43 poin oleh GN⁺ 2025-06-19 | 3 komentar | Bagikan ke WhatsApp
  • Dengan munculnya agen kode AI, peran developer tampak seperti akan menghilang, tetapi justru ada argumen bahwa sekarang adalah waktu yang baik untuk belajar development
  • Developer bukan sekadar orang yang menulis kode, melainkan sosok yang menemukan inti masalah dan menyelaraskan realitas dengan kebutuhan
  • AI memang dapat dengan cepat membuat kode yang tampak berjalan, tetapi dalam praktiknya sering kali menyelesaikan masalah yang salah atau menciptakan ilusi
  • Developer yang mempelajari dasar-dasar dan mampu memanfaatkan AI dengan baik justru akan memiliki produktivitas dan pengaruh yang lebih besar
  • Perubahan tidak bisa dihindari, sehingga pentingnya pakar manusia yang tahu cara memanfaatkan AI akan semakin besar

What do you do while awaiting the agents writing your code?

  • Saat agen kode bekerja, penulis menghabiskan waktu dengan berolahraga atau mencoba agen baru
  • Namun menangani beberapa agen sekaligus tidaklah mudah, dan kadang-kadang orang jadi terus mengulang permintaan seperti "tolong perbaiki ini!!" tanpa benar-benar memahaminya
  • Bahkan dalam lingkungan seperti ini, penulis tetap merasa senang, dan justru berpendapat bahwa sekarang adalah masa terbaik, berbeda dari suasana yang memperingatkan akhir para developer

Developers are highly-paid farmers. LLMs are the combine harvesters.

  • Mengutip tweet Tom Blomfield

    "Developer adalah petani bergaji tinggi, dan LLM adalah mesin pemanen combine"

  • AI membuat satu developer mampu mengerjakan jauh lebih banyak hal dibanding masa lalu, dan kemampuan itu menyebar dengan cepat
  • Memang ada anggapan bahwa AI dapat menggantikan peran developer manusia, tetapi justru orang yang tahu cara memanfaatkannya sebagai alat menjadi semakin penting
  • Ini bukan berarti peran developer menghilang, melainkan bahwa peran itu menjadi lebih kuat

1. It’s your moat, too

  • Fakta bahwa developer adalah daya saing perusahaan (moat), pada saat yang sama juga berlaku untuk developer itu sendiri
  • Dalam situasi ketika pesaing juga menjadi lebih kuat karena AI, memecat developer yang sudah ada adalah tindakan yang nyaris bunuh diri
  • Saat para pesaing memperluas wilayah mereka dengan memanfaatkan AI, hanya bertahan akan membuat kita tertinggal
  • Kini developer ibarat prajurit yang dipersenjatai helikopter atau mesin combine, dan perusahaan yang mampu memanfaatkan mereka dengan baik akan menang

2. AI grants wishes, developers discover

  • AI dapat dengan cepat mewujudkan permintaan permukaan pengguna, tetapi sebagian besar masalah nyata sebenarnya adalah masalah definisi dan desain, bukan coding
  • Karena kurangnya pemahaman terhadap realitas dan permintaan yang keliru, sering kali dihasilkan sesuatu yang melenceng
    • Contoh: ada aplikasi berbasis blockchain, tetapi dalam kenyataannya kata sandi masih dibagikan dan bahkan 2FA pun tidak ada
    • Contoh: ada portal pelanggan, tetapi data sebenarnya masih disimpan manual di Excel
  • AI bisa memberikan "jawaban yang terasa nyaman", tetapi tetap dibutuhkan pakar yang mampu membedakan apakah itu benar-benar jawaban yang membantu
  • Belajar dengan bantuan AI memang mungkin, tetapi jika dasar-dasarnya lemah, pada akhirnya yang bertambah hanya waktu tersesat
  • Konsep kompleks seperti GDPR atau keamanan pun bisa diimplementasikan oleh AI, tetapi sering kali penggunanya tidak sepenuhnya memahami maknanya
  • Developer tetap dibutuhkan karena berperan menemukan inti persoalan dan menyaring permintaan yang keliru
  • AI hanyalah pendamping belajar; untuk menjadi developer sungguhan, pengetahuan dasar dan kepekaan terhadap dunia nyata tetap wajib dimiliki

