Vibecoding não é tão divertido quanto escrever código à mão

Artigo original ↗ Discussão no Hacker News ↗

Muitos programadores experientes dizem que deixar agentes de IA escreverem a maior parte do código parece menos satisfatório do que “codificar à mão”, trocando a alegria do flow, do artesanato e do aprendizado por um papel mais gerencial de revisar e orientar a saída da máquina. Outros acolhem o chamado “vibecoding” como uma ferramenta poderosa que elimina boilerplate, viabiliza projetos paralelos antes inviáveis e permite que especialistas de domínio criem software sem habilidades profundas de programação. Em todas as perspectivas, as pessoas lidam com quanto valorizam o processo em relação ao produto final, como manter as habilidades afiadas em um fluxo de trabalho pesado em IA e o que essa mudança significa para carreiras em desenvolvimento de software.

“Diversão” subjetiva e como enquadrá-la

  • Muitos argumentam que diversão é inerentemente pessoal; dizer “X não é divertido” é obviamente uma afirmação sobre a própria experiência.
  • Outros acham que autores ainda deveriam sinalizar subjetividade (“eu acho”, “para mim”) para evitar discussões intermináveis e a percepção de clickbait.
  • Alguns veem a reação negativa como defensividade de usuários de IA; outros a veem como irritação por serem informados sobre o que “deveriam” gostar.

Como as pessoas realmente usam IA para programar

  • Amplo espectro: desde “sem código, só conversar e lançar” até “IA como autocomplete / assistente de refatoração” até configurações totalmente “agentic”, com agentes de planejamento, codificação e revisão.
  • Padrão comum: escrever à mão as partes interessantes ou críticas, delegar boilerplate, código de cola ou integrações pontuais.
  • Alguns usam IA בעיקר para pequenos utilitários pessoais ou para ressuscitar projetos antigos; outros para grandes sistemas profissionais, com uso medido em empresas.

Benefícios percebidos do vibecoding

  • Ganhos enormes de velocidade, especialmente para: boilerplate, stacks complexas mas padrão, APIs que você só usará uma vez, depuração tediosa, converter ou modernizar código antigo.
  • Permite que “pessoas de ideia” ou especialistas de domínio que não são bons programadores construam coisas que antes precisavam terceirizar.
  • Muitos devs veteranos dizem se sentir como “arquitetos” ou “maestros”, capazes de realizar rapidamente ideias antigas.

Desvantagens percebidas e perda de prazer

  • Forte sensação de perda de “flow” e de artesanato; o trabalho parece mais gestão, DevOps ou revisão de código do que criação.
  • Vibecoding pode parecer como tirar o código de outra pessoa da internet, ou “assistir alguém jogar o jogo em vez de jogar”.
  • Alguns acham que a dopamina de resolver problemas difíceis foi substituída por problemas organizacionais e de planejamento mais lentos e menos satisfatórios.
  • Vários planejam sair ou reduzir a ênfase na programação profissional porque a parte divertida desapareceu.

Qualidade do código, risco e carga de revisão

  • Céticos: LLMs amplificam código mediano/medíocre, podem ignorar abstrações existentes e introduzir riscos sutis de segurança ou confiabilidade; clientes sensíveis a risco se importam.
  • Defensores: com boa arquitetura, prompting e revisão multiagente, a saída pode igualar ou superar o código humano típico, e o grande volume somado à iteração rápida é uma vantagem importante.
  • Muitos reclamam do “dilema da revisão”: revisar tudo (burnout) vs. confiar no agente (surpresas em produção).

Carreiras, identidade e gatekeeping

  • Dois “campos” autodescritos: os que amam código como artesanato vs. os que se importam principalmente com produtos finais e usuários.
  • Tensão: alguns acusam críticos de “cope” ou gatekeeping; outros acusam usuários intensivos de IA de preguiça ou de aceitar “slop”.
  • Ansiedade generalizada sobre empregabilidade futura, especialmente para pessoas que gostam principalmente de programar em si.

Aprender a programar na era da IA

  • Desenvolvedores mais velhos aconselham iniciantes: use IA como tutor/revisor, mas digite suas próprias implementações se quiser entendimento profundo; “não existe aprendizado passivo”.
  • Preocupação de que a dependência excessiva corroa habilidades e torne grandes bases de código escritas por IA difíceis até para a própria IA manter.
  • Outros enfatizam uma nova lacuna de habilidades: saber conduzir agentes de forma eficaz e arquitetar em torno deles.