Vibe'i kodeerimiskriis: miks CS-i lõpetajad ei saa enam ilma tehisintellektita kodeerida?

Märtsis 2026 postitas ühe Series-B faasi idufirma vanemarendaja Redditisse teema, mis kogus kiiresti üle 8000 upvote'i, jagades kuvatõmmiseid äsja tagasi lükatud kodusest proovitööst. Kandidaat, värske arvutiteaduse bakalaureus mainekast ülikoolist 3,9-se GPA-ga, oli esitanud koodi, mis töötas põhiolukorras (happy path) veatult, kuid korrumpeeris vaikselt andmeid igas erijuhtumis (edge case). Kui tal paluti järgnenud kõnes loogikat selgitada, ei osanud ta öelda, miks üks tema enda funktsioonidest kasutas rekursiooni. Lause, mis Reddit-teema tõeliselt käima tõmbas, oli tema aus vastus: „Palusin lihtsalt Claudel kirjutada, mida meil vaja oli, ja see tegi selle. Tavaliselt loen koodi ainult siis, kui see ei tööta.“

See on „vibe codingi“ kriis, ja aastaks 2026 on see levinud Twitterist personaliosakondade töölauale, värbamiskoosolekutele ja üha sagedamini arvutiteaduse osakondade juhatajate kabinettidesse, kes proovivad aru saada, mis nende lõpetajatega äsja juhtus. Termini lõi Andrej Karpathy 2025. veebruaris, kirjeldades uut positiivset tööviisi: kirjeldad oma eesmärki, nõustud mudeli väljundiga ja paned teele. Aasta jooksul sai samast väljendist valdkonna vakiintunud nimetus arendajate põlvkonna kohta, kes oskab sujuvalt prompata, kuid ei suuda aru saada, mida nende kood tegelikult teeb.

Programmeerimise õpetajatele ei ole see hüpoteetiline küsimus töö tulevikust. See on akuutne pedagoogiline hädaolukord nende üliõpilastega, kelle te praegu lõpetate. Selles artiklis uuritakse, mida uuringud ja praktika tegelikult näitavad tehisintellektist põhjustatud oskuste taandumise kohta, miks aluskursused (CS1) kuni lopputöödeni on eriti haavatavad ning kuidas väike, kuid kasvav grupp õpetajaid kujundab kursusi ümber, et tagada, et õpilased oskaksid pärast lõpetamist koodi kirjutada — mitte ainult prompata.

Mida „vibe coding“ tegelikult tähendab (ja miks Karpathy ütles, et see peaks olema lõbus)

Karpathy algne sõnastus oli täpne. Vibe coding tähendas nõustumist sellega, et isiklike projektide programmeerimine võib nüüd tunduda loomingulise mänguna: räägid mudelile, mida soovid, see toodab koodi, häälestad pigem viipa kui koodi ja paned midagi töötavat teele. Ta märkis selgesõnaliselt, et ei loe enam oma kõrvalprojektides koodi rida-realt. Sõnastus puudutas loovust, produktiivsust ja õigustatud tähelepanekut, et vähetähtsate ühekordsete koodide puhul on hoolikas manuaalne kontroll lihtsalt liigne ajakulu.

Termin levis seejärel laiema valdkonna kasutusse, kus see maandus kahes väga erinevas kontekstis:

• Kogenud arendajad (seniorid), kes kasutavad seda teadlikult: Kohtlevad tehisintellekti loodud koodi mustandina, loevad ja refaktoreerivad seda enne commitimist, kasutades tehisintellekti rutiinse koodi vältimiseks, kuid rakendavad aastakümnete pikkust mustrituvastust väljundi hindamiseks. See on see, mida Karpathy kirjeldas, ja see töötab.
• Algajad arendajad (juniorid) ja üliõpilased, kes võtavad selle oma vaikimisi režiimiks: Kohtlevad tehisintellekti loodud koodi valmis lahendusena, nõustuvad sellega ilma koodi lugemata, siluvad ainult siis, kui testid ebaõnnestuvad, ja pöörduvad vanemarendaja või õpetaja poole alles siis, kui tehisintellekt ei suuda omaenda väljundit parandada. Seda Karpathy ei kirjeldanud ja see ei tööta.

