Dari Vibe Coder ke Vibe Engineer

Dalam waktu kurang dari dua tahun, istilah vibe coding berpindah dari sebuah unggahan di media sosial menjadi kosakata umum. Banyak orang kini membuat aplikasi hanya dengan "mengobrol" bersama AI: menuliskan keinginan dalam bahasa sehari-hari, lalu membiarkan mesin menulis kodenya. Namun, di balik kemudahan itu muncul pertanyaan penting: apakah cukup sekadar mengikuti "vibe"? Di sinilah gagasan vibe engineering menjadi relevan.

Dari Mana Istilah Vibe Coding Berasal

Istilah vibe coding dicetuskan oleh Andrej Karpathy, mantan Direktur AI di Tesla dan salah satu anggota tim pendiri OpenAI, pada awal Februari 2025. Dalam unggahannya di X, ia menggambarkan "jenis baru pemrograman" di mana seseorang "sepenuhnya menyerah pada vibe, merangkul eksponensial, dan lupa bahwa kodenya bahkan ada" (fully give in to the vibes, embrace exponentials, and forget that the code even exists).

Maknanya pada awalnya cukup spesifik: membuat program dengan memberi perintah ke AI tanpa membaca atau memeriksa kode yang dihasilkan. Seiring waktu, maknanya meluas menjadi segala bentuk penulisan kode yang dibantu AI melalui perintah bahasa alami.

Popularitasnya melonjak cepat. Pada November 2025, Collins Dictionary menobatkan vibe coding sebagai Word of the Year 2025. Collins mendefinisikannya sebagai "penggunaan kecerdasan buatan yang diberi perintah dengan bahasa alami untuk membantu menulis kode komputer". Para leksikografer Collins memilihnya setelah melihat lonjakan besar pemakaian istilah ini di korpus mereka sejak kemunculannya pada Februari 2025.

Kekuatan dan Batas Vibe Coding

Daya tarik vibe coding jelas: hambatan masuk ke dunia pembuatan software menjadi jauh lebih rendah. Orang yang tidak pernah belajar pemrograman bisa membuat prototipe, alat bantu pribadi, atau eksperimen kecil dengan cepat.

Namun, Martin Fowler, salah satu tokoh rekayasa perangkat lunak yang tulisannya banyak dirujuk, mencatat beberapa risiko utama:

Keamanan. Aplikasi yang dibangun AI tanpa pemeriksaan bisa memperluas celah serangan, misalnya membocorkan data sensitif atau kredensial yang membuka akses ke sistem organisasi yang lebih dalam.
Kemudahan perawatan. Kode yang jarang ditinjau cenderung berkualitas rendah dan sulit diubah, baik oleh manusia maupun oleh AI itu sendiri.
Kebenaran. Model bahasa bisa "berhalusinasi" dan menghasilkan perilaku program yang keliru tanpa disadari pengguna. Meminta AI menambah fitur juga bisa merusak bagian kode yang seharusnya tidak berubah.

Kesimpulan Fowler cukup lugas: vibe coding cocok untuk software sekali pakai yang hanya digunakan pembuatnya atau kelompok kecil yang menerima risikonya. Untuk sistem yang lebih rumit, dipakai luas, atau berisiko tinggi, dibutuhkan perhatian rekayasa yang sungguh-sungguh.

Lahirnya Gagasan Vibe Engineering

Pada 7 Oktober 2025, Simon Willison, pengembang perangkat lunak yang banyak menulis tentang AI di blognya, mengusulkan istilah vibe engineering sebagai kutub yang berlawanan dari vibe coding. Menurutnya, vibe engineering menggambarkan para profesional berpengalaman yang memakai model bahasa besar (LLM) dan coding agent untuk mempercepat kerja, sambil tetap bertanggung jawab penuh atas software yang mereka hasilkan.

Willison mengakui nama itu setengah bercanda. Tujuannya justru menegaskan bahwa bekerja produktif dengan AI adalah disiplin yang sulit dan menuntut kecakapan, bukan jalan pintas.

Perbedaannya bukan pada seberapa banyak AI dipakai, melainkan pada siapa yang memahami dan menjamin hasilnya. Seorang vibe coder bisa tidak tahu cara kerja kodenya. Seorang vibe engineer tetap tahu, tetap memeriksa, dan tetap bisa mempertanggungjawabkannya.

