Serangan Balik Pengembang Junior
(sourcegraph.com)Part 1: Enam Gelombang Coding AI
- Vibe coding adalah julukan yang ringan dan menyenangkan untuk pendekatan coding berbasis percakapan, di mana kita meminta LLM menulis kode lalu mengulanginya sambil memberi umpan balik pada hasilnya
- Ini adalah konsep yang sangat berbeda dari coding tradisional atau coding yang berpusat pada autocomplete; awalnya digunakan tanpa definisi yang jelas, tetapi menyebar cepat setelah Andrej Karpathy menamainya sebagai "vibe coding"
- Saat ini, vibe coding secara bersamaan berada dalam tiga kondisi berikut:
- 80% industri bahkan belum tahu vibe coding itu ada, dan banyak juga yang baru pertama kali mendengar istilah "coding agent"
- Sedang menyebar secara eksplosif lewat media dan SNS, dan di tengah perdebatan serta pro-kontra, banyak pengembang mulai melihatnya sebagai teknologi masa depan
- Coding berbasis chat yang ada sebelumnya sudah dianggap teknologi era lama, dan sebagian pengembang yang antusias pada pendekatan baru yang jauh lebih cepat sudah tak lagi tertarik pada chat
- Artikel ini menjelaskan tahap perkembangan coding berbasis AI dalam total enam gelombang:
- Coding tradisional (2022)
- Coding berbasis autocomplete (2023)
- Coding percakapan (2024)
- Coding agent (paruh pertama 2025)
- Agent cluster (paruh kedua 2025)
- Agent fleet (2026)
- Di antaranya, coding tradisional dan coding berbasis autocomplete makin menurun, sementara pendekatan yang muncul setelahnya menyebar dengan kecepatan yang makin tinggi
- vibe coding muncul terpisah dari gelombang-gelombang ini dalam bentuk garis putus-putus
- vibe coding hidup berdampingan di atas semua pendekatan tersebut dan bukan metode tertentu, melainkan konsep yang mencakup seluruh situasi ketika AI menulis sebagian besar kode
- "Agent cluster" yang akan segera hadir adalah konsep mengelola banyak agent secara paralel, dan "agent fleet" berkembang lebih jauh menjadi struktur di mana AI manager mengawasi agent-agent di bawahnya
- Bagan organisasi FY26 menggambarkan ini: satu pengembang mengoperasikan beberapa grup agent, dan tiap grup menjalankan peran berbeda seperti memperbaiki bug, mengembangkan fitur baru, dan refactoring arsitektur
- Saat ini manusia masih harus turun tangan langsung ketika agent berhenti atau melenceng, tetapi tak lama lagi peran itu akan diambil alih oleh supervisor agent
- Pada akhirnya kita akan bisa menangani puluhan agent atau lebih secara bersamaan, dan itu akan menjadi sistem otomatisasi untuk memproses kode legacy dalam skala besar
- Agent fleet seperti ini hampir pasti akan muncul paling lambat awal 2026, dan teknologi untuk menyusun pekerjaan paralel secara efisien pada dasarnya sudah siap
Part 2: Anda Sekarang Ada di Mana?
