Penulis: Yitao
Sumber:Geek Park
Selama setahun terakhir, Vibe Coding hampir sepenuhnya mengubah cara pemrograman.
Kamu tidak perlu lagi menulis kode baris demi baris secara manual. Cukup beri tahu Cursor, Claude, atau Copilot: "Aku ingin memiliki fitur apa, menggunakan teknologi apa, dan sebaiknya 'terasa seperti produk tertentu'", maka tugas selebihnya bisa diberikan pada AI untuk menyelesaikannya.
Banyak orang yang sebelumnya tidak bisa menulis kode, kini untuk pertama kalinya memiliki kemampuan untuk "membuat sesuatu". Dari perspektif individu, ini hampir bisa disebut sebagai era emas pengembangan perangkat lunak.
Namun, ada sebuah asumsi yang sering diabaikan: AI tidak menciptakan kode secara tiba-tiba dari kekosongan, melainkan menggabungkan dan menyusun kebijaksanaan serta hasil kerja manusia yang sudah ada. Ketika kamu berkata, "Bantulah saya membuat sebuah situs web," sebenarnya AI secara diam-diam merujuk pada logika dan struktur yang terkumpul dari proyek open source yang tak terhituk di GitHub.
Kemampuan inti dari Vibe Coding memang dibangun berdasarkan pembelajaran dan pengaturan kembali dari perpustakaan kode sumber terbuka ini.
Baru-baru ini, tim peneliti dari Central European University dan Kiel Institute for the World Economy mempublikasikan sebuah makalah berjudul "Vibe Coding Kills Open Source" (Vibe Coding Membunuh Sumber Terbuka) (https://arxiv.org/pdf/2601.15494v1), yang mengungkapkan krisis tersembunyi di balik kemakmuran Vibe Coding.
Tesis menunjukkan sebuah fakta bahwa:
Vibe Coding, mungkin sedang secara mendasar merusak ekosistem open source yang menjadi landasan seluruh dunia perangkat lunak.
01 Infrastruktur Tersembunyi di Dunia Digital
Untuk memahami apa yang dikhawatirkan dalam makalah ini, pertama-tama kita harus menjelaskan satu hal:Apa itu perangkat lunak sumber terbuka, dan di mana letaknya dalam kehidupan kita.
Banyak orang mungkin tidak menyadari pentingnya perangkat lunak sumber terbuka, tetapi pada kenyataannya, hampir semua produk digital yang digunakan orang setiap hari sebenarnya didasarkan pada perangkat lunak sumber terbuka.
Ketika kamu bangun di pagi hari dan mengambil ponsel Android kamu, sistem operasi Linux yang berjalan di bagian bawahnya adalah perangkat lunak open source;
Ketika kamu membuka WeChat dan melihat riwayat obrolan, setiap pesan disimpan oleh basis data SQLite, yang merupakan perangkat lunak open source;
Saat istirahat siang hari kalian menonton video di TikTok atau Bilibili, proses decoding dan pemutaran video di latar belakang dilakukan oleh FFmpeg, yang juga merupakan perangkat lunak open source.
Perangkat lunak sumber terbuka seperti saluran pembuangan di era digital. Anda menggunakannya setiap hari, tetapi tidak menyadarinya..
Kamu baru menyadari betapa pentingnya sesuatu itu ketika terjadi masalah.
Contoh khas dari celah keamanan pada tahun 2021 adalah Log4j. Log4j adalah kerangka kerja log yang paling luas digunakan dalam ekosistem Java, digunakan untuk mencatat kejadian dan informasi saat aplikasi berjalan.
Sebagian besar pengguna biasa bahkan belum pernah mendengar namanya, tetapi dari server cloud milik Apple dan Google hingga sistem pemerintahan pemerintah negara-negara di seluruh dunia, miliaran perangkat di seluruh dunia menjalankan sistem ini di latar belakang.