Pedagoogiline probleem on see teine grupp, ja nad moodustavad enamiku üliõpilastest, kes astuvad arvutiteaduse erialadele 2026. aastal. Karpathy ise taganes oma sõnastusest hiljem 2025. aastal, märkides, et vibe coding on mõistlik ekspertidele isiklikes projektides, kuid kahjulik kõigile teistele.

Oskuste taandumise muster reaalsetes arvudes

Tõendid selle kohta on nüüd olulised ja viitavad ühele suunale. CodeRabbiti 2025. aasta detsembri analüüs, mis uuris pull requeste sadades avatud lähtekoodiga repositooriumides, leidis, et tehisintellektiga kaasautorluses valminud kood sisaldas ligikaudu 1,7 korda rohkem tõsiseid vigu kui inimeste kirjutatud kood. Logikavead (valed sõltuvused, vigane kontrollivoog) ja turvaaugud olid mõlemad märgatavalt kõrgemad, kusjuures turvavead ilmnesid 2,74 korda sagedamini võrreldes puhtalt inimeste kirjutatud koodiga.

TechSpoti 2025. aasta lõpu aruandes küsitleti töötavaid arendajaid sunnitud vibe-coding-työkulgude kognitiivsete mõjude kohta. Ühine raporteeritud muster: suurenev silumisaeg, vähenev võime koodi mentaalselt simuleerida ning halvenev intuitsioon selle kohta, milline näeb välja tootmiskõlblik kvaliteetne kood. Üks arendaja kirjeldas oma kogemust pärast kuut kuud vibe-first tööviisi kui „probleemilahenduse lihasmälu täielikku kadumist“.

Kõige selgem näide tuli arendajalt, kes viis 2026. aasta alguses läbi 30-päevase eksperimendi: üks kuu ilma tehisintellekti abita ja seejärel mõtisklus erinevuste üle. Esseest dev.to lehel, I Coded Without AI for 30 Days: The Results Were Embarrassing, sai üks aasta enim jagatud arendajaartikleid. Peamine järeldus: kaheksa-aastase kogemusega töötav vanemarendaja ei suutnud enam mälu järgi kirjutada lihtsat binääripuu läbimise (binary tree traversal) koodi. Oskus oli ulkoistettu (tehisintellektile üle antud) ja seejärel vaikselt hääbunud.

Kui töötava vanemarendaja silumislihas taandub vaid kuude pikkuse tehisintellekti sõltuvuse tõttu, kujutage ette CS1 üliõpilase teekonda, kellel pole seda lihast algusest peale olnudki — kelle kogu programmeerimiskogemus on kulgenud läbi LLM-i, mis toodab töötava lahenduse kümne sekundi jooksul pärast probleemi nägemist.

Miks programmeerimise haridus on erakordselt haavatav

Teised valdkonnad tulevad tehisintellektiga toime ebatäiuslikult, kuid enamikul on endiselt toimivad hindamisraamistikud. Kirjanduse üliõpilasel saab endiselt paluda seminaris teksti arutada. Keemia üliõpilasel saab paluda teha laboritööd. Matemaatika üliõpilasel saab paluda lahendada valemit tahvli ees. Programmeerimise õpetamisel pole ühtegi neist puutumatutest hindamisviisidest. Peaaegu iga programmeerimisülesanne on kodune töö, mida hinnatakse selle järgi, kas kood läbib testid — ja 2026. aasta tehisintellekt läbib need testid mängeldes.