3. Software is kinda the last problem anyway

  • Masalah yang terakhir diselesaikan AI mungkin justru adalah masalah perangkat lunak, dan masih ada banyak persoalan software yang tersisa
  • Alat AI terus bertambah, sehingga kemampuan membedakan alat yang baik dan yang buruk menjadi semakin penting
  • Sekarang adalah masa paling mudah untuk belajar, dengan alat yang berlimpah dan kesempatan menyelesaikan masalah yang juga melimpah
  • Pada saat seperti ini, berkata "AI akan mengerjakan semuanya, jadi mari kurangi developer" justru merupakan pilihan yang menutup sendiri potensi pertumbuhan
  • Generasi developer yang tumbuh bersama AI akan memiliki kekuatan besar di masa depan, dan investasi saat ini sangat penting

Sekarang adalah masa ketika belajar lebih mudah, produktivitas lebih tinggi, dan campur tangan manusia lebih dibutuhkan. Peran pakar manusia yang dapat memverifikasi penilaian AI dan bertanggung jawab atasnya akan menjadi semakin penting ke depan

Kesimpulan

  • Teknologi selalu berubah, dan arahnya tidak selalu bisa diprediksi dengan tepat
  • Namun peran manusia tetap penting, dan manusialah yang harus memverifikasi ilusi dan kesalahan AI serta bertanggung jawab atasnya
  • Hanya menggunakan AI saja tidak cukup; tetap dibutuhkan pakar manusia yang benar-benar tahu cara menanganinya
  • Pada akhirnya, developer tidak sedang menghadapi akhir yang romantis dari teknologi, melainkan berdiri di titik awal yang baru

3 komentar

 
draupnir 2025-06-20

Saya sangat setuju. Saya juga sepakat bahwa pelan-pelan akan semakin banyak hal yang bisa dilakukan lewat alat no-code, tetapi bagi orang yang sudah cukup memahami pengembangan atau ingin belajar pengembangan, memanfaatkan bantuan AI itu... rasanya sekarang sudah membaik secara eksplosif. Kecepatan bertambahnya pengetahuan atau pengalaman bagi orang yang mendekati tingkat kompleksitas tertentu dengan rasa ingin tahu tampaknya lebih cepat dan juga lebih menyenangkan daripada menunggu hari ketika bisa melakukannya tanpa harus tahu.

 
fanotify 2025-06-19

Namun (setidaknya di dalam negeri) perusahaan menerapkannya seperti ini.

Grup OOO sedang merombak organisasinya dengan berfokus pada kecerdasan buatan. ... Untuk pekerjaan yang mutlak diperlukan seperti pemeliharaan layanan, mereka memanfaatkan tenaga pengembang dari pusat pengembangan di Kamboja, dan sebagian karyawan domestik termasuk pengembang sedang dialihkan ke tim produk setelah menyelesaikan pelatihan kecerdasan buatan. Menurut penjelasan Wakil Ketua MMM OOO, perekrutan tenaga baru termasuk pengembang saat ini dihentikan.

Saya menyamarkannya agar tidak terkena masalah, tetapi ini artikel yang benar-benar ada: https://news.nate.com/view/20250610n33754

 
GN⁺ 2025-06-19
Komentar Hacker News
  • Sebenarnya menurut saya, salah satu manfaat besar dari alat AI yang jarang dibahas adalah “dukungan psikologis”. Ini sangat berarti karena saat pekerjaan buntu, kita bisa mendapat sedikit dorongan atau tenaga. Meski jawabannya tidak harus sempurna, setidaknya ada sesuatu yang membuat kita bisa maju lagi. Perasaan bahwa kita tidak bekerja sendirian ternyata jauh lebih penting daripada yang dibayangkan banyak orang