- Jika Anda masih memakai AI hanya sebagai alat autocomplete kode atau masih menekankan Completion Acceptance Rate (CAR), maka Anda termasuk kurva pemrograman tradisional pada Figure 1
- Kurva ini diperkirakan akan hilang sepenuhnya sekitar 2027
- Autocomplete memang populer sampai sekitar setahun lalu, tetapi sekarang bukan lagi teknologi inti
- Jika Anda berada di posisi yang lebih maju, Anda mungkin sudah memanfaatkan alat coding berbasis chat di dalam IDE seperti Copilot, Cursor, Sourcegraph, dan Windsurf
- Ini adalah posisi yang cukup baik, karena Anda telah mengadopsi metode yang jauh lebih produktif dibanding autocomplete kode
- Coding berbasis chat memang masih punya banyak pengguna, tetapi bukan lagi standar teknologi paling mutakhir
- Coding agent yang baru muncul belakangan ini (Aider.chat, Claude Code, dll.) menunjukkan potensi untuk melampaui semua pendekatan tadi
- Mereka akan terintegrasi secara alami ke dalam IDE, dan jauh lebih cepat serta efisien dibanding pendekatan berbasis percakapan yang lama
- Sekali Anda mencoba agent, akan sulit kembali ke cara sebelumnya
- Coding berbasis agent juga merupakan salah satu bentuk vibe coding
- vibe coding berarti "semua cara AI menulis kode", bukan modality teknis tertentu
- Bedanya, agent bisa melanjutkan pekerjaan sendiri tanpa perlu sering bercakap-cakap
- Perubahan di tiap pendekatan coding menunjukkan pola kelipatan produktivitas seperti berikut:
- Coding berbasis chat sekitar 5 kali lebih produktif dibanding kerja manual
- Pendekatan berbasis agent bisa kembali 5 kali lebih produktif dibanding chat
- Setiap gelombang seiring waktu bisa mencapai produktivitas 10 kali, tetapi kurvanya jadi mendatar karena teknologi baru muncul lebih cepat
- Saat ini kita berada di tengah lautan AI yang sangat besar, dan harus terus melaju sambil menunggangi ombak yang kian kuat, yaitu teknologi baru
- Semua perusahaan berada pada setidaknya satu atau lebih kurva adopsi di Figure 1
- Penting untuk bertanya pada diri sendiri, Anda ada di kurva yang mana
- vibe coding bukanlah modality teknis tertentu, melainkan filosofi dan realitas baru dalam pengembangan
- Intinya, kita tidak lagi menulis kode sendiri
- Penulisan kode diserahkan pada AI, sementara manusia berpindah ke peran meninjau dan menyelaraskan hasil
- Pada bagian berikutnya, artikel ini melihat dampak finansial dari perubahan teknologi ini
- Coding agent bukan sihir, melainkan struktur yang jadi lebih pintar kalau dibakar dengan biaya
- Jika Anda belum pernah mencobanya, penting untuk mulai sekarang juga atau setidaknya mengamati orang yang sudah memakainya
Part 3: Panduan Menggunakan Unta Baru
- Coding agent terbaru adalah teknologi yang sangat baru, baru muncul beberapa minggu lalu, dan kebanyakan berjalan berbasis terminal
- Ibaratnya seperti seumur hidup berjalan kaki lalu tiba-tiba diberi unta; praktis, tetapi sulit dikendalikan dan mahal untuk dipelihara
- Bahkan dengan hanya satu saja, Anda jauh lebih cepat daripada berjalan, tetapi ia juga bisa meludah, menggigit, atau kabur
- Banyak pengembang masih skeptis terhadap AI coding, dan masih ingin menulis kode sendiri
- Sebagian bahkan secara tegas berkata, "Saya ini orang yang menulis kode!"
- Tetapi pola pikir seperti ini kini tertinggal dari kenyataan
- Makin skeptis seseorang, makin disarankan untuk segera mengunduh dan mencoba coding agent terbaru (dirilis setelah 1 Maret)
- Beberapa minggu lalu pun penulis sendiri melihat langsung kemajuannya yang sampai terasa mengejutkan
- Agent bekerja dengan prinsip yang sama seperti vibe coding, tetapi manusia tidak perlu langsung saling bertukar prompt
- Agent menjalankan pekerjaan kompleks sendiri, lalu menghubungi pengguna lagi saat selesai atau ketika ada masalah
- Karena 90~99% dari keseluruhan pekerjaan dikerjakan secara otomatis, manusia terbebas dari bottleneck
- Perbedaannya dengan pendekatan berbasis chat:
- Agent bisa menangani unit pekerjaan yang lebih besar sekaligus
