοιο τρόπο. Εξέτασα τις βιβλιοθήκες που επέλεξε η AI και εισήγαγα σάρωση κακόβουλου λογισμικού για τα ανεβασμένα αρχεία. Κάθε έλεγχος προήλθε από το ερώτημα τι θα μπορούσε να πάει στραβά στη συνέχεια, αντί να ακολουθώ μια λίστα ελέγχων που είχα ετοιμάσει στην αρχή.

Αυτή η συνήθεια εντόπισε ένα πρόβλημα σε ένα έργο. Η AI εισήγαγε μια βιβλιοθήκη που ήταν ασύμβατη με την έκδοση του πλαισίου που χρησιμοποιούσα. Η εφαρμογή δεν είχε αποτύχει εντελώς, οπότε η ασυμβατότητα θα μπορούσε εύκολα να παραμείνει αθέατη. Η εύρεσή της αργότερα θα είχε κάνει την αιτία πολύ πιο δύσκολη να εντοπιστεί.

Σε σύγκριση με τις περιπτώσεις Tea και Lovable, αυτό ήταν ένα συνηθισμένο πρόβλημα. Το βρήκα νωρίς, το διόρθωσα και προχώρησα. Αυτό είναι το τι συνήθως φαίνεται η ανασκόπηση στην πράξη. Τις περισσότερες φορές, αποτρέπει μικρά προβλήματα να μεγαλώσουν σε μεγαλύτερα.

Δεν αμφισβητώ τον κώδικα μόνο επειδή τον παρήγαγε η AI. Επίσης, δεν τον εμπιστεύομαι μόνο επειδή η εφαρμογή λειτουργεί. Οι δοκιμές και η ανασκόπηση είναι ο τρόπος με τον οποίο καθορίζω αν συμπεριφέρεται όπως προβλέπεται.

Από το Vibe Coding στην Agentic Engineering

Η δική του μετάβαση του Karpathy από το “vibe coding” προς το “agentic engineering” δεν είναι απλώς αλλαγή λεξιλογίου. Η “agentic engineering” μας δίνει ένα πιο χρήσιμο όνομα για την κατεύθυνση που παίρνει η επαγγελματική ανάπτυξη. Οι προγραμματιστές μπορεί να γράφουν λιγότερες γραμμές μόνοι τους, αλλά αυτό δεν μειώνει την ευθύνη τους. Μετατοπίζει τη δουλειά τους προς τον καθορισμό του τι πρέπει να κάνει το σύστημα, την καθοδήγηση των πρακτόρων, τη δοκιμή των αποτελεσμάτων τους και την απόφαση τι είναι ασφαλές να κυκλοφορήσει.

Ο κίνδυνος δεν είναι ότι η AI δημιουργεί κώδικα γρήγορα. Είναι ότι η δημιουργία μπορεί να προχωρήσει πιο γρήγορα από την κατανόηση. Όταν συμβαίνει αυτό, η φαινομενική παραγωγικότητα κρύβει κινδύνους που κανείς δεν έχει εξετάσει σωστά.

Ένας Κανόνας που Αξίζει να Διατηρηθεί

Σταματήστε να χρησιμοποιείτε το “vibe coding” ως ετικέτα για κάθε μορφή ανάπτυξης με AI – αμβλύνει τον όρο και διαγράφει μια διάκριση στον έλεγχο που είναι σημαντική. Θέστε έναν απλό κανόνα: μην κυκλοφορείτε κάτι που δεν μπορείτε να εξηγήσετε. Και ενσωματώστε τον έλεγχο στο έργο καθώς μεγαλώνει, στρώμα προς στρώμα, προσθέτοντας ελέγχους σύμφωνα με τους κινδύνους που εμφανίζονται.

Η AI μπορεί να γράψει το μεγαλύτερο μέρος του κώδικα. Δεν μπορεί να αναλάβει την ευθύνη για την κυκλοφορία του. Αυτό παραμένει δική μας.