    • Mungkin tiap orang berbeda, tapi saya benar-benar kehabisan energi hanya setelah ngobrol 30 menit dengan LLM. Rasanya seperti bicara dengan orang bodoh yang sok tahu. Kalau sesama LLM disuruh saling bicara, percakapannya langsung berantakan, jadi saya tidak merasakan motivasi apa pun dari situ. Jauh lebih meyakinkan kalau saya cari di Google, abaikan ringkasan LLM di atas yang kadang salah, lalu menemukan jawaban di situs web ahli yang sesungguhnya. Di sana biasanya ada pembuat asli kode yang disalin LLM
    • Saya meminta para murid membuat lelucon tentang AI. Menurut saya humor adalah salah satu cara terbaik untuk membuat orang jujur mengungkapkan ketakutan mereka. Seorang murid menulis, “Hari itu saya datang kerja lebih pagi, dan monitor sudah menyala, tidak ada yang menyentuhnya, tapi kode sedang ditulis. Saya lari ke atasan dan bilang ada yang masuk ke mesin saya dan sedang menulis kode. Atasan saya memasang wajah khawatir dan bilang saya berhalusinasi, itu bukan peretas melainkan agen baru perusahaan. Katanya saat saya tidur, agen itu sudah membuat aplikasi yang kami butuhkan. Katanya ini promosi yang selalu saya inginkan, kabar baik! Saya dipromosikan jadi manajer prompt. Gajinya dipotong setengah, tapi saya boleh nonton TikTok seharian.” Sulit rasanya menemukan penghiburan psikologis yang sejati dari cerita seperti itu
    • Tergantung situasinya, kadang untuk pembelajar justru lebih baik tidak buru-buru mencari jawaban, melainkan memaksa diri berpikir lebih dalam. Proses tidak mudah menyerah dan berusaha memahami masalah dengan lebih baik juga merupakan kemampuan penting. Di era seperti generasi TikTok yang mengutamakan kepuasan instan, sayang sekali rasanya pemikiran mendalam seperti ini akan makin berkurang. Menurut saya para eksekutif juga makin memberi penghargaan pada pola perilaku seperti itu. Hanya hasil cepat yang diperlakukan sebagai nilai penting, dan banyak yang terobsesi pada kecepatan ketimbang pemikiran jangka panjang atau arah yang benar
    • Saya sama sekali tidak merasakan dukungan psikologis seperti itu. Malah rasanya mematahkan semangat. Kolaborasi berkurang karena ada ekspektasi agar orang bertanya ke AI, dan kesempatan pengembangan karier juga ikut menyusut karena perekrutan junior atau level menengah ke depan pasti akan makin berkurang
    • Menurut saya ada plus minusnya. Benar bahwa LLM membantu, misalnya membuat kita lebih tenggelam dalam pekerjaan, tapi sekaligus juga bisa jadi tempat melampiaskan stres. Saat LLM bertingkah konyol, saya kadang sengaja meresponsnya dengan cukup jahat untuk melepas stres. Rasanya lebih baik daripada melampiaskannya ke manusia. Sebagai catatan, sepertinya saya tidak akan pernah diperlakukan baik oleh Skynet
  • “Kabar baik, Bos! Sekarang kami telah menciptakan teknologi baru yang memungkinkan orang nonspesialis menulis dan menerapkan kode langsung dalam bahasa Inggris! Kita tidak perlu lagi mempekerjakan developer mahal!” “Oh, coba tunjukkan!” “Ya, ini dia. Namanya COBOL”