See loob kolm haavatavust, mis on omased programmeerimisele:

• Ülesande-testi tsükkel on täielikult automatiseeritav. Codex, Claude Code ja Cursor loevad ülesannet, kirjutavad koodi, käivitavad testid, itereerivad vigade üle ja esitavad töötava lahenduse. Kogu tsükli, mida üliõpilane peaks läbima — mõistma nõudeid, kujundama lahenduse, teostama selle, siluma seda — saab tehisintellekt teha kiiremini kui õpilane jõuab spetsifikatsiooni läbi lugeda.
• Reaalajas hindamine on logistiliselt kallis. 200 õpilasega CS1 kursusel ei saa realistlikult nõuda viieminutilist suulist kaitsmist iga ülesande puhul, kulutamata selleks kümneid assistenditunde ühe hindamistsükli kohta. Suurte CS-kursuste majandusmudel eeldab asünkroonset kodutööde hindamist.
• Sohitegemine on õpilasele endale nähtamatu. Esseed kopeeriv õpilane teab, et teeb sohki. Õpilane, kes prompab tehisintellekti ülesannet lahendama, ei pruugi seda sohitegemisena tajuda — sotsiaalne norm on muutunud kiiremini kui eeskirjad ning tegevus tundub samaväärne teabe otsimisega. Selleks ajaks, kui nad jõuavad viimasele aastale ja peavad ise mõtlema, on nad veetnud neli aastat ilma ühtegi asjakohast oskust arendamata.

Tulemuseks on lõpetajate konveier, mis toodab diplomeid, mis ei korreleeru enam tegelike oskustega. Värbajad aastal 2026 eiravad yha enam CV-sid ja GPA-sid reaalajas kooditestide kasuks, just nimelt seetõttu, et diplomeerimissüsteem on lahutatud tegelikust võimekusest.

Milline näeb välja „mitte midagi õppimine“ konsultatsioonitundides

Kui te õpetate programmeerimist, olete tõenäoliselt seda mustrit näinud, isegi kui te pole seda veel nimetanud. Oleme kogunud kõige levinumad diagnostilised signaalid õpetajatelt aluskursuste (CS1), andmestruktuuride ja lõputööde lõikes aastate 2025–2026 vahetusel.

• Õpilane ei suuda oma viga leida. Esitatud kood töötas täiuslikult. Uus üksustest ebaõnnestub. Õpilane avab faili, vaatab koodi nagu näeks seda esimest korda, skrollib üles ja alla ilma igasuguse hüpoteesita ja ütleb lõpuks: „Ma lihtsalt küsin Claudelt, mis viga on.“ Esimene reaktsioon ebaõnnestunud testile on eskalatsioon tehisintellektile, selle asemel et ise hüpotees luua.
• Õpilane ei oska vastata küsimusele „miks“. Küsimusele: „Miks sa kasutasid siin hash map'i, mitte massiivi?“ on vastuseks: „Seda tehisintellekt soovitas.“ Valik tehti, kuid selle taga olevat loogikat ei sisustatud kunagi. Koodi all puudub kognitiivne mudel.
• Õpilane ei suuda luua väikest variatsiooni. „Muuda seda nii, et see käsitleks ka negatiivseid arve“ peaks olema kolmekümne sekundiline muutmine. Tehisintellektist sõltuvale õpilasele saab sellest viieminutiline prompimissessioon, sest nad peavad uue piirangu mudelile tagasi andma, selle asemel et mõelda, kuhu olemasolevas koodis tuleks muudatus teha.
• Õpilane valdab tööriistu, kuid on kirjaoskamatu probleemide lahendamises. Nad oskavad konfigureerida Vercelit, luua React-komponenti, panna püsti Postgres-andmebaasi, kasutada Dockerit. Nad oskavad kasutada kogu kaasaegset tööriistaahelat. Paluge neil teostada quicksort. Vaikus.
• Paljastus lõputöös. Lõputöö — hetk, mil kogunenud oskused peaksid vilja kandma — on yha sagedamini hetk, mil paljastub oskuste täielik puudumine. Meeskonnad, kes vibe-koodisid oma tee CS1-st kuni kolmanda aastani, jõuavad lõputööni kykenemata süsteemi projekteerima, funktsionaalsust alamosadeks jagama või toime tulema programmeerimise osadega, mida tehisintellekt kõige halvemini teeb.