- Sementara itu pengembang bebas mengerjakan hal lain (misalnya makan camilan, membaca Hacker News)
- Contoh: jika Anda hanya berkata, "Tolong selesaikan tiket JIRA ini," maka agent akan
- mencari tahu JIRA CLI, dan jika perlu meminta izin untuk menginstalnya
- menulis program sementara untuk membaca field tiket
- menganalisis kode → menemukan bug → mengusulkan perbaikan → menulis dan menjalankan test → mengulangi loop
- Hasilnya, agent pada dasarnya adalah sosok seperti pengembang manusia yang bekerja dengan kecepatan memukau, hanya saja sedikit lemah dalam orientasi arah
- Kekurangannya:
- saat ini agent masih hanya bisa menangani pekerjaan skala kecil secara stabil
- ekspektasi berlebihan hanya akan berujung gagal, dan kemampuan task decomposition wajib dimiliki
- pekerjaan yang terlalu besar tidak akan bisa dijalankan dengan baik dan agent akan tersesat
- Karena itu, untuk sekarang masih diperlukan pemilihan masalah yang cermat dan pengawasan, dan agent harus diperlakukan seperti hewan keras kepala
- Namun situasi ini juga akan segera berubah:
- agent akan segera terintegrasi secara alami ke dalam IDE dan berkembang menjadi alat yang lebih mudah dikendalikan dan lebih akrab
- dari unta menjadi kuda berpelana, dan tak lama lagi berevolusi menjadi kereta perang (chariot)
- Kesimpulannya: saat ini adalah waktu terbaik untuk belajar bekerja bersama agent, dan
- tak lama lagi akan hadir lebih banyak fitur, antarmuka yang lebih baik, dan peningkatan produktivitas yang lebih besar
Part 4: Katanya Tidak Ada Matematika
- Bagian ini ditujukan untuk CIO dan pihak keuangan
- Sekarang setelah anggaran FY26 baru saja dirampungkan, berapa besar biaya penggunaan LLM yang sudah Anda alokasikan per pengembang?
- $25 per hari mungkin terdengar cukup berani, tetapi sebenarnya cukup mendekati angka yang wajar
- Kenyataannya bahkan lebih berat:
- coding agent sangat mahal — menghabiskan token setara sekitar $10~12 per jam
- jika lisensi coding assistant lama hanya sekitar $30 per bulan, ini berarti selisih biaya puluhan kali lipat atau lebih
- Namun secara hitungan, jika dipakai 8~10 jam sehari, coding agent punya produktivitas yang sebanding dengan mempekerjakan 1 pengembang junior
- Dengan $10 per jam, itu justru sangat murah, dan seorang pengembang bisa menjalankan dua agent sekaligus
- Jika menghabiskan sekitar $100 per hari untuk LLM, produktivitas pengembang bisa naik lebih dari 2 kali lipat
- Tetapi perubahan yang sebenarnya akan datang lewat agent cluster (diperkirakan Q3 2025)
- Satu pengembang bisa menjalankan beberapa agent secara paralel
- Tiap agent bekerja mandiri pada berbagai tugas seperti memperbaiki bug, membuat fitur baru, dan menulis dokumentasi
- Akibatnya, satu pengembang akan menjalankan peran seperti banyak pengembang sekaligus
- Tentu saja, efeknya akan lebih besar pada orang yang lebih terampil
- Munculnya agent cluster akan menjadi pemicu perubahan lingkungan pengembangan software ke cloud
- Puluhan sampai ratusan agent tidak mungkin ditangani dari desktop lokal
- Lingkungan pengembangan berbasis cloud praktis akan menjadi standar
- Karena itu, anggaran cloud juga harus ditambah
- Misalnya, jika satu pengembang menjalankan 5 agent:
- $50 per jam → sekitar $100,000 biaya per tahun (belum termasuk biaya cloud)
- ini bukan lagi ‘investasi murah’, melainkan pengeluaran yang besar
- tetapi karena produktivitas bisa meningkat lebih dari 5 kali, ROI jangka panjang tetap bisa sangat tinggi
- Masalahnya, kebanyakan perusahaan kemungkinan belum memasukkan biaya LLM semacam ini ke dalam anggaran operasional 2026
- Akibatnya jarak antarperusahaan akan melebar: perusahaan yang punya anggaran akan mengamankan keunggulan teknologi, sedangkan yang tidak punya berisiko tertinggal
- Kesimpulan:
- pengembangan software kini adalah kereta supercepat pay-to-play
- tanpa tiketnya, yaitu anggaran, risikonya sangat besar untuk terlempar dari rombongan
Part 5: Agent Fleet Akan Datang
- Mulai dari sini, kita masuk ke kenyataan yang agak tidak nyaman