    • FORTRAN (Formula Translator) juga merupakan proyek perintis yang mencoba pemrograman otomatis sebagai semacam “AI”. Sebelum 1954, hampir semua pemrograman dilakukan dalam bahasa mesin atau assembly, dan programmer harus menggunakan kreativitas agar program efisien. FORTRAN adalah sistem di mana kita menulis rumus dengan notasi matematika lalu komputer akan membuat program cepat dengan sendirinya (tautan referensi 1) (tautan referensi 2)
    • Walau disampaikan sebagai lelucon, saya rasa semua orang tahu ini memang benar. SQL juga pernah disertai klaim serupa, sebagai bahasa deklaratif di mana kita menyatakan apa yang kita inginkan dan komputer yang mengerjakannya. Sama seperti itu, ditulis dalam bahasa Inggris
    • Ungkapannya keren sekali dan saya sangat setuju. Saya ingin menekankan bahwa inovasi teknologi adalah fenomena yang memperbesar pie dengan cara yang sebelumnya tidak mungkin. Kamera digital menjadi massal sehingga semua orang bisa jadi fotografer, dan kreativitas meledak di platform seperti YouTube; itu contoh yang bagus. Menurut saya pemrograman dengan LLM juga sama. Pada akhirnya ini adalah arus yang bermanfaat karena menghasilkan lebih banyak aplikasi dan lebih banyak developer
    • Yang sering kita lupakan adalah, berkat bahasa tingkat tinggi seperti ini, orang-orang yang dulu dianggap “nonspesialis” juga jadi bisa ikut terlibat dalam pemrograman
    • Menurut saya beberapa dekade lagi kita akan mengatakan, “Inilah Dreamweaver”
  • Setelah mengalami berkali-kali respons korporat yang berlebihan dan obat mujarab ala media yang dibesar-besarkan, saya punya firasat kuat bahwa gelombang AI kali ini juga akan berkembang dengan pola yang mirip masa lalu. Perusahaan pada akhirnya akan membuat keputusan yang merugikan pekerja intelektual, tetapi kompensasi eksekutif tidak akan ikut turun. Namun bagi pembangun yang cerdas dan sangat termotivasi seperti penulis TFA, gelombang ini tampak seperti peluang besar. Jika pekerjaan Anda sedang terancam atau sudah hilang, ini bisa menjadi saat untuk mencoba hal-hal yang dulu tidak sempat dilakukan karena sibuk atau kelelahan. Dalam proses itu, Anda mungkin bisa membangun sumber penghasilan yang baik dan tidak mudah dikendalikan perusahaan, dan beberapa orang bahkan bisa menciptakan sesuatu yang nanti ingin dibeli perusahaan dengan harga besar

    • Saya sudah mulai. Sudah lama saya meninggalkan memo suara untuk diri sendiri, tapi selama ini hampir hanya dibaca sekilas atau dibiarkan menumpuk. Merekam itu mudah, tetapi mengekstrak informasi sulit. Belakangan ini saya sedang mengembangkan perangkat lunak untuk cepat mengekstrak informasi dari memo suara itu. Bukan cuma akan berguna bagi sejarawan masa depan, tapi juga langsung berguna bagi saya sendiri. Kalau bukan karena AI, saya tidak akan punya waktu untuk fokus pada proyek seperti ini. Sebagian besar kode dan strukturnya tetap lahir dari tangan saya, tetapi AI membuat lajunya lebih cepat
    • Nasihat “kalau kehilangan pekerjaan atau sedang terancam, bangunlah sekarang apa yang selama ini cuma Anda pikirkan” memang tidak sepenuhnya buruk, tetapi bisa berbahaya bagi orang yang saat ini sulit mendapat kerja atau yang ke depan akan menghadapi penyusutan lapangan kerja perangkat lunak. Beberapa tahun lalu orang bilang AI tidak akan merebut pekerjaan, tapi saat itu saya justru berpendapat bahwa kita harus cepat mempelajari keterampilan lain. Kalau Anda developer yang tidak berhasil mendapatkan pekerjaan, menurut saya belajar mengecat tembok atau memasang karpet bisa menjadi strategi bertahan hidup yang diperlukan sebelum dana darurat habis. Harus diingat, peluang untuk menghasilkan banyak uang dari startup atau menjaga nafkah tetap berjalan lewat cara itu sangat kecil. Terutama kalau Anda menanggung keluarga, saya ingin menasihati agar jangan sembrono terjun tanpa perhitungan
  • Saya cukup sering menulis, semacam jurnal, tetapi biasanya tidak saya bagikan. Saya akui duluan bahwa gaya tulisannya seperti coretan spontan. Namun saya tetap membagikannya karena ingin menyeimbangkan arus yang belakangan terlalu pesimistis terhadap nilai developer perangkat lunak

