Apa yang Diberitahukan Google Translate tentang Vibecoding

• Belakangan ini makin banyak klaim bahwa AI akan menggantikan profesi programmer beserta bantahannya
• Melalui kasus perkembangan Google Translate, tulisan ini menyoroti dampak nyata dan batasan alat otomatisasi
• Permintaan pekerjaan untuk penerjemah dan juru bahasa justru sedang meningkat
• Terjemahan mesin tidak mampu menangani konteks budaya, ambiguitas, dan nuansa yang halus
• Ditekankan bahwa pemrograman juga membutuhkan pekerjaan kreatif dan abstraktif yang mirip dengan penerjemahan

---

Apa yang Diberitahukan Google Translate tentang Vibecoding

Perdebatan terkini tentang AI dan profesi pemrograman

• Belakangan ini, muncul bersamaan pandangan bahwa large language model (LLM) akan menggantikan programmer, dan bantahan bahwa hal itu tidak akan terjadi
• Sebagian pihak berargumen bahwa karena mereka bisa membuat alat sederhana dengan LLM, maka semua programmer akan segera kehilangan pekerjaan
• Di sisi lain, ada juga suara yang sepenuhnya menolak kegunaan alat-alat semacam ini
• Ditekankan bahwa polarisasi pendapat seperti ini membutuhkan sudut pandang yang lebih bernuansa

Perkembangan terjemahan mesin dan dampak nyatanya

• Google Translate mencapai kemajuan besar setelah mengadopsi neural machine translation (NMT) pada 2016
• Banyak orang memprediksi bahwa teknologi terjemahan AI akan menghilangkan profesi penerjemah dan juru bahasa manusia
• Kenyataannya, cukup banyak orang yang membuat klaim seperti itu belum pernah mengalami langsung pekerjaan penerjemah atau juru bahasa
• Kegunaan terjemahan mesin diakui, tetapi klaim seperti "tidak perlu lagi ada interpretasi" adalah kesalahpahaman terhadap hakikat pekerjaan penerjemahan yang sebenarnya

Perbedaan antara penerjemah manusia dan terjemahan mesin

• Pekerjaan nyata penerjemah dan juru bahasa bukan sekadar mengganti kata dan tata bahasa, melainkan berfokus pada memahami konteks, mengurai ambiguitas, dan kepekaan budaya
• Sebagai contoh, bahkan bahasa Norwegia yang mirip dengan bahasa Inggris pun memiliki perbedaan budaya seperti cara menyatakan kesopanan, sehingga terjemahan mesin tidak mampu mewujudkan makna yang subtil
  • Dalam bahasa Norwegia, “Jeg vil ha potetene(beri saya kentangnya)” jika diterjemahkan harfiah ke bahasa Inggris akan terdengar kasar, tetapi dalam percakapan nyata dibutuhkan parafrasa yang sesuai konteks
  • Google Translate tidak mampu menangani nuansa halus seperti ini
• Dalam praktiknya, jika hanya mengandalkan terjemahan mesin dalam percakapan sehari-hari atau situasi resmi, kesalahpahaman bisa muncul
• Untuk bahasa seperti Jepang, yang tata bahasa dan konteksnya sangat berbeda, terjemahan mesin dapat menyampaikan makna secara keliru atau menghasilkan kalimat yang salah secara gramatikal

Cara pemanfaatan nyata terjemahan mesin

• Ini bukan berarti Google Translate adalah alat yang buruk
• Sebagai contoh penggunaan yang bermanfaat, alat ini membantu orang yang sudah memahami konteks bahasa dan budaya untuk menyempurnakan ekspresi mereka
• Contohnya adalah situasi seperti "saya sudah tahu apa yang ingin saya katakan, tetapi ingin melihat ungkapan yang terdengar lebih alami"
• Penerjemah manusia juga memanfaatkan AI dengan mengintegrasikannya ke dalam workflow mereka
• Peran pakar manusia adalah mengevaluasi hasil yang diajukan AI, lalu menyesuaikannya dengan konteks dan tujuan