Pedagoogiline lahendus: Kohelge tehisintellekti valdamist reaalsete oskustena (ja tehke see välja teenitavaks)

Õpetajad, kes selle siirdega hästi toime tulevad, ei ole need, kellel on kõige rangemad tehisintellekti keelavad reeglid. Nad on need, kes on ehitanud oma kursused ümber selgele eristamisele: tehisintellekt on tööriist, mida õpilased peaksid õppima hästi kasutama, JA õpilased peavad iseseisvalt demonstreerima kognitiivseid oskusi, mida tehisintellekt sooritab. Need kaks nõuet pole vastuolus — nad täiendavad teineteist, ja kursused, mis seda õigesti teevad, toodavad lõpetajaid, kes edestavad nii vibe-koodijaid kui ka neid, kellel tehisintellekt oli täielikult keelatud.

Konkreetsed disainimustrid, mida näeme töötamas 2026. aasta programmeerimiskursustel:

• 1. Tosporeinen (kaherajaline) ülesanne. Igal ülesandel on „soolo“-osa (tehisintellekt keelatud, sageli lühike osa klassiruumis) ja „tööriista“-osa (tehisintellekt lubatud, kuid dokumenteeritud). Soolo-osa mõõdab seda, mida õpilane tegelikult suudab teha. Tööriista-osa õpetab neid saavutama enamat.
• 2. Tehisintellekti valdamine hinnatud kompetentsina. Õpilased esitavad tehisintellekti viidad, saadud vastused ja analüüsi selle kohta, kus tehisintellekt eksis või oli ebatõhus. Tehisintellekti väljundi kriitilist lugemist koheldakse kursuse oppimistavoitteena (õpieesmärgina), mitte kiirteena.
• 3. Ainult silumise hindamised. Õpilastele antakse töötav tehisintellekti loodud kood peente vigadega (off-by-one, vale baasjuhtum, puuduv null-kontroll, turvaauk) ja neid hinnatakse nende võime järgi need üles leida ja parandada. See treenib oskust, mida tehisintellekt teeb kõige halvemini ja mida tööandjad kõige rohkem väärtustavad.
• 4. Protsessi-nähtav hindamine. Nõutav commit-ajalugu, kohustuslikud kommentaarid disainiotsuste dokumenteerimiseks, salvestatud selgitused. Valmis kood üksi ei moodusta enam kogu hinnet.
• 5. Tehnilised vestlused reaalajas. Lühike, struktureeritud suuline osa iga olulise ülesande juures. Viis minutit õpilase kohta, keskendudes ühele või kahele diagnostilisele küsimusele. Vaev on reaalne; signaal suurepärane.
• 6. Autentsuse verifitseerimine süsteemi tasemel. Sellised tööriistad nagu Plagly.ai skannivad esitusi tehisintellekti genereerimise mustrite, rühmataseme stiililise ühtsuse ja tegelikule üliõpilase tööle omaste iteratiivsete kirjutamisjälgede puudumise osas. See pole hinne; see on lipuke, mis tõstab esile esitused, mis väärivad konsultatsioonitunni vestlust.

Tööriistakiht, mis teeb selle praktiliseks

Suurim vastuväide ülaltoodud mudelile on logistiline. Päris klassides on sajad õpilased; päris õpetajatel pole aega lugeda iga esitust rida-realt, korraldada suulist kaitsmist iga ülesande puhul või märgatada rühmataseme mustreid palja silmaga. Tööriistad peavad tegema esmase skannimise, et inimene saaks kohaldada oma otsustusvõimet neile juhtudele, kus see on oluline.

Kuidas see praktikas välja näeb 200 õpilasega CS1 rühmas:

