- Memang benar bahwa alat LLM meningkatkan produktivitas developer
- Namun dalam jangka panjang, ketergantungan pada alat seperti ini dapat menurunkan kemampuan menyelesaikan masalah secara mandiri
- Rasa pencapaian yang didapat dari proses menulis kode menghilang, dan alih-alih memecahkan masalah, orang jadi menunggu jawaban dari AI
Melemahnya semangat dan jiwa tantangan dalam pengembangan
- Ada juga orang yang memang tidak menikmati aktivitas coding itu sendiri → dalam kasus seperti itu, bidang pengembangan mungkin tidak cocok untuknya
- Engineer terbaik yang pernah saya temui secara sukarela membuat alat atau perangkat lunak bahkan di akhir pekan sambil mengejar inovasi
- Peningkatan performa sistem hanya mungkin dilakukan bila ada pemahaman yang mendasar; tanpa itu, yang dilakukan hanya sekadar mencoba-coba secara acak
Fenomena 'Copilot Lag'
- 'Copilot Lag' berarti kondisi ketika seseorang menunggu instruksi berikutnya dari AI
- Ini mirip dengan developer junior yang menunggu arahan dari seniornya
- Saat menggunakan GitHub Copilot, orang bisa sampai melupakan elemen bahasa dan sintaks yang paling dasar sekalipun
- Peningkatan kecepatan jangka pendek menyebabkan pengetahuan jangka panjang mengalami kemunduran
LLM dapat mengganggu proses belajar
- Saat mempelajari buku Thorsten Ball "Writing An Interpreter In Go", Copilot memang menghasilkan kodenya, tetapi saya tidak memperoleh kemampuan untuk menuliskannya kembali sendiri
- Konsep penting seperti manajemen memori atau desain berorientasi data bisa terlewatkan
- Kode yang dibuat AI mungkin tampak benar di permukaan, tetapi tanpa memahami prinsip dasarnya, itu tidak berarti
Cara memanfaatkan LLM secara efektif
- LLM bisa digunakan dengan berguna layaknya mesin pencari
- Seperti saat mencari di Stack Overflow, jawaban dari LLM bisa dijadikan referensi
- Namun LLM tidak merefleksikan pengetahuan pakar yang sebenarnya secara utuh; ia menghasilkan jawaban berdasarkan pola yang dipelajari dan urutan token → karena itu banyak kesalahan
- Jangan menerima jawaban LLM begitu saja; analisis mengapa pendekatan itu direkomendasikan
- Saat ada hal yang tidak diketahui, kita tetap harus meneliti dan belajar sendiri
- Saat mempelajari bahasa baru (seperti Zig), mencatat apa yang dipelajari akan bermanfaat
- Catatan dapat menjadi bahan rujukan belajar, dan juga membantu saat dibagikan kepada orang lain
Kesimpulan
- Alat AI memang berguna, tetapi jika diandalkan secara membabi buta justru bisa menimbulkan efek sebaliknya
- Penting untuk memahami prinsip di balik solusi yang diajukan AI dan memiliki sikap mau belajar sendiri
- Pada akhirnya, yang penting adalah tidak bergantung pada alat dan tetap mempertahankan kemampuan dasar dalam memecahkan masalah
29 komentar
Hmm... sejak awal ini tampaknya perbedaan sudut pandang soal apakah AI dilihat sebagai alat atau sebagai kecerdasan. Saya tidak bisa setuju dengan tulisan ini karena, seperti yang saya katakan di komentar bawah, melihat developer semata-mata pada level kode itu sendiri adalah pemikiran yang keliru. Di masa lalu, ketika Revolusi Industri terjadi di Inggris, para petani juga berteriak bahwa mereka akan mati kelaparan, tetapi pada akhirnya hal itu menciptakan lebih banyak lapangan kerja dan memberi banyak manfaat bagi umat manusia. Selain itu, ketika komputer pertama kali muncul, dulu juga ada yang mengatakan bahwa karena komputer orang akan makin bodoh, tetapi hasilnya justru lebih banyak pekerjaan bisa diselesaikan dalam waktu lebih cepat dan manusia menjadi lebih pintar.
