92% amerykańskich programistów używa narzędzi AI do kodowania — programów, które podpowiadają lub piszą za ciebie kod — każdego dnia. Na koniec marca 2026 roku, raport Hashnode State of Vibe Coding mówi wprost: 46% nowego kodu jest generowane przez AI. W Google to 25%. W co piątym startupie z Y Combinator Winter 2025 — najbardziej prestiżowego akceleratora startupów na świecie — codebase składa się w 91%+ z kodu napisanego przez maszynę.

Adopcja wygrała. Wojna skończona. AI pisze nasz kod.

Ale tu viby zderzają się z danymi.

Iluzja produktywności

Badanie METR — organizacji badawczej mierzącej możliwości AI — opublikowane w lipcu 2025 wykazało, że programiści korzystający z narzędzi AI byli w rzeczywistości 19% wolniejsi w realizacji zadań. Przed badaniem ci sami programiści przewidywali, że będą 24% szybsi. Po badaniu — po zmierzeniu, policzeniu czasu i udowodnieniu, że są wolniejsi — nadal wierzyli, że byli 20% szybsi.

Przeczytaj to jeszcze raz. Programiści są mierzalnie wolniejsi z narzędziami AI, ale szczerze wierzą, że są szybsi. 95% raportuje poczucie większej produktywności przy jednoczesnym generowaniu kodu gorszej jakości.

To nie jest problem narzędzi. To jest problem błędu poznawczego. I ma już swoją nazwę: paradoks vibe codingu.

Klif jakości

Odczucia stają się jeszcze mniej wiarygodne, gdy spojrzysz na jakość kodu. W grudniu 2025 CodeRabbit przeanalizował 470 pull requestów na GitHubie (PR-ów — proponowanych zmian w kodzie, które zespół recenzuje przed mergem) i stwierdził, że kod współtworzony z AI zawiera 1.7x więcej poważnych błędów niż kod napisany przez ludzi. 45% próbek wygenerowanych przez AI zawiera podatności z OWASP Top-10 — dziesięciu najczęstszych luk bezpieczeństwa w aplikacjach webowych. Second Talent raportuje, że Tenzai znalazł 69 podatności w zaledwie 15 testowych aplikacjach zbudowanych narzędziami vibe coding w audycie ze stycznia 2026 — sześć z nich krytycznych. Ponad 10% aplikacji zbudowanych w Lovable trafiło na produkcję z bugami ujawniającymi dane użytkowników.

Code churn — przepisywanie kodu, który właśnie napisałeś — wzrósł o 41%. Duplikacja kodu — skopiowane bloki porozrzucane po projekcie — skoczyła 4-krotnie. Refactoring — przepisywanie kodu tak, by był czystszy bez zmiany funkcjonalności — spadł z 25% zmienionych linii w 2021 do poniżej 10% w 2024. Więcej kodu niż kiedykolwiek. Mniej utrzymania niż kiedykolwiek.

Wisienka na torcie: 41% programistów pushuje kod wygenerowany przez AI na produkcję bez pełnego review. Tymczasem 63% twierdzi, że debugowanie kodu AI zajmuje im więcej czasu niż ręczne pisanie by zabrało.

Zaufanie spada, ale nikt nie przestaje

Zaufanie programistów do kodu generowanego przez AI spadło z 77% w 2023 do 60% w 2026. Tylko 33% ufa dokładności kodu AI, w porównaniu z 43% w 2024. Programiści wiedzą, że kod jest coraz gorszy. I tak dalej używają tych narzędzi.

Bo viby są świetne. Kod — nie.

Kto naprawdę na tym korzysta

Seniorzy z 10+ latami doświadczenia raportują 81% wzrost produktywności. Prototypowanie — budowanie szybkich wersji testowych do sprawdzenia pomysłów — jest realizowane 20–45% szybciej. Narzędzia wewnętrzne powstają 60% szybciej, według danych IBM.

Wzorzec jest jasny: narzędzia AI do kodowania wzmacniają to, co już umiesz. Senior używający AI do boilerplate'u — powtarzalnego kodu setupowego, którego potrzebuje każdy projekt — jest naprawdę szybszy. Junior vibujący przez architekturę, której nie rozumie, buduje fabrykę bugów, która wygląda jak maszyna do produktywności.

Trzy narzędzia, które faktycznie coś zmieniły

Morph przetestował 15 agentów AI do kodowania w marcu 2026. Tylko trzy przesunęły igłę:

  1. Claude Code — 80.9% na SWE-bench (standaryzowany test dla AI kodującego, taki jak matura, ale dla agentów kodujących), najlepszy w złożonym rozumowaniu wieloplikowym
  2. Codex CLI — 77.3% na Terminal-Bench, najszybszy output przy 240+ tokenach na sekundę (tokeny to fragmenty słów przetwarzane przez AI, mniej więcej ¾ angielskiego słowa)
  3. Cursor — 360 tys. płacących klientów, najlepsze codzienne doświadczenie kodowania w IDE

Kluczowe odkrycie: gdy Augment, Cursor i Claude Code uruchomiono na tym samym modelu AI (Opus 4.5), różnica wynosiła zaledwie 17 problemów na 731 zadań. Architektura agenta — rusztowanie wokół modelu decydujące o tym, jak planuje, wyszukuje i wykonuje — ma większe znaczenie niż sam model.

Prawdziwy take

Patrzyłem, jak ta branża przeszła od 'AI zastąpi programistów" przez 'AI przyspiesza programistów" do 'czekaj, czy my jesteśmy wolniejsi?" w jakieś 18 miesięcy. Speedrun cyklu hype'u.

Vibe coding to fast food inżynierii oprogramowania. Wygodny, wszędzie dostępny, i myślisz, że oszczędzasz czas, powoli trując swój codebase. Sam stat o 4-krotnej duplikacji kodu powinien spędzać sen z powiek architektom. Uczymy całe pokolenie programistów, że kopiuj-wklej-zmodyfikuj to architektura.

Badanie METR z lipca 2025 to najbardziej obciążający punkt danych w branży tech. Gdyby w jakiejkolwiek innej branży okazało się, że specjaliści są mierzalnie gorsi w swojej pracy, ale wierzą, że są lepsi, ktoś już zadawałby pytania przed komisją śledczą.

Rozwiązaniem nie jest porzucenie narzędzi AI. Rozwiązaniem jest przestanie vibować i zaczęcie weryfikowania. Czytaj diff. Odpalaj testy. Zrozum co maszyna napisała, zanim to wyślesz na prod. 81% wzrost produktywności u seniorów dowodzi, że narzędzia działają — ale tylko wtedy, gdy wiesz wystarczająco dużo, by złapać błędy AI.

Era vibe codingu dała nam adopcję. Następna era musi dać nam jakość. W przeciwnym razie budujemy połowę naszej infrastruktury na vibach i modlitwach.

vibe-coding ai-coding-tools developer-productivity code-quality ai-agents