• Esituste automaatne skannimine: Iga üleslaaditud fail läbib tehisintellekti tuvastamise skannimise, mis tagastab usaldusskoori ja koodiplokkide märgistused. Plagly.ai viib selle analüüsi läbi 99% täpsusega kõigi suuremate mudelite (sh GPT-5.5, Claude 4.6, Gemini 3.1) ja nende mudelite eelistatud koodivariatsioonide lõikes.
• Rühmataseme armatuurlaud: Õpetaja näeb stiililiste mustrite kogunemist rühmas. Kui kaheksa esitust jagavad sama idiomaatilist väljendit, identset kommentaaritihedust ja sama defensiivset erijuhtude käsitlust, surfaces (tõuseb) see klaster esile ülevaatuseks.
• Autorluse jäljed: Plagly.ai Agentic Council — seitse valdkonna eksperdi mudelit, mis analüüsivad esitust kirjutamise kvaliteedi, struktuuri, tehisintellekti tuvastamise, algupärasuse ja yhtenäisyyden osas — toodab viidetega aruande. Raport ei süüdista akadeemilises ebaaususes; see dokumenteerib mustrid, mida õpetaja saab uurida.
• Suunatud vestlused konsultatsioonitunnis: Õpilased, kelle esitused liputatakse, saavad viieminutilise suulise kontrolli. Enamik lahendatakse kiiresti; neist vähestest, mida ei lahendata, saavad juhtumid, mida õpetaja käsitleb põhjalikult ja ametlikult.

Eesmärk pole tabada iga patustajat. Eesmärk on hoida õppetsükkel tervena nende õpilaste jaoks, kes soovivad õppida. Ilma kontrollita klass on klass, kus süsteemi eiravad õpilased määravad lati ja ausalt töötavad õpilased jäävad kaotajateks. Kontrolliga klass on klass, kus sotsiaalne norm peab — ülesanded õpetavad endiselt, hinded tähendavad midagi ja lõpetajad oskavad endiselt koodi kirjutada.

Programmeerimise hariduse väljavaade 18 kuu vaates

Enamik programmeerimise õpetajaid, kellega me 2026. aastal räägime, jagab tunnet, et praegune olukord on ebastabiilne. Kodune ülesanne, mida hinnatakse puhtalt testide läbimise järgi, on struktuurselt ühildumatu agentsete kooditööriistade olemasoluga. Midagi peab muutuma. Kolm usutavat suunda, tõenäosuse järjekorras:

• Täielikud tehisintellekti keelud: mõned institutsioonid proovivad ja enamik ebaõnnestub. Keelud on jõustamatud, eeskirjad muutuvad ebajärjekindlaks ja reegleid järgivad õpilased lõpetavad kooli vähem oskustega kui need, kes seda ei järgi. See on mõlemast maailmast halvim tulemus ja see on end juba diskrediteerinud mitmes ülikoolis, kes seda aastatel 2023–2024 proovisid.
• Võimete nihe õppekavas allapoole: CS1 algab hiljem, pannes rohkem rõhku kontseptuaalsetele alustele. CS2 katab seda, mida CS1 varem kattis. Edasijõudnute kursused muutuvad teoreetilisemaks, kuna rakendusosa ei ole enam see, kus õppimine toimub. See juhtub, aeglaselt.
• Hindamise nihe reaalajas esitluse suunas: kojuviidavad ülesanded muutuvad kujundavaks. Kokkuvõtvad hinded määratakse reaalajas kodeerimisega järelevalve all, suuliste kaitsmiste ja protsessiga nähtava tööga. See on suund, kuhu tugevaimad CS-programmid juba liiguvad, ja see on suund, kuhu usume, et enamik programme lõpuks elama hakkab.

Ükski neist tulemustest ei lahenda küsimust, mida sel semestril oma õpilastega teha. Selle jaoks on praktiline samm hübriidne: säilitage oma praegused ülesanded, lisage kontrollikiht, mis püüab kinni halvimad juhtumid, lisage kursuse kohta üks või kaks isikliku hindamise komponenti ja alustage aeglasemat tööd õppekava ümberkujundamiseks maailma jaoks, kus agentide AI on aluseks. Kinnitustööriistad annavad teile aega õppekava ümberkujundamiseks, ilma et kaotaksite vahepealset kohorti vibe kodeerimisele.

Korduma kippuvad küsimused

Kas vibe kodeerimine on alati halb või on see mõnikord õigustatud?