Untuk pemecahan masalah tingkat tinggi, LLM termasuk deep research masih belum berguna. (misalnya pengembangan algoritma setingkat makalah)
Coding yang menuntut optimisasi ekstrem serta pemahaman atas beragam karakteristik sistem dan isu teknis juga masih sama-sama membutuhkan campur tangan manusia. Pengembang bukan sekadar programmer, melainkan pemecah masalah. Suatu hari nanti mungkin pemecahan masalah end-to-end juga akan menjadi mungkin, tetapi untuk sekarang ini terlihat positif dari sisi produktivitas karena bisa menghemat waktu untuk mengetik dan pemrograman sederhana, lalu menginvestasikannya pada pendekatan untuk masalah yang lebih sulit.
Sepertinya sejak kapan pun, saya sering memakainya dengan konsep yang mirip seperti code review. Saya menerima usulan kode, membicarakan arah kodenya, memikirkan dan mengusulkan cara yang lebih baik, lalu ketika hasilnya sudah sesuai dengan yang saya puas, saya mengutipnya.
Seluruh logika aplikasi dan logika bisnis harus dipikirkan oleh manusia.
Kekhawatiran seperti ini muncul jika peran developer dibatasi hanya pada coding. Padahal developer sebenarnya melakukan jauh lebih banyak hal; bergantung pada AI untuk bagian coding bisa dianggap membuat mereka jadi bodoh, tetapi juga bisa dilihat sebagai sesuatu yang memungkinkan mereka lebih fokus pada bagian lain.
Ddu-ttya-i... aku pengembang bodoh...
Dulu juga ada yang bilang Unity membuat developer game jadi bodoh, tapi nyatanya tidak ada yang jadi bodoh dan malah belajar banyak hal lain, jadi kerjaannya justru makin banyak wkwk
Malah cuma jadi makin banyak kerjaan.. bagaimana bisa begini..
Saya sulit setuju dengan ungkapan bahwa itu membuat orang menjadi bodoh...
Sejak adopsi AI, produktivitas benar-benar meningkat secara drastis.
Ada orang bodoh di sini
Sekarang ini zamannya kalau tidak setuju dengan pendapat bahwa AI bisa melakukan semuanya, kita malah dimaki.
Kalau itu soal fitur library yang belum kita tahu atau skrip shell yang tidak langsung terpikir, masih oke, tetapi sering tercampur juga fitur yang sudah deprecated atau function yang sebenarnya tidak ada, jadi waktu habis hanya untuk debugging.
> Jangan menerima jawaban LLM mentah-mentah; kita harus menganalisis mengapa pendekatan itu direkomendasikan.
Menurut saya, itulah poin intinya.
Saya merasa alat selalu membawa perluasan cara berpikir sekaligus perusakan cara berpikir. Kita seharusnya bisa melangkah menuju perluasan cara berpikir yang lebih tinggi melalui perusakan itu, tetapi pada saat-saat ketika kita belum siap, masalah seperti ini tampaknya selalu ikut muncul.
Karena itu, pada akhirnya dalam penggunaan alat, kegelisahan semacam ini sepertinya selalu menyertai. Saya pikir ini adalah proses yang benar-benar perlu. Daripada sekadar menolak atau menggunakannya secara membabi buta, menurut saya yang lebih baik adalah berfokus pada bagaimana menggunakan alat ini dengan baik, dan bagaimana memanfaatkannya agar pada dasarnya kita bisa mencurahkan lebih banyak sumber daya ke bagian-bagian yang lebih penting.