Pada akhir tahun 2021, celah keamanan bernama "Log4Shell" muncul. Celah ini memungkinkan peretas untuk mengendalikan server di seluruh dunia secara jarak jauh, seolah-olah mereka mengoperasikan komputer mereka sendiri. Seluruh infrastruktur internet tiba-tiba menjadi "telanjang", dan tim keamanan di seluruh dunia terpaksa memperbaiki masalah tersebut secara darurat di akhir pekan. Dampaknya yang sangat luas dan kesulitan perbaikannya menjadikannya salah satu krisis keamanan terbesar dalam sejarah internet.
Inilah esensi dari open source—bukan produk perusahaan tertentu, tetapi sebuah "barang publik". Karena tidak memiliki sifat komersial, para pemelihara kode biasanya tidak dapat langsung mengenakan biaya dari proyek tersebut.
Balasan mereka tidak langsung: memperoleh reputasi melalui proyek, yang berujung pada pekerjaan di perusahaan besar; menghasilkan pendapatan dengan menyediakan layanan konsultasi; atau bergantung pada donasi dari komunitas.
Model ini telah berjalan selama beberapa dekade dengan berdasarkan "interaksi langsung". Pengguna membaca dokumen, mengajukan pertanyaan, dan memberikan rekomendasi saat menggunakan perangkat lunak. Aliran perhatian ini kembali ke pemelihara, yang kemudian berubah menjadi dorongan untuk pemeliharaan yang berkelanjutan.
Dan ini, tepatnya, adalah koneksi yang sedang diputus oleh Vibe Coding..
02 Bagaimana AI secara bertahap "mengubur" open source?
Sebelum munculnya Vibe Coding, pola pengembangan seperti ini: kamu mengunduh sebuah paket open source, lalu membaca dokumentasinya; ketika menemui bug, kamu mengirimkan laporan ke GitHub; jika merasa paket tersebut berguna, kamu memberi bintang sebagai bentuk dukungan.
Pemelihara mendapatkan perhatian, perhatian ini berubah menjadi pendapatan, membentuk siklus tertutup..
Setelah Vibe Coding muncul, kamu hanya perlu memberi tahu AI fitur apa yang kamu inginkan, AI secara otomatis memilih dan menggabungkan kode sumber terbuka di latar belakang, lalu menghasilkan sebuah "implementasi yang dapat digunakan".
Kode berjalan, tetapi kamu tidak tahu perpustakaan apa saja yang digunakan, apalagi membaca dokumentasi atau komunitasnya.
Tesis menyebut perubahan ini sebagai "MediasiEfek ini—perhatian dan umpan balik yang sebelumnya langsung disampaikan pengguna kepada pemelihara, secara keseluruhan diserap oleh lapisan tengah AI.
Apa yang akan terjadi jika mekanisme ini terus berlangsung?
Penulis makalah membangun model ekonomi yang mensimulasikan ekosistem sumber terbuka. Mereka membandingkan pengembang dengan wirausaha yang memutuskan apakah akan "masuk pasar" pada berbagai tingkat kualitas, terlebih dahulu menginvestasikan biaya pengembangan, lalu memutuskan apakah akan membagikannya secara terbuka berdasarkan umpan balik pasar. Sementara itu, pengguna harus memilih dari berbagai paket perangkat lunak, dan memutuskan apakah akan "menggunakan langsung" atau menggunakan "perantara AI".
Model ini mengungkapkan dua kekuatan yang berlawanan.
Yang pertama adalah peningkatan efisiensi. AI membuat perangkat lunak lebih mudah digunakan dan mengurangi biaya pengembangan alat-alat baru. Secara teori, ini seharusnya mendorong lebih banyak pengembang untuk bergabung, meningkatkan pasokan.
Yang kedua adalah perpindahan permintaan. Ketika pengguna beralih ke AI perantara, pemelihara kehilangan pendapatan dari interaksi langsung, yang mengurangi pengembalian bagi pengembang.
Namun, jika dilihat dari perspektif jangka panjang, ketika kekuatan kedua (perpindahan permintaan) lebih kuat dibandingkan yang pertama (peningkatan efisiensi), seluruh sistem akan tergelincir menuju kontraksi.
