vibecoding tidak menghilangkan keahlian developer, melainkan menggeser area yang membutuhkan keahlian. [Artikel terjemahan]

1. Contoh eksperimen vibecoding

   • Dengan memanfaatkan agen Claude Code milik Anthropic, berhasil dilakukan eksperimen membuat game atau aplikasi nyata di lingkungan Linux.
   • Perintah dalam bahasa alami: Dengan satu kalimat bahasa Inggris sederhana seperti, “Tolong tempatkan bangunan dengan berbagai desain, dan biarkan aku mengemudikan keliling desa yang kubuat sendiri,” AI secara otomatis menghasilkan kode yang benar-benar bisa dijalankan.
   • Penerapan umpan balik berkelanjutan: Saat diminta menambahkan berbagai fitur seperti misi mobil pemadam kebakaran, lalu lintas, kompetitor (helikopter), perubahan siang dan malam, serta misi lainnya, AI memperbarui aplikasi dengan mencerminkan permintaan tersebut.
   • Proses pemecahan masalah: Bug dan error yang muncul saat menjalankan kode juga diselesaikan melalui komunikasi berulang dengan AI, dan pada akhirnya biaya penggunaan Claude API yang dikeluarkan sekitar $13.

2. Perubahan keahlian

   • Pergeseran keahlian: vibecoding tidak menghilangkan keahlian developer, tetapi mengubah area yang membutuhkan keahlian. Artinya, alih-alih menulis semua kode secara langsung, kemampuan untuk memahami keseluruhan sistem, memberi arah, dan mengevaluasi hasil menjadi lebih penting.
   • Tetap memerlukan pengetahuan minimum: Saat berkolaborasi dengan AI, tetap dibutuhkan pengetahuan pemrograman dasar (pemahaman dasar dan kemampuan menilai), serta kemampuan untuk meninjau hasil yang diusulkan AI dan memberikan umpan balik.
   • Contoh pemanfaatan nyata: Bahkan pengguna yang tidak terbiasa dengan lingkungan Linux pun dapat dengan cepat membuat perangkat lunak yang diinginkan dengan bantuan AI.

3. Skalabilitas agen AI

   • Beragam agen AI: Berbagai agen AI seperti Manus dari Tiongkok dapat secara otonom melakukan beragam tugas, termasuk riset web, coding, pembuatan dokumen, dan pembuatan situs web.
   • Pentingnya umpan balik: Meski AI dapat bekerja secara mandiri, kesalahan atau error tetap bisa terjadi, sehingga proses manusia meninjau hasil dan memberikan umpan balik tetaplah esensial.
   • Contoh eksperimen nyata: Saat diminta, “Tolong buatkan kursus interaktif tentang elevator pitch dengan memanfaatkan saran akademik terbaik,” AI secara mandiri mengerjakan semuanya mulai dari membuat checklist, melakukan riset web, hingga membuat halaman. Setelah diberi umpan balik bahwa elemen interaktifnya masih kurang, AI merefleksikannya dan melakukan perbaikan.

4. Kolaborasi mendalam (Deep Vibeworking)

   • Analisis data yang kompleks: Dilakukan eksperimen untuk menganalisis data anonim berskala besar yang dikumpulkan dari crowdfunding bersama AI, hingga menulis paper.
   • Peran AI: AI sangat membantu dalam analisis data dan pengajuan hipotesis, tetapi pemilihan topik yang bermakna secara akademik dan evaluasi hasil tetap membutuhkan keahlian manusia.
   • Pembuatan hasil yang cepat: Penulisan paper selesai dalam waktu kurang dari satu jam, dan hasilnya berada pada tingkat yang berpotensi menjadi kontribusi bermakna bagi dunia akademik.

5. Kesimpulan: kolaborasi manusia dan AI adalah kuncinya

   • Kolaborasi yang saling melengkapi: AI tidak dapat menggantikan semuanya, tetapi nilai terbesar tercipta ketika keahlian manusia dan kemampuan AI digabungkan.
   • Perubahan cara bekerja: Cara bekerja berubah dengan sangat cepat, dan yang penting adalah menemukan titik temu bagaimana AI dan manusia akan berkolaborasi dalam setiap jenis pekerjaan.
   • Prospek masa depan: Era baru kolaborasi antara AI dan manusia, dengan masing-masing memanfaatkan kekuatannya, sedang tiba.

[tsboard]

AI mungkin tidak akan menggantikan semuanya, tetapi tampaknya akan mengambil alih cukup banyak pekerjaan.
Saya juga takut jangan-jangan akan datang masa ketika segelintir ahli tidak lagi berkolaborasi dengan developer junior atau level menengah,
melainkan hanya bekerja bersama AI, dan kesenjangan itu makin melebar.

[ashbyash]

Di dunia kerja juga tampaknya polarisasi akan makin parah.

[beoks]

Saat berkolaborasi dengan AI, dibutuhkan setidaknya pengetahuan pemrograman dasar (pemahaman dasar, kemampuan menilai), serta kemampuan untuk meninjau hasil yang diusulkan AI dan memberikan umpan balik.

Saya rasa dalam pengembangan aplikasi enterprise, yang dibutuhkan bukan sekadar pengetahuan minimal, melainkan pengetahuan yang mendasar (CS, domain, desain, dan sebagainya).
Melalui AI, proyek mainan sederhana memang bisa dikembangkan dengan mudah meski tanpa pengetahuan tersebut, tetapi semakin besar skalanya, semakin besar pula kemungkinan menemui berbagai kendala akibat kurangnya pemahaman mendasar (struktur yang tidak sesuai dengan domain, performa, isu konkurensi, dan lain-lain).
Dengan asumsi AI dimanfaatkan dengan baik, saya pikir ke depan profesionalitas pengembang akan terletak pada kemampuan menentukan arah proyek dari sudut pandang makro berdasarkan pengetahuan mendasar, serta kemampuan pemecahan masalah yang mendalam.

[ashbyash]

Terima kasih atas komentar dengan sudut pandang yang sangat bagus :)

[devjeonghwan]

Jika Anda merasa bisa menyerahkan pekerjaan Anda kepada AI, pada akhirnya Anda hanya akan tergantikan 100%. Kita harus terus mengembangkan kemampuan yang tidak bisa digantikan AI, atau yang tidak bisa ditiru orang lain.

[ashbyash]

Betul, sepertinya kita memang perlu terus mengeksplorasi dan mengembangkan kemampuan itu.