(
usageCursor sudah melewati 1.000 kali per bulan...)Pak Kim. Ada satu saran yang ingin saya berikan. Bukan hal lain, jangan terlalu sering memakai fungsi Excel. Kalau ada kemudahan, risikonya juga meningkat. Untuk menangkap sapi ada bilah yang sesuai, tapi apakah untuk menangkap ayam perlu pisau? Yang sederhana bisa jadi adalah jawaban yang tepat.
Tulisan di atas itu versi GPT dari fungsi Excel, wkwkwk
Menurut saya, berhitung di luar kepala bisa cepat, dan kalkulator juga bagus. Komputer itu bukankah seperti pisau jagal untuk menyembelih sapi, jadi saya menyampaikan pendapat ini.
Saya tidak akan pernah menggunakan ChatGPT lagi
Saya juga pernah menulis artikel yang mirip.
Memang ada efek peningkatan produktivitas yang jelas, tetapi saya rasa kita perlu menghindari tindakan menyerahkan kerja otak kita begitu saja.
Saya masih pengikut fanatik Cursor dan Anthropic, tetapi pada suatu titik saya mendapati diri saya perlahan berhenti menggunakan mode agent yang dulu begitu saya gandrungi, lalu lebih dulu menanyakan arsitektur dan cara implementasi lewat mode ask, dan hanya ketika saya sudah benar-benar paham barulah saya mengubah kebiasaan untuk menerima usulan perubahan dari AI satu per satu dengan cermat.
Ketika dua engineer masing-masing melakukan refactor dan menambahkan konfigurasi pada sebuah modul yang memang tidak terlalu besar (tetapi cukup penting dalam proyek kerja kami) dengan menggunakan mode agent, lalu saya berhadapan langsung dengan situasi di mana kode yang awalnya dimaksudkan untuk merapikan arsitektur justru pada kenyataannya membuat keterbacaan dan strukturnya menjadi lebih berantakan, saya pun berubah seperti ini.
Saya juga memakainya seperti ini. Kalau bahasanya benar-benar sama sekali baru saya sentuh, saya pakai mode agent, tapi kalau bahasanya saya kenal, saya jadi cenderung memeriksa dulu apakah kodenya masuk akal.
Daripada AI membuat developer jadi bodoh…
Developer yang bodoh tetap bodoh meski memakai AI…
Garbage in Garbage out
Benar sekali, haha
Saya setuju. Ini tampaknya hanya menambah satu lagi alat produktivitas yang berguna, yang tidak sepenuhnya buruk maupun sepenuhnya baik.
Saya setuju.
Sejak dulu saya sering mengatakan bahwa tidak semua developer itu sama.
Sepertinya pernyataan ini benar...
Kasar, tapi bukan berarti sepenuhnya salah. Dalam konteks yang sama dengan pepatah bahwa jawaban yang baik lahir dari pertanyaan yang baik..
Sepertinya penulis sedang membahas penggunaan yang terlalu bergantung secara membabi buta hanya pada alat AI.
Pendapat pribadi saya, jika efisiensi kerja meningkat dengan memanfaatkan AI,
maka akan lebih baik jika itu digunakan secara aktif untuk mengurangi pekerjaan yang berulang,
dan waktu yang berhasil diamankan diinvestasikan ke area yang lebih luas (misalnya developer backend memperluas cakupan hingga frontend atau pengembangan aplikasi)
ataupun ke arah yang lebih berkembang seperti perancangan arsitektur.
Dilihat dari keseluruhan isi tulisannya, saya rasa penulis juga kemungkinan setuju dengan pendapat di atas,
namun karena kadang ada juga developer yang menolak AI itu sendiri, saya menulis beberapa baris balasan.. haha
.
Saya juga setuju. Ini mengingatkan saya pada tulisan yang mengatakan agar tidak menggunakan fungsi di Excel.
Menurut saya, akan lebih menguntungkan jika kita memanfaatkan dengan baik fitur yang ada untuk meningkatkan kegunaannya.
Saya setuju. ^^
Komentar Hacker News