- jika Anda belum siap secara mental, disarankan beristirahat sejenak lalu membacanya lagi
- Tahap berikutnya setelah agent cluster adalah "agent fleet", yaitu lingkungan di mana pengembang mengoperasikan lebih dari 100 agent sekaligus
- Pada tahap ini akan muncul supervisor agent di lapisan atas yang mengelola grup agent di bawahnya, dan manusia hanya turun tangan saat ada masalah
- Peran pengembang di masa depan bukan lagi penulis kode, melainkan
- orang yang mengoperasikan dan mengawasi dashboard yang menampilkan agent dan AI manager
- Sebagian orang mungkin menyindirnya sebagai "mengasuh bayi AI", tetapi inilah bentuk baru dari pengembangan software
- Dari sudut pandang CIO, di era agent fleet biaya LLM per pengembang per hari bisa mencapai ribuan dolar
- Sekalipun biaya inferensi turun, menurut paradoks Jevons, kenaikan pemakaian akan meniadakan penghematan biaya
- Contohnya: coba ingat bahwa backlog bug Anda tidak ada habisnya
- Tetapi ini bukan pemborosan, melainkan investasi dengan nilai luar biasa besar
- akhirnya organisasi engineering bisa bergerak secepat yang diinginkan manajemen
- kita memasuki era di mana perusahaan bisa mengejutkan dan menyenangkan pelanggan dengan kelincahan seperti startup
- Kekurangannya adalah dibutuhkan anggaran yang sangat besar
- sebagian perusahaan besar mungkin sudah menyiapkan anggaran eksperimen LLM dalam bentuk slush fund, tetapi
- banyak perusahaan kemungkinan besar sama sekali belum mempertimbangkan ini dalam penyusunan anggaran kali ini
- sebagian perusahaan besar mungkin sudah menyiapkan anggaran eksperimen LLM dalam bentuk slush fund, tetapi
- Jika sampai akhir tahun Anda tidak bisa mengamankan tambahan anggaran $50,000 per pengembang, mungkin tidak akan ada banyak pilihan selain restrukturisasi
- perubahan ini justru bisa lebih menguntungkan startup yang lincah
- kita memasuki era ketika ada atau tidaknya anggaran lebih menentukan daya saing perusahaan daripada kesenjangan teknologi
- Dan jika Anda tidak bisa menyediakan anggaran itu, maka jelas departemen mana yang satu-satunya bisa dipangkas
- jawabannya diserahkan pada penilaian pembaca
- Untungnya, prediksi ini mungkin sedikit dibesar-besarkan
- setelah mendiskusikannya dengan Claude (LLM), mungkin akan lebih realistis jika prediksi ini dimundurkan sekitar 6 bulan
- Kabar baiknya, semua ini baru permulaan
- kabar buruknya sudah selesai, dan sekarang hanya tinggal satu hal: balas dendam yang manis
Part 6: Balas Dendam Pengembang Junior
- Masa depan tidak suram. Justru masih akan ada banyak pekerjaan di industri software
- hanya saja, peran pengembang tradisional yang menulis kode secara manual akan menghilang
- Salah satu pola yang terlihat selama setahun terakhir adalah bahwa pengembang junior jauh lebih agresif dalam mengadopsi AI dibanding senior
- sebagian memang khawatir AI akan mengambil pekerjaan mereka, tetapi kebanyakan justru cepat beradaptasi dengan perubahan
- Mereka mempelajari buku AI Engineering dari O’Reilly dan mahir memakai chat coding serta coding agent
- Sebaliknya, pengembang senior sering kali hampir tidak pernah benar-benar menggunakan LLM, atau hanya mengenalnya secara tidak langsung
- ada juga kasus yang menunjukkan penolakan terang-terangan terhadap teknologi AI
- contoh: seorang pengembang di perusahaan terkenal menyerahkan slide PDF yang isinya "tinggalkan AI dan kembali ke coding tradisional"
- Reaksi seperti ini muncul dari kecemasan terhadap teknologi baru dan rasa rugi atas investasi pengetahuan lama
- mempelajari bahasa atau alat baru pada dasarnya selalu dibarengi ketakutan 'harus mulai lagi dari nol'
- Tetapi kenyataannya jelas:
- mereka yang mengabaikan AI sudah tertinggal dalam permainan
- pengembang junior lebih murah, lebih adaptif, dan belajar lebih cepat
- ketika perusahaan harus menyesuaikan tenaga pengembang, pilihan pengembang mana yang akan dipertahankan menjadi sangat jelas
"AI tidak perlu membuktikan bahwa ia lebih baik daripada Anda. Andalah yang harus tahu cara memanfaatkan AI dengan lebih baik."