Kemiripan antara pemrograman dan pekerjaan penerjemahan

• Programmer pada dasarnya juga mirip 'penerjemah', yakni mengubah kebutuhan manusia yang ambigu dan kompleks menjadi bahasa absolut yang bisa dipahami komputer
• Pekerjaan kreatif dalam pemrograman adalah mengubah ambiguitas dan konteks budaya milik manusia ke dalam bahasa yang jelas untuk komputer
• Bahasa pemrograman selama ini memiliki hambatan masuk yang lebih tinggi daripada terjemahan mesin karena melibatkan banyak abstraksi, tetapi perkembangan alat AI belakangan ini menurunkan hambatan tersebut
• Namun, AI belum berada pada tingkat yang dapat sepenuhnya memahami konteks dan kompleksitas lalu menggantikan manusia

Prospek masa depan

• Suatu hari nanti AI mungkin akan mampu menangani konteks dan ambiguitas, tetapi saat ini batasannya masih jelas dan masih membutuhkan waktu
• Kecepatan perkembangan alat AI memang tinggi, tetapi masalah etika dan penggunaan alat secara bertanggung jawab tetap merupakan isu penting

[GN⁺]

Opini Hacker News

• Setuju dengan pendapat bahwa pekerjaan penerjemah dan juru bahasa memiliki aspek pemahaman konteks, penyelesaian ambiguitas, dan penanganan sensitivitas budaya yang tidak bisa dikejar oleh Google Translate. Namun, jika LLM diberi prompt yang tepat, fitur-fitur ini bisa ditiru dengan cukup baik. Sebagai orang yang berpengalaman menerjemahkan Jepang-Inggris, ia menekankan bahwa LLM jauh lebih mumpuni untuk penerjemahan. Ia bahkan membuat sendiri sistem penerjemahan yang menggabungkan beberapa LLM dengan Claude Code: sistem ini menanyakan pilihan pengguna seperti tujuan terjemahan, apakah perlu adaptasi budaya, apakah perlu anotasi, lalu mengirim prompt yang sesuai ke tiga model (OpenAI, Anthropic, Google), membuat draf dengan menggabungkan hasil ketiganya, lalu menyempurnakannya dalam beberapa putaran. Dalam uji singkat, hasilnya jauh lebih baik daripada model individual, jauh melampaui Google Translate, dan mencapai hasil setingkat penerjemah profesional papan atas. Namun, untuk interpreting—terutama tatap muka—situasinya berbeda, dan untuk terjemahan umum yang tidak terlalu membutuhkan kepribadian atau identitas manusia penerjemah, ia merasa manusia makin sulit bersaing

  • Ia sedang meneliti secara intensif penerjemahan LLM di aplikasi belajarnya, nuenki.app. Ia membuat tool open source yang memilih beberapa model papan atas untuk menerjemahkan secara terpisah, lalu pada tahap akhir model yang berperan sebagai “juri” membandingkan dan menggabungkan hasil-hasil itu untuk memilih terjemahan terbaik. Bisa dicoba langsung, dan materi riset dipublikasikan di sini
  • Setelah mendengar implementasi sistem yang berulang kali mengirim teks ke banyak model untuk melewati proses revisi-peninjauan-pemurnian, seseorang berkomentar RIP untuk konsumsi listrik global
  • Ia benar-benar merasakan langsung di Jepang betapa pentingnya pemberian konteks tambahan saat menerjemahkan, kemungkinan adanya pertanyaan lanjutan, dan kemampuan untuk melakukan penalaran terhadap teks. Setiap hari muncul pertanyaan tentang ekspresi bahasa Jepang dalam konteks tertentu atau cara penyampaian yang cocok untuk media tertentu. Ia merasa gaya percakapan seperti ini bisa jauh lebih banyak diotomatisasi lewat custom instruction
  • Sebagai kelemahan penerjemahan LLM, ditunjukkan fenomena bahwa jika topik yang diterjemahkan dianggap melanggar kebijakan penggunaan, sistem akan menolak menerjemahkan meskipun sangat cocok secara konteks. Misalnya, hanya karena ada konten terkait agama saja sudah bisa terkena pembatasan
  • Ada pertanyaan tentang cara menangani penerjemahan teks yang terlalu panjang untuk context window biasa. Jika teks dipecah menjadi beberapa bagian, tiap bagian perlu diberi ringkasan bagian sebelumnya, tetapi sulit menentukan tingkat detail yang tepat

