Ask HN: Bagaimana pendapat para insinyur perangkat lunak di tengah demam AI?

AI menangani 30~50% pekerjaan, jadi saya penasaran bagaimana suasana di perusahaan.
Apakah perekrutan insinyur perangkat lunak sedang ditingkatkan, atau justru dihentikan?
Apakah manajemen menekan agar lebih banyak pekerjaan bisa diselesaikan?

Ringkasan jawaban utama

1. Tingkat pemanfaatan AI dan produktivitas nyata

• Banyak developer menilai bahwa klaim AI menggantikan 30~50% pekerjaan itu berlebihan, dan efek nyatanya menurut banyak pendapat hanya di kisaran 1~10%
• AI berguna untuk menulis boilerplate code, skrip sederhana, merangkum/mengubah dokumen, menggantikan pencarian dan pekerjaan berulang lainnya, tetapi punya keterbatasan besar untuk penulisan kode yang kompleks atau maintenance
• Sebagian developer junior dan menengah merasakan peningkatan produktivitas berkat saran sintaks dan struktur, tetapi developer berpengalaman justru mengalami penurunan produktivitas 19% (hasil penelitian)
• Karena masalah kualitas kode dari AI, lebih banyak waktu sering habis untuk proses verifikasi dan perbaikan, sehingga keuntungan bersihnya berkurang

2. Perubahan pada organisasi dan perekrutan akibat AI

• Tidak ada perubahan besar pada skala perekrutan. Namun, beberapa perusahaan mengurangi perekrutan atau meningkatkan offshoring, terutama karena ekspektasi memanfaatkan tenaga kerja berbiaya rendah dengan bantuan AI
• Perhatian bergeser dari efisiensi kerja internal ke arah mengintegrasikan AI ke fitur produk
• Ada kasus ketika manajemen terlalu percaya pada AI sehingga meremehkan tingkat kesulitan pekerjaan dan menetapkan tenggat waktu yang tidak realistis, yang menurunkan moral developer

3. Contoh sukses dan gagal dalam pemanfaatan AI

• Contoh sukses:
  • pembuatan PoC awal, bootstrap proyek baru, penulisan test code dan UI sederhana
  • menelusuri log dan dokumen dalam jumlah besar, memberi pointer ke informasi yang dibutuhkan dari dokumentasi API
  • mencari kandidat refactoring pada legacy code, analisis output GDB, dan tugas niche tertentu
• Contoh gagal:
  • integrasi ke codebase lama yang kompleks, dukungan untuk bahasa yang spesifik versi atau domain (misalnya ABAP)
  • pencarian/ringkasan di lingkungan dengan dokumen dan tiket yang sudah lama atau saling bertentangan
  • pekerjaan kontribusi OSS berkualitas tinggi seperti PR

4. Psikologi dan moral developer

• Sebagian orang merasa puas karena penerapan AI mengurangi pekerjaan berulang, sehingga mereka bisa lebih fokus pada desain dan arsitektur
• Namun di sisi lain,
  • "Mengapa saya harus belajar dan berkontribusi?" → muncul skeptisisme bahwa pada akhirnya AI akan menggantikan mereka
  • kebingungan kerja akibat ringkasan rapat dan action item yang salah dibuat oleh AI
  • kekhawatiran tentang penghematan biaya dan pengurangan tenaga kerja dengan AI sebagai alasan
• Kreator web dan konten independen merasakan dampak negatif karena penurunan trafik dan pendapatan

5. Kesimpulan umum

• Saat ini AI memang punya nilai sebagai 'alat bantu', tetapi belum mampu menggantikan pekerjaan utama
• Peningkatan produktivitas sangat bergantung pada domain, karakteristik codebase, dan tingkat keahlian developer
• Dalam jangka panjang, kemampuan desain arsitektur dan quality control kemungkinan akan menjadi lebih penting daripada sekadar menulis kode
• Ekspektasi berlebihan dan penilaian yang terlalu rendah sama-sama ada, dan pendapat mayoritas adalah "berguna, tetapi bukan solusi untuk segalanya"