- Artinya, pengembang junior kini berada pada posisi berdiri di atas bukit sambil memegang pedang cahaya,
- sambil berteriak kepada pengembang senior agar beradaptasi dengan perubahan
- Pelajaran yang bisa diambil dari seluruh situasi ini:
- siapa pun Anda, baik perusahaan maupun individu — bertindaklah seperti junior
- sekarang adalah waktunya menerima dan beradaptasi dengan teknologi AI
- Sourcegraph menganalisis arus evolusi teknologi ini setiap hari, dan
- menghubungkan coding agent ke aset kode enterprise adalah strategi inti generasi berikutnya
- Secara keseluruhan, seiring meningkatnya adopsi AI, pekerjaan terkait software justru akan bertambah
- mandeknya perekrutan saat ini hanya karena perusahaan masih berhati-hati karena belum tahu harus merespons bagaimana
- secara historis, setiap masa transisi teknologi memicu lonjakan produktivitas dan juga kenaikan GDP
- Karena itu, yang harus dilakukan sekarang adalah:
- mempelajari dan membiasakan diri dengan coding agent
- PM maupun profesi teknis lain juga tidak terkecuali
- pengembangan berbasis LLM bukan sekadar menulis prompt. Ini akan mengubah praktik pengembangan nyata seperti verifikasi, testing, dan koordinasi
- Peringatan:
- coding agent itu kuat, tetapi merupakan alat seperti mesin pengebor terowongan
- mahal, bisa berhenti, dan bisa kehilangan arah
- dibutuhkan panduan berkelanjutan dan penetapan ekspektasi yang realistis
- vibe coding, sesuai namanya, adalah cara bekerja yang menyenangkan
- tidak perlu menulis kode sendiri ternyata memberi rasa lepas yang sangat besar
- Pola pikir "6 bulan lagi pasti lebih baik, jadi tunggu saja sekarang" itu berbahaya
- pada akhirnya berangkat paling lambat, dan tiba paling akhir
- Agent sedang datang. Bukan hanya coding agent, tetapi juga
- ratusan task agent di seluruh pekerjaan perusahaan sudah mulai diadopsi
- Panduan tindakan akhirnya adalah:
- beralih ke chat
- tinggalkan autocomplete
- kurangi coding langsung
- pelajari verifikasi/review/eksekusi agar sesuai dengan lingkungan berbasis AI
- terus bereksperimen dan menerapkannya sesuai arus teknologi terbaru
- Bahkan coding agent yang sekarang tampak sulit dan belum sempurna pun akan segera menjadi hal yang umum
- ia adalah mesin produktivitas yang jauh lebih murah daripada manusia, dan pilihan perusahaan pun menjadi jelas
- Pada akhir 2025, jabatan "software engineer" kemungkinan hampir tidak lagi menulis kode secara langsung
- sebagai gantinya, pekerjaan utamanya akan berpusat pada operasi agent, koordinasi, dan pengelolaan verifikasi
- Terakhir: jika Anda tidak tahu harus mulai dari mana sekarang, mintalah bantuan pada pengembang junior
Sudah dua tahun sejak tulisan 'Cheating is all you need' diterbitkan, dan selama itu segalanya telah berubah
Sekarang kita tepat berada di tengah perubahan itu, dan inilah saatnya ikut naik ke arus tersebut
23 komentar
Yang ini memang cukup bikin frustrasi
Cara lama: berpikir => kode (lambat) => debugging
AI: berpikir => menulis prompt yang presisi => kode (seketika) => debugging
Tapi biasanya menuliskan apa yang saya pikirkan sebagai kode itu lebih cepat daripada menjadikannya prompt, bukan? Kecuali saat mengerjakan hal yang memang sudah sangat dikenal.. Untuk bagian yang keandalannya penting, bagaimanapun juga setelah selesai kita tetap harus memahami logikanya dengan mata sendiri, jadi tidak bisa benar-benar diserahkan, dan saat diserahkan justru terasa seperti kehilangan profesionalisme dalam pekerjaan.