• Diberikan contoh bahwa machine translation memang alat yang berguna, tetapi tidak sepenuhnya menggantikan tenaga profesional. Hal yang sama kemungkinan berlaku untuk alat bantu coding AI, dan kekhawatiran bahwa profesi lama akan benar-benar hilang baru akan menjadi realistis jika ada satu lompatan teknologi besar lagi. Selama bertahun-tahun ada prediksi bahwa AI radiologi akan sepenuhnya menggantikan manusia, tetapi kenyataannya permintaan diagnosis radiologi justru meningkat, dan efisiensi AI tidak pernah benar-benar mengurangi kebutuhan tenaga kerja. Malah kekurangan dokter spesialis radiologi semakin parah

  • Saat mulai belajar bahasa Jepang 15 tahun lalu, Google Translate bahkan tidak bisa menerjemahkan kalimat dasar dengan benar, tetapi sekarang bisa menghasilkan terjemahan yang mendekati penutur asli bahkan untuk kalimat kompleks yang ia tulis sendiri. Setelah diverifikasi bersama penutur asli, umpan baliknya adalah “tidak sempurna, tetapi sangat bagus dan maknanya jelas.” Akhir-akhir ini, kecuali untuk dokumen yang sangat sensitif seperti kontrak hukum, ia jujur merasa masa depan penerjemah profesional terlihat suram
  • Disebutkan contoh artikel NYT tentang AI radiologi. Sampai sekarang kebanyakan masih memakai CNN kecil (convolutional neural network) yang muncul sebelum pertengahan 2010-an, dan publik mengira “AI” = ChatGPT, padahal arsitektur di balik layar sebenarnya bentuk yang sangat lama. Belum jelas seberapa besar peningkatan jika AI modern seperti transformer diterapkan ke radiologi, tetapi peningkatan performa hampir pasti diharapkan

• Perbedaan antara bayangan dan kenyataan pekerjaan penerjemahan mengingatkan pada contoh ‘localization’ film Pixar. Misalnya, dalam versi Jepang adegan meja makan anak-anak Barat yang tidak suka brokoli diubah menjadi green bean (buncis) yang lebih dibenci anak-anak Jepang

  • Ada yang mempertanyakan apakah contoh lokalisasi green bean itu benar-benar nyata. Mereka merasa film asing justru bagus karena memperkenalkan budaya lain dan membantu kita belajar perbedaannya, jadi sayang jika perbedaan itu dihapus lewat lokalisasi
  • Meme ‘Brock’s jelly filled donuts’ dari Pokémon (aslinya ‘onigiri’, tetapi di versi Amerika diterjemahkan jadi donat) tautan terkait

• Banyak bagian artikel ini terasa masuk akal, tetapi ada satu hal yang disayangkan. Misalnya, logika “bahkan di dunia tanpa Google Translate pun orang yang mau belajar bahasa Jepang atau menyewa penerjemah pasti tetap sedikit” jika diterapkan ke lingkungan pengembangan software, bisa berarti bahwa sebagian besar pengguna ‘aplikasi berkualitas rendah buatan AI’ memang sejak awal bukan orang yang tertarik pada pengembangan software. Karena itu, hal ini belum tentu memangkas pekerjaan developer secara besar-besaran. Namun, software development punya karakter yang secara mendasar berbeda—seperti skala peluang bisnis dan biaya—sehingga AI tetap bisa berdampak pada permintaan pekerjaan developer yang sudah ada