    • Saya ingin lebih sering membaca tulisanmu. Perpaduan nuklir juga diterima
    • Tulisannya benar-benar mengesankan. Rasanya seperti karya seorang blogger developer lawas. Saya harap Anda terus memposting
    • Sangat enak dibaca. Terima kasih sudah menulisnya
    • Humornya terasa segar dan menyenangkan
    • Blog developer akhir-akhir ini terlalu serius sampai menyesakkan, jadi sindiran yang licik seperti ini terasa menyegarkan dan patut disyukuri
  • Saya bekerja di bidang keamanan dan bukan developer, tetapi saya memang belajar pengembangan perangkat lunak saat kuliah. Kalau hanya dari judulnya saja, menurut saya ini masa yang lebih baik untuk mempelajari apa pun ketika dasar-dasarnya bisa dipelajari dengan mudah. Dulu kita harus menghabiskan banyak waktu menjelajahi forum online untuk memperbaiki bug, mencari penjelasan konsep, atau mencari cara menerapkannya. LLM bisa berperan sebagai tutor untuk mengajukan banyak pertanyaan, memberi umpan balik kode, menjelaskan konsep, dan menunjukkan letak kesalahan. Sebenarnya selama ini sebagian besar yang kita cari adalah ‘pertanyaan bodoh’. Hanya saja, saya sendiri belum yakin bagaimana keunggulan ini diterapkan untuk orang level menengah ke atas

    • Saya juga terbantu cukup banyak karena alasan yang mirip. Kita bisa bertukar ide dengan LLM atau bertanya, “Apakah pemahaman saya seperti ini benar? Bagian mana yang salah?” Saya tidak percaya bahwa ia akurat sampai ke ujung persoalan yang sangat sulit, tetapi menurut saya arah penalarannya cukup benar. Alhasil bagian yang macet lebih cepat terurai, dan karena saya jadi mengajukan pertanyaan yang lebih beragam dan lebih mendalam, kecepatan belajar saya pun meningkat
    • Kesimpulannya, mulai level menengah ke atas, nilai guna LLM akan lebih besar bila dipakai bukan sebagai pembelajaran itu sendiri melainkan sebagai akselerator atau katalis
  • Saya setuju bahwa analogi tentang pertanian itu menarik, tetapi agar paradoks Jevons benar-benar berlaku, kurva permintaan harus sangat elastis, sedangkan pangan pada kenyataannya tidak elastis. Untuk saat ini, tanda tanya terbesarnya adalah seberapa banyak lagi permintaan terhadap perangkat lunak masih bisa tumbuh, dan di mana batas kemampuan AI berada