Kebiasaan yang Justru Makin Penting

Poin paling menarik dari tulisan Willison adalah pengamatannya bahwa LLM justru "menghadiahi" praktik rekayasa perangkat lunak yang baik. Beberapa kebiasaan yang ia sebutkan:

Pengujian otomatis. Rangkaian tes yang kuat, lengkap, dan stabil membuat kesalahan dari AI cepat ketahuan.
Perencanaan di awal. Pekerjaan berjalan jauh lebih baik bila dimulai dengan rencana tingkat tinggi.
Dokumentasi yang baik. Willison menyarankan menulis dokumentasi yang baik lebih dulu.
Kebiasaan version control yang baik. Kemampuan membatalkan kesalahan menjadi semakin penting ketika kode ditulis dengan cepat.
Otomasi. Continuous integration, format kode otomatis, dan linting menjaga kualitas tetap konsisten.
Budaya code review. Mereka yang cepat dan produktif meninjau kode akan mendapat manfaat besar dari AI.
Pengujian manual (QA) yang cermat. Kemampuan menebak dan menelusuri kasus-kasus tepi (edge case) tetap dibutuhkan.
Kemampuan riset. Selalu ada banyak cara memecahkan satu masalah; memilih yang tepat butuh penilaian manusia.
Lingkungan pratinjau (preview environment). Menguji di lingkungan terpisah sangat mengurangi risiko merilis sesuatu yang rusak.
Naluri tentang apa yang bisa didelegasikan. Tahu kapan AI paling tepat dipakai, dan kapan tidak.
Cara baru memperkirakan waktu. Estimasi pekerjaan kini bergantung pada faktor-faktor baru.

Willison juga menyebut kerja bersama coding agent sebagai "bentuk manajemen yang sangat aneh", yang menurutnya terasa sangat mirip dengan upaya mendapatkan hasil yang baik dari rekan kerja manusia.

Dari "Vibe" ke "Agentic Engineering"

Istilahnya sendiri terus berkembang. Pada 23 Februari 2026, Willison memulai panduan berjudul Agentic Engineering Patterns, yang berisi kumpulan praktik bekerja dengan coding agent seperti Claude Code dan OpenAI Codex, yakni alat yang bisa menulis sekaligus menjalankan kode dan memperbaikinya secara berulang. Dalam panduan itu, vibe coding tetap dimaknai dalam arti aslinya, yaitu tidak melihat kode sama sekali, sedangkan agentic engineering berada di ujung lain: insinyur profesional yang memakai agen untuk memperkuat keahlian yang sudah mereka miliki.

Panduan tersebut memuat prinsip-prinsip seperti: kode dari LLM tidak boleh dipercaya sebelum benar-benar dijalankan, dan jangan mengajukan pull request berisi kode yang belum Anda tinjau sendiri.

Apa pun namanya, vibe engineering atau agentic engineering, pesannya sama: AI mempercepat pekerjaan, tetapi tanggung jawab tetap di tangan manusia.

Langkah Praktis Naik Kelas

Bagi siapa pun yang sudah terbiasa vibe coding dan ingin melangkah ke tahap berikutnya, prinsip-prinsip di atas bisa diterjemahkan menjadi langkah sederhana:

Baca kode yang dihasilkan AI. Tidak harus memahami setiap baris sejak hari pertama, tetapi biasakan bertanya kepada AI, "Apa fungsi bagian ini?"
Minta AI menulis tes, lalu jalankan tes itu setiap kali ada perubahan.
Gunakan Git sejak awal, dan simpan perubahan dalam potongan kecil supaya mudah dibatalkan.
Tulis rencana dan dokumentasi singkat sebelum meminta AI membangun fitur.
Jangan menaruh kata sandi, token, atau kunci API langsung di dalam kode.
Uji di lingkungan terpisah sebelum aplikasi dipakai orang lain.

Penutup

Vibe coding telah membuka pintu pembuatan software bagi lebih banyak orang. Namun, ketika aplikasi mulai dipakai orang lain, menyimpan data, atau menyangkut uang dan keamanan, sekadar mengikuti "vibe" tidak lagi cukup. Lompatan dari vibe coder ke vibe engineer bukan soal meninggalkan AI, melainkan soal kembali memegang kendali: merencanakan, menguji, meninjau, dan bertanggung jawab atas setiap baris yang dirilis.