Vibe coding és AI: mit csinálsz majd 2 év múlva?

Görög Ádám és Mándó Milán beszélgetése arról, miért csapda a vibe coding hype, és mit érdemes tudni egy kisvállalkozásnak az AI-ról

Ismerős érzés, hogy sosem érsz a mesterséges intelligencia nyomába? Mire megtanulsz egy eszközt, már jön is a következő verzió – ez alól a vibe coding sem kivétel: alig fogod fel a lényegét, már elavul a tudásod róla. Görög Ádám, a Tacit egyik alapítója szerint ez teljesen normális állapot: szerinte gyakorlatilag mindenki le van maradva valamennyire, csak nem egyformán.

Ádámmal és Mándó Milánnal a Minner.hu podcastjában készült beszélgetés pont erről szól: mi az, amit ma még magad csinálsz, de két év múlva már biztosan az AI old meg helyetted? A válasz messze nem olyan egyszerű, mint amilyennek a vibe coding körüli hype sugallja.

Az AI slop mindenhol ott van

A beszélgetés egyik kiindulópontja az volt, hogy a neten – grafikában, szövegben, sőt a napi munkában is – egyre több a felszínes, gyorsan összedobott AI-tartalom. Ezt hívják AI slopnak: olyan anyagnak, ami ránézésre kész terméknek tűnik, de valójában senki nem gondolta végig alaposan.

Mi az az AI skill valójában?

Ugyanez a jelenség érinti a letölthető “AI skilleket” is. Ezek elvileg olyan újrahasznosítható csomagok, amik egy adott feladatra – mondjuk egy jelentés összeállítására vagy egy ügyfélkérdés megválaszolására – tanítják be az AI-t. A gond az, hogy a piacon lévő skillek nagy része a beszélgetés szerint maga is AI slop: gyorsan legenerált, soha nem tesztelt sablon, ami inkább árt, mint segít.

A vibe coding nem old meg mindent

A vibe coding lényege, hogy szoftvert építesz úgy, hogy lényegében beszélgetsz az AI-val – nem kell hozzá hagyományos programozói tudás. Elsőre ez felszabadítónak tűnik: bárki csinálhat appot, weboldalt, automatizációt. Csakhogy a beszélgetésben elhangzott egyik legfontosabb pont épp az, hogy ez a szabadság csapda is lehet.

Amikor vibe coding-gal építesz valamit, egyszerre vagy fejlesztő, UX/UI-tervező és üzemeltető is. Az elkészült rendszert nem elég egyszer megírni – karban is kell tartani, frissíteni, és kezelni, ha valami elromlik. Ezt a részt felejtik el legtöbben, amikor lelkesen belevágnak.

A vibe coding nem varázsszó – attól, hogy megírtad, még üzemeltetned is kell.

Ha egy kisvállalkozás maga próbál mindent vibe coding-gal megoldani ahelyett, hogy szakértőt vonna be, érdemes ugyanazt a mérlegelést elvégezni, mint amikor marketingügynökséget választ egy ügyfél: mennyit ér a saját időm, és hol kezdődik az a pont, ahol a hiba ára nagyobb, mint a megspórolt költség?

Amikor a vibe code-olt rendszer elromlik

A beszélgetés szerint egyre több AI-val épített tool és app produkál hibákat, leállásokat. Ez pedig – paradox módon – pont azokat az embereket tereli vissza a szakértőkhöz, akik eredetileg épp azért választották a vibe codingot, hogy megspórolják a szakértő költségét.

Ádám ezt a felismerést építette be saját projektjeibe is: a Tacit Head of AI, a Tacit OS és a Tacit Agent mind arra reagálnak, hogy a vállalkozásoknak nem egy újabb kísérleti eszközre van szükségük, hanem egy megbízhatóan üzemeltetett AI-rétegre. Minél önállóbban dönt és cselekszik egy AI-ügynök a napi működésben, annál fontosabb végiggondolni az AI-ügynökök önállóságát és kockázatait, mielőtt rábízod a cég egy folyamatát.

Fontos meglátás volt az is, hogy a legtöbb digitális eszköz nem bonyolult, egyedi funkciókra épül – ezért könnyű is lemásolni őket. Ádám saját videóvágó AI-szoftverét is azért kezdte el építeni, mert a saját fájdalmát akarta megoldani: nem talált olyan kész eszközt, ami pontosan azt csinálta, amire neki szüksége volt. Ez a mintázat sokszor jobb kiindulópont, mint egy trendi technológia követése önmagáért.

Mi alapján válassz AI modellt?

A modellválasztás az egyik legtöbbet vitatott kérdés lett az elmúlt hónapokban, és a beszélgetésben is előkerült: mi alapján dönthető el, hogy egy AI modell “jó”? A válasz nem egy benchmark-táblázat legteteje, hanem az, hogy az adott modell mennyire old meg egy konkrét, a vállalkozásod számára releváns feladatot – megbízhatóan, ismételten.

Ehhez érdemes saját mércét felállítani ahelyett, hogy minden új modellbejelentés után eszközt váltanál. Ha bizonytalan vagy, hasznos végiggondolni, hogyan hozz saját vállalati döntést az AI-vitában ahelyett, hogy a hangosabb véleményeket követnéd.

Mit csinál helyetted az AI két év múlva?

A beszélgetés egyik legizgalmasabb kérdése az volt: mit csinálunk ma még magunk, amit két év múlva már biztosan átvesz az AI? Egyértelmű válasz erre nincs, de az irány világos: az ismétlődő, jól leírható feladatok – első verziók, rutin adminisztráció, alapszintű elemzés – egyre inkább AI-kézbe kerülnek.

Ha egy AI-val épített app folyamatosan hibázik, a felhasználók előbb-utóbb visszamennek a szakértőkhöz.

Ennek van egy kevésbé kényelmes oldala is: pont azok a rutinfeladatok tűnnek majd el, amiken korábban a pályakezdők tanultak bele a szakmájukba. Ezért is érdemes már most átgondolni a pályakezdők helyét a vállalati tanulásban, mielőtt a képzési útvonal magától eltűnik a szervezetből.

Mit tanulhat ebből egy magyar kisvállalkozás?

A beszélgetés legfontosabb tanulsága talán az, hogy a vibe coding remek belépő, de rossz végállapot. Jó arra, hogy gyorsan kipróbálj egy ötletet, de attól még nem lesz belőle üzemeltethető rendszer – ahhoz idő, figyelem és sokszor szakértő is kell.

Érdemes tehát három dolgot szem előtt tartani: ne dőlj be az AI slopnak, csak mert profinak néz ki; ne várd el egyetlen modelltől vagy eszköztől, hogy mindent megoldjon helyetted; és számolj azzal, hogy két éven belül jó eséllyel más feladatokon fog dolgozni a csapatod, mint ma. Aki ezt időben végiggondolja, nem lemaradóként, hanem felkészültként éri meg a következő AI-hullámot.

▶

Források

• Mi az, amit 2 év múlva már biztos AI-jal fogsz csinálni? – Görög Ádám X Mándó Milán (Minner.hu) — A cikk alapjául szolgáló beszélgetés, közzétéve 2026.09.16.