    • Bagaimanapun juga ada satu hal yang jelas. Rumah-rumah besar yang dibangun pada akhir abad ke-19 menunjukkan dengan gamblang masa ketika para petani dulu disebut menerima “upah terlalu tinggi”. Namun sebenarnya masa kemakmuran itu baru datang 50~75 tahun setelah combine harvester ditemukan. Kalau analoginya tepat, developer saat ini justru mungkin masih tergolong miskin dibandingkan era LLM di masa depan. Tapi perbedaan pentingnya adalah, petani dulu adalah ‘pemilik’ atas pekerjaan mereka sendiri, sedangkan insinyur perangkat lunak modern kebanyakan adalah ‘pegawai’ perusahaan. Jadi jika logika sejarah berulang berlaku, besar kemungkinan kali ini pun pemilik yang akan menang
    • Permintaan pangan juga elastis. Kalau harga daging sapi naik, permintaan untuk substitusi seperti ayam, babi, tahu, dan kacang akan ikut berubah. Buah-buahan atau barang nonpokok punya elastisitas permintaan yang tinggi, dan porsinya dalam pengeluaran konsumsi juga besar. Kalau sereal murah menjadi terlalu umum, orang berarti mengorbankan kualitas, sehingga secara alami permintaan atas produk berkualitas tinggi juga akan tumbuh. Saya memperkirakan pasar perangkat lunak juga akan terus menaikkan tuntutan atas kualitas dan perangkat lunak kelas tinggi seiring perkembangan LLM
    • Permintaan atas kalori yang dimakan sendiri memang tidak elastis, tetapi ketika total pangan melimpah, hasilnya justru bisa berupa peralihan ke ‘produksi daging’ yang disertai perusakan lingkungan, inefisiensi, dan kontroversi etis
    • Karena tingkat pemborosan makanan rumah tangga juga cukup tinggi di negara maju, ada juga pandangan bahwa permintaan pangan bisa jauh lebih elastis daripada intuisi kita
  • Metafora bisa tampak meyakinkan, tetapi tetap membutuhkan bukti yang benar-benar mendukung. ‘Mesin pertanian’ mungkin analogi yang valid, tapi bisa juga situasinya lebih mirip alat CAD yang menggantikan masa ketika gambar teknik mesin dibuat dengan tangan. Namun mengingat insinyur tidak sepenuhnya digantikan oleh CAD, secara pribadi saya rasa tidak tepat jika langsung menarik kesimpulan yang sama dengan perubahan produktivitas ekstrem seperti pertanian

  • Saya tidak setuju dengan seluruh framing tulisan ini. Khususnya, saya rasa lonjakan efisiensinya tidak sebesar combine harvester. Tetapi titik perubahan yang penting adalah bahwa nilai sedang bergeser dari sekadar ‘kemampuan coding’ ke pengetahuan domain, pemahaman logika bisnis, dan kemampuan untuk lincah bergerak di antara pemangku kepentingan teknis maupun nonteknis sambil menyelesaikan masalah asalnya. Saya rasa kita sudah melihat perubahan seperti ini saat gelombang outsourcing 20 tahun lalu

    • Alasan analogi combine menarik adalah karena memberi gambaran yang jelas tentang produksi yang terus naik di permukaan datar luas seperti ladang gandum, tetapi itu membuat orang mudah lupa bahwa menambah jumlah baris kode belum tentu berguna
  • Pada dasarnya ini adalah fenomena yang sudah berulang sejak dulu. Setelah alat low-code dan no-code diperkenalkan, solusi yang dibuat oleh nonspesialis pada akhirnya selalu harus dirapikan oleh engineer. Saya sendiri membangun karier yang lumayan menguntungkan dari pekerjaan membereskan sisa-sisa seperti itu

    • Aplikasi Node/React buatan ChatGPT kini seperti ‘file Excel berisi makro VBA’ versi baru
    • Dengan level AI saat ini, saya memperkirakan peluang seperti ini justru akan bertambah
  • Kalau semua gejala ini digabungkan, seharusnya perusahaan menahan diri untuk tidak memecat developer. Tetapi pada praktiknya pemecatan sudah terjadi. Yang makin sering terlihat di organisasi sekarang adalah logika “kalau remote, mari pekerjakan orang dari wilayah bergaji lebih murah”, dan logika penggantian “mari ganti developer dengan AI” jelas berjalin dengan strategi HR yang sudah ada. Lebih mendasar lagi, saya juga ingin menyoroti bahwa banyak pekerjaan yang dilakukan developer selama 20 tahun terakhir pada akhirnya adalah pekerjaan tanpa efek konsumsi nyata, semacam ‘eksploitasi fokus’

    • Saya ingin mempertanyakan bagaimana itu harus ditafsirkan. Di kebanyakan organisasi, memecat orang yang di bawah rata-rata dan merekrut orang yang di atas rata-rata dalam kisaran kompensasi yang sama adalah langkah yang efektif. Dan semakin orang berkemampuan tinggi meningkatkan efektivitasnya dengan AI, kesenjangan ini akan makin besar. Ke depan, arus ‘mengutamakan talenta papan atas’ akan makin tak terhindarkan