Saya memang manajer berlatar belakang developer yang sudah tidak lagi menulis kode, tetapi belakangan ini rasanya seperti kembali menjadi junior dan mencoba berbagai hal sendiri. Sekarang saya mengerjakan sendiri hal-hal yang dulu saya minta anggota tim lakukan, dan saya agak kaget karena kecepatannya jadi jauh lebih tinggi. Saya juga jadi berpikir bahwa bahkan dalam tim kecil pun kita bisa mencoba lebih banyak hal. Terima kasih untuk tool dan penjelasannya yang bagus!
Saat ini sebagai hobi saya mengembangkan klien, server, dan admin untuk web game dengan vibe coding (saya juga tidak mengedit langsung. Saya menyalin bagian yang perlu diperbaiki, meminta revisi, lalu menerapkan kode yang keluar apa adanya), dan saat ini totalnya kira-kira sudah 20 ribu baris. Kadang memang bikin kesal, tapi kalau saya bertanya sambil marah, sejauh ini masih bisa menghasilkan kode yang lumayan bagus.
Saya setuju lebih dari 90 persen dengan tulisan di atas.
Sepertinya memang sudah pasti bahwa kini momen perubahan dalam kapabilitas dan paradigma pengembangan sedang datang.
Sekarang, dari sisi kemampuan mengarahkan, saya rasa kita perlu lebih memperhatikan lebih banyak design pattern, cara membangun aplikasi yang bersifat umum, serta metodologi untuk pemecahan masalah.
Pengembangan algoritma sudah lama melampaui batas kemampuan manusia, dan seperti AI yang kini sedang melakukan optimasi algoritma yang tidak dapat dipahami manusia, para pengembang ke depan adalah saatnya untuk fokus pada tren yang lebih luas dan lebih banyak.
Belajar AI itu penting, tetapi saya rasa tidak perlu bereaksi berlebihan setiap kali teknologi baru muncul. Menginvestasikan lebih banyak waktu pada konsep inti yang tidak berubah lebih efektif, dan karena AI relatif mudah dipelajari, menurut saya tidak masalah untuk mempelajarinya pelan-pelan. Daripada terus mengejar setiap perkembangan, saya rasa yang lebih penting adalah membangun kemampuan yang mendasar.
Sekarang pun dia masih lebih bagus daripada kebanyakan orang. Karena belajar dari kode para guru open source, kalau pertanyaannya bagus, hasilnya juga keluar dengan kualitas yang bagus haha
Kita tidak tahu sampai tingkat mana teknologi AI yang esensial akan berkembang. Pada level sekarang, itu sama sekali belum memadai.
Dilihat dari sisi menurunnya nilai pengetahuan atau pengalaman yang diperoleh, sepertinya batas antara senior dan junior itu sendiri akan menjadi kabur.
Dan saya rasa ini akan menjadi pasar yang dikuasai segelintir pihak. Ke depannya, perekrutan developer tampaknya akan lebih mengarah pada memilih pilot AI dengan kemampuan berpikir dan penalaran bawaan yang unggul, daripada berdasarkan besarnya upaya yang dicurahkan atau ada tidaknya pengalaman kerja.
Agen pengawas ya..
Kalau tahap pengembangan kira-kira ada 4 tahap (pengembangan, debugging, QA dan debugging, refactoring), apakah halusinasi yang terjadi di 4 layer itu benar-benar bisa ditangkap semua..
Sekarang pun, meski permintaan debugging dan testing sudah ditulis dengan sangat rinci di prompt, kadang masih keluar omongan ngaco seperti tidak tahu apa masalahnya (Sonnet 3.7).
Kecuali kalau arsitektur transformer itu sendiri berubah.
Sulit untuk setuju dengan vibe coding karena AI agent masih belum mampu menyelesaikan kenyataan bahwa kita tetap harus bekerja berdasarkan code. Jika agent bisa beroperasi secara otonom, mengapa kita masih memerlukan code yang tidak nyaman dipahami oleh mesin?