Secara spesifik ditunjukkan sebagai,Ambang batas bagi pengembang untuk masuk meningkat, hanya proyek dengan kualitas tertinggi yang layak dibagikan, proyek berkualitas menengah menghilang, dan pada akhirnya jumlah paket perangkat lunak di pasar serta kualitas rata-ratanya ikut menurun.Meskipun pengguna individu dalam jangka pendek menikmati kenyamanan AI, manfaat jangka panjang justru menurun karena jumlah alat berkualitas tinggi yang tersedia semakin sedikit.
Secara sederhana, ekosistem ini terjebak dalam siklus buruk. Dan begitu dasar ekosistem open source ini melemah, kemampuan AI juga akan menurun.
Ini adalah poin yang terus-menerus ditekankan dalam makalah:Vibe Coding meningkatkan produktivitas dalam jangka pendek, tetapi dalam jangka panjang, justru mungkin mengurangi tingkat keseluruhan sistem..
Tren ini bukan hanya hipotesis teoritis, tetapi sedang terjadi dalam kehidupan nyata.
Sebagai contoh, lalu lintas pertanyaan dan jawaban publik di Stack Overflow mengalami penurunan yang signifikan setelah kepopuleran AI generatif. Banyak pertanyaan yang sebelumnya dibahas di komunitas publik kini dialihkan ke percakapan AI pribadi.
Sebagai contoh lain, proyek seperti Tailwind CSS mengalami peningkatan jumlah unduhan secara terus-menerus, tetapi akses dokumen dan pendapatan komersial justru menurun.
Proyek ini digunakan secara luas, tetapi semakin sulit diubah menjadi balas jasa yang berarti bagi pemelihara proyek tersebut.
03 Spotify Dunia Pemrograman, Kapan Akan Muncul?
Meskipun Vibe Coding memiliki masalah seperti itu, peningkatan produktivitas yang dibawanya benar-benar nyata, dan tidak ada yang bisa kembali ke dunia di mana AI Coding tidak ada.
Masalah yang lebih mendasar adalah,Ketika AI menjadi perantara yang baru, struktur insentif lama sudah tidak berlaku lagi.
Di bawah struktur saat ini, platform AI memperoleh nilai yang besar dari ekosistem open source, tetapi tidak perlu membayar biaya yang sesuai untuk mempertahankan ekosistem itu sendiri. Pengguna membayar biaya kepada AI, AI memberikan kenyamanan, tetapi proyek open source yang dipanggil dan para pemelihara (maintainer)nya, sering kali sama sekali tidak mendapatkan apa-apa.
Hipotesis yang diajukan oleh penulis makalah tersebut adalah:
Mengubah cara pendistribusian keuntungan.
Seperti dalam industri musik, platform streaming seperti Spotify membagi pendapatan dengan para musisi berdasarkan jumlah pemutaran,Platform AI sepenuhnya dapat melacak proyek sumber terbuka apa saja yang telah digunakan, dan mengembalikan sebagian pendapatan secara proporsional kepada para pemelihara..
Selain pendapatan dari pembagian platform, dana yang dialokasikan melalui yayasan, sponsor perusahaan, serta dukungan dana khusus pemerintah untuk infrastruktur digital juga merupakan cara penting untuk menggantikan penghasilan pemelihara yang hilang.
Ini memerlukan perubahan pandangan industri dariMenganggap perangkat lunak sumber terbuka sebagai "sumber daya gratis", berubah menjadi "infrastruktur umum yang membutuhkan investasi dan pemeliharaan jangka panjang".
Perangkat lunak sumber terbuka tidak akan menghilang, karena sudah terintegrasi dalam dunia digital, dan mustahil untuk digantikan secara sederhana.
Namun, era sumber terbuka yang bergantung pada perhatian sporadis, penumpukan reputasi, dan idealisme mungkin telah mencapai batasnya.
Vibe Coding membawa tidak hanya pengalaman pengembangan yang lebih cepat, tetapi juga sebuah uji coba tekanan tentang "bagaimana teknologi umum dapat terus didukung."