See on igati seaduslik kogenud arendajatele, kes töötavad vähetähtsate isiklike projektide kallal, kus vigade kulu on väike ja arendajal on olemas põhioskused väljundi hindamiseks siis, kui see on oluline. See on laastav üliõpilastele, kes alles ehitavad üles neid põhioskusi, sest see oikosulkee (lühistab) kognitiivse töö, mida programmeerimisharidus peaks arendama. Erinevus on umbes sama mis erinevus koka vahel, kes tellib valmistoidu (korras), ja kokandusõpilase vahel, kes tellib valmistoidu oma lõpueksamile (mitte korras). Mõlemad saavad toidu, mida nad ise ei valmistanud. Kuid ainult üks undergraver (õõnestab) õppimise projekti.

Kas õpilased saavad väita, et nad kirjutasid tehisintellekti tuvastatud koodi ise?

Saavad, ja mõnikord on neil õigus. Väärad positiivsed koodituvastuses esinevad kõige sagedamini siis, kui õpilased kirjutavad väga „õpikulaadset“ koodi, mis satub vastama mustritele, mida tehisintellekt tavaliselt toodab. Usaldusväärne töövoog ei kootle tuvastuskoori lõpliku otsusena — see kohendab seda viieminutilise vestluse algatajana. Õpilane, kes kirjutas oma koodi ise, oskab seda selgitada, seda kohapeal muuta ja selle täitmist jälgida. Õpilane, kes selle prompas, ei suuda seda peaaegu kunagi. Küsimuse lahendab vestlus, mitte skoor. Aruanded tootelt Plagly.ai on loodud seda vestlust toetama, mitte seda asendama.

Kuidas koodi tehisintellekti tuvastamine erineb proosa tuvastamisest?

Koodituvastus kasutab sarnaseid statistilisi aluseid — perplexity, burstiness, stilomeetriline sõrmejälgede võtmine — kuid rakendab neid teistele pinnatunnustele. Koodis on kõige informatiivsemad signaalid pigem struktuursed kui leksikaalsed: muutujate nimekaardid, kommentaaride tihedus ja stiil, raamatukogu kasutamise idiomaatilisus, vigade käsitlemise boilerplate-kood ning idiomaatiliste struktuuride valik. Mitme mudeli ensemblesüsteemid saavutavad 2026. aastal üksikute koodiesituste puhul 90-95% täpsuse, mis tõuseb selgelt üle 95%, kui rühmataseme mustrianalüüs kombineeritakse failitaseme skooriga.

Mis saab õpilastest, kes kasutavad tehisintellekti siiralt tutorina ilma selle väljundit kopeerimata?

See on just see üliõpilaste rühm, kelle karistamata jätmiseks verifitseerimiskiht on selgesõnaliselt kavandatud. Õpilane, kes kasutas tehisintellekti mõiste mõistmiseks ja kirjutas seejärel oma lahenduse, toodab koodi, mis ei vasta tehisintellekti genereerimise mustritele reatasemel. Tuvastussignaalid võtavad kinni esitatud koodi, mitte uurimisprotsessi. Kui teie kursuse reeglid lubavad tehisintellekti tutorina — ja meie arvates peaksid — töötab see töövoog endiselt suurepäraselt. Kontrollite esitatud tööd, mitte õpilase õppimismeetodit.

Kas see töötab projektipõhiste kursuste ja nurgakivide (capstone'ide) puhul?

Jah, kohanemisega. Mitmenädalase ja mitme failiga projektitöö puhul nihkuvad kõige kasulikumad signaalid protsesside nähtavuse poole: kohustuste ajaloo analüüs (kas kood ilmus ühes suures sissekandes või arenes aja jooksul?), autorite järjepidevus failide lõikes (kas koodibaas loetakse nii, nagu üks inimene selle kirjutas või erinevad plaastrid on kokku liimitud?) ja kujundusotsuste tegemisel selgitatakse, miks õpilase valikuspetsiifiline dokumentatsioon tehti? Capstone-stiilis projektid saavad kõige rohkem kasu struktureeritud suulisest kaitsest ja kirjalikust kujundusest, kus tehisintellekti tuvastamine on kolmanda astme signaal, mitte esmane.