Menurut saya, momen ketika AI agent benar-benar mengubah wujud pengembangan perangkat lunak adalah saat lapisan bernama code itu sepenuhnya diabstraksikan dari pengguna yang mengarahkannya. Untuk saat ini, menurut saya kemampuannya masih sebatas menghasilkan potongan kode dengan cepat—tentu saja ini juga luar biasa.
Sampai datang saat AI agent membebaskan kita dari code, perubahannya memang mengejutkan, tetapi saya sulit setuju dengan klaim bahwa itu akan secara dramatis mengubah cara kerja industri perangkat lunak.
Saya pikir ini mirip dengan penerapan megafactory oleh Hyundai Motor.
Pekerja tradisional kemungkinan akan beralih ke setup dan maintenance. (Bagian ini agak lebih mudah saya pahami.)
Namun, apakah itu juga akan berlaku sampai ke ranah yang menangani abstraksi?
Secara pribadi, saya pikir itu mungkin.
Aku masih kadang bingung saat menulis pasangan grup pola yang agak rumit dalam urutan alfabet huruf.. (tolooong!!) Aku malas ngetik di keyboard
Kalau bukan bagian terakhir tentang junior, saya cukup setuju sampai taraf tertentu.
Sepertinya lebih tepat jika dikatakan bahwa senior atau perusahaan lama yang tidak bisa menerima AI akan mengalami pergantian generasi.
Implementasi pengembangan penting milik perusahaan hampir 100 persen tidak dipublikasikan di internet. Dengan level AI saat ini, kualitas seperti itu tidak bisa dibuat. Omong kosong.
Kalau pengetahuan dan kemampuan mirip, dalam lingkungan yang tepat hasilnya juga akan kurang lebih mirip.
Pengembangan itu bukan cuma web application yang relatif banyak materi terbukanya; spektrumnya sangat luas, dari graphic engine, embedded, sampai desain chip tingkat rendah. Ada banyak bidang yang memulainya dari nol atau nyaris nol. Di bidang saya juga, baik GitHub, dokumentasi, maupun internet tidak punya rujukan yang benar-benar bisa dijadikan acuan. Wajar saja kalau Grok maupun Claude juga tidak menghasilkan output yang layak. Menyediakan seluruh kode ke model atau fine-tuning itu di luar pembahasan.
Mungkin Anda tidak mengerjakan pengembangan yang membutuhkan keahlian seperti ini, atau tidak punya aset internal yang dilarang untuk diekspos, jadi sebaiknya jangan terlalu yakin bahwa Anda sudah memahami situasinya dengan tepat.
Bukankah argumen bahwa AI tidak bisa menginvasi jika sesuatu tidak ada di internet terdengar agak aneh? Saya pikir, seiring riset tentang metode pembelajaran terus berlanjut, AI in-house pada akhirnya akan menggantikan posisi developer in-house.
Maksudnya bukan internet yang jadi masalah, melainkan tidak ada data yang bisa dipakai untuk melatih pembuatan model AI, kan.. Lalu kenapa muncul riset tentang metode pelatihan? Saya sedang membicarakan realitas yang konkret sekarang. Pada akhir 2025, AI yang menggantikan semua developer jelas tidak akan bisa dibuat. Dari awal ini bukan masalah performa.
Sepertinya Anda salah memahami maksud saya; yang saya asumsikan adalah situasi ketika AI dilatih menggunakan kode milik perusahaan di dalam perusahaan, lalu digunakan untuk menghasilkan kode internal perusahaan.
Seorang supervisor juga harus tahu sesuatu… apakah orang itu sedang santai, bekerja, melakukan hal sia-sia, atau bekerja dengan baik… kukira supervisor itu cuma orang yang mematikan lalu menyalakan listrik…
Kalau memang mematikan dan menyalakan listrik itu pekerjaan supervisor… justru supervisor seperti itulah yang paling cocok digantikan oleh AI.
Secara pribadi saya kurang setuju. Menurut saya, senior yang tersingkir oleh junior yang bekerja dengan AI sejak awal memang bukan senior sungguhan.
Sayang sekali, sepertinya bukti yang mendukung argumennya kurang memadai.
Apakah nama Neo sudah berubah?
Bukan berarti namanya diubah, tetapi sepertinya penanda GN+ dan neo muncul ganda, jadi saya rapikan menjadi satu. Jika diklik, akan menuju ke neo.