  • Sebaliknya, ada juga yang berpikir penyebaran AI bisa menambah pekerjaan baru. Jika pengguna bisa membuat software sendiri, justru akan terus muncul kebutuhan akan ahli untuk merapikan, memperluas, dan memperkuat keamanan kode serta sistem itu; dianalogikan sebagai ‘parade gajah’
  • Google Translate juga sangat berguna bagi pemula, tetapi tidak bisa menggantikan penerjemah profesional. Bahkan sebagai pembelajar bahasa Jepang tingkat awal, ia sering menemukan makna sebenarnya baru tampak jika memahami konteks lokal. Dalam 15 tahun terakhir, ia merasa peningkatan besarnya lebih pada kecepatan, bukan kualitas. Fitur OCR image translation real-time bukan hasil pengembangan internal, melainkan dari aplikasi yang diakuisisi (Magic Lens?). Ia menilai coding automation berbasis LLM pun mungkin akan berada dalam kondisi “cukup bagus tapi selalu sedikit kurang” selama sekitar 10 tahun ke depan
  • Alasan paling masuk akal mengapa coder aktif merasa terancam oleh AI adalah bahwa peningkatan produktivitas yang sangat besar memang bisa berujung pada berkurangnya pekerjaan. Tujuannya bukan menulis kode itu sendiri, melainkan menghasilkan produk jadi yang berfungsi; jadi meskipun kualitasnya agak turun, jumlah orang yang dibutuhkan ikut berkurang, dan di situlah letak perbedaan esensialnya
  • Ada pendapat bahwa AI art dan AI code generation pada dasarnya berbeda. Tujuan seni adalah seni itu sendiri, dan keberadaan konvensi budaya serta sosok artis sangat penting. Sementara dalam pengembangan software, kode itu sendiri bukan tujuan; tujuannya adalah mendapatkan hasil yang diinginkan, yaitu aplikasi. Dalam arti itu, kebutuhan terhadap manusia bisa benar-benar berkurang. Ini dibandingkan dengan perbedaan antara perubahan peran pelukis setelah munculnya fotografi dan hilangnya petugas lift yang digantikan tombol
  • Disampaikan pula sikap skeptis terhadap pemasaran ‘AI’ seperti iklan pembuat website AI

• Meski tidak punya bukti statistik, para teman penerjemah di sekitarnya benar-benar merasa pekerjaan mereka hampir hilang, dan suasananya tampak memburuk cepat sejak adopsi LLM. Forum penerjemah, grup Facebook, dan thread Reddit ini sama-sama dipenuhi reaksi pesimistis. Hasil terjemahan profesional memang masih jauh lebih unggul, tetapi selain beberapa pekerjaan sensitif, sebagian besar pasar pada dasarnya sudah hilang. Ia pun merasa sulit merekomendasikan karier penerjemah kepada anak-anaknya

  • Bahkan tim penerjemah profesional kini bisa membuat satu orang menangani porsi kerja beberapa orang dengan bantuan LLM, dengan peningkatan kualitas yang tak bisa dibandingkan dengan machine translation lama. Selama ada satu reviewer, hasil terjemahan LLM bisa disesuaikan secara halus untuk tone dan dialek, dan saat ini pun hasilnya sudah cukup baik

• Ditunjukkan bahwa dalam pekerjaan penerjemahan—baik oleh manusia maupun mesin—sulit untuk memverifikasi sendiri apakah hasilnya benar. Pada akhirnya kita harus percaya begitu saja pada hasil terjemahan, atau memilih apakah lebih percaya pada manusia atau mesin, dan biasanya manusia lebih dipercaya. Namun, ada juga pengalaman sesekali ketika penerjemah menerjemahkan dengan asal-asalan lalu ada orang lain yang memberitahunya. Hal yang sama berlaku pada vibe coding (pembuatan kode), karena pengguna sulit menilai apakah hasilnya benar, sehingga tetap dibutuhkan keahlian yang bisa memverifikasi

  • Alasan kita kurang mempercayai mesin justru karena kurangnya persepsi terhadap akurasi. Misalnya, untuk perhitungan yang jelas seperti perkalian, secara psikologis kita justru lebih percaya kalkulator daripada matematikawan
  • Sebagai cara memverifikasi hasil machine translation, ada yang menyarankan mencoba ‘round-trip translation (A->B->A)’. Ini tidak sempurna, tetapi bisa memberi tingkat kepercayaan yang cukup tinggi
  • Karena hasil terjemahan pada akhirnya bisa “dijalankan” juga—kalau kode bisa dijalankan, kalau terjemahan bisa diterapkan pada konteks nyata—maka dari situ tetap bisa diperoleh indikator tertentu tentang tingkat akurasinya

• Mengutip pendapat bahwa di masa depan AI mungkin saja bisa menangani konteks dan ambiguitas seperti manusia, tetapi kesannya tetap bahwa secanggih apa pun AI, sulit menggantikan kematangan seorang developer veteran yang berpengalaman menangani gangguan layanan pada pukul 2 dini hari. Vibe coder yang menciptakan suasana bagus tentu disambut baik, tetapi pada akhirnya ia tidak akan mampu sendirian melakukan refactor besar pada legacy codebase berskala besar

• Pekerjaan nyata penerjemah mencakup banyak hal yang membutuhkan kehalusan manusia, seperti ‘menerjemahkan idiom’, ‘menjelaskan referensi budaya (seni, sejarah, makanan, dan lain-lain)’, ‘menafsirkan dan memindahkan nilai budaya tiap negara (kebebasan, gairah, daya tahan, dll.) sesuai konteks’, ‘menyesuaikan tone terjemahan agar cocok dengan gerak mulut aktor saat dubbing’, serta ‘menciptakan kalimat yang indah (Artful prose)’. Karena itu dinilai sulit bagi LLM untuk secara langsung menantang area-area ini

• Ada umpan balik tentang keterbatasan dan penurunan kualitas Google Translate, khususnya kesalahan serius pada fitur terjemahan Chrome yang kadang salah mengira bahasa Mandarin Tradisional sebagai bahasa Jepang. Dulu berfungsi baik, tetapi belakangan justru terasa mundur tanpa perubahan berarti, dan itu membuat frustrasi. Yang paling menjengkelkan adalah pengguna bahkan tidak diberi cara untuk langsung memperbaiki kesalahan tersebut

  • Ada pendapat bahwa ini bukan masalah Google Translate itu sendiri, melainkan masalah model lokal di Chrome untuk deteksi bahasa sebelum penerjemahan. Diberikan informasi terkait model lokal tersebut, CLD3
  • Ada yang berpendapat bahwa dalam Unicode seharusnya kode karakter untuk tiap bahasa dipisahkan dan dikelola secara terpisah. Dalam struktur saat ini, LLM tampak kebingungan ketika mempelajari bahasa Mandarin dan Jepang sekaligus. Struktur tata bahasanya saling terbalik, dan hubungan modifikasinya pun berbeda, sehingga membingungkan
  • Pada akhirnya diperkirakan bahwa begitu muncul LLM yang cukup cepat, murah, dan kualitasnya memadai, engine lama Google Translate akan digantikan. Bahkan ada dugaan Google mungkin tidak menghabiskan satu jam pun untuk serius mengerjakan engine terjemahannya dalam setahun terakhir

• Juga dibagikan kisah akibat kegagalan machine translation. Kasus kecelakaan terjemahan lucu di OSNews