Cara Memanfaatkan AI untuk Developer yang Ingin Terus Berkembang (slide 290 halaman)

Minggu lalu saya memberikan sesi khusus di LINE Plus dengan judul "Cara Memanfaatkan AI untuk Developer yang Ingin Terus Berkembang".

Karena saya berencana mengunggahnya juga ke YouTube nanti, saya memasukkan sebanyak mungkin hal yang saya pikirkan selama beberapa bulan terakhir (atau beberapa tahun), sehingga jadilah sekitar 230 halaman, dan materi yang benar-benar dibahas saat itu hanya sekitar 2/3-nya.

Setelah itu, melalui revisi yang lebih matang, versi 2 akhirnya selesai dengan total 290 slide.

Di bawah ini saya tinggalkan ringkasan yang dibuat dengan Gemini.

---

Pendahuluan

• Kesenjangan literasi AI: Kesenjangan kemampuan memanfaatkan AI antarindividu sangat besar, dan hanya dengan memahami apa yang bisa dilakukan AI terbaru serta sejauh mana kemampuannya, kesenjangan itu bisa banyak diperkecil.
• Pentingnya belajar secara konsisten: Jika tidak terus menggunakan dan mempelajari berbagai alat AI sambil mempertahankan sikap learn & unlearn, kesenjangan itu akan melebar lagi.
• Perluasan pengembangan: Dulu developer terutama berfokus pada tahap "implementasi", tetapi sekarang AI memungkinkan keterlibatan dalam seluruh proses pengembangan produk, mulai dari ide hingga pemasaran dan operasional.

Bagian 1: Cara menggunakan AI dengan lebih cerdas sebagai asisten coding

• Evolusi asisten coding: Dimulai dari autocomplete sederhana (VSCode IntelliSense), berkembang ke pembuatan snippet kode berbasis AI (TabNine, GitHub Copilot), dan kini memasuki era "vibe coding" serta "coding agent" yang berkomunikasi dengan bahasa alami untuk menciptakan sesuatu dari 0 ke 1.
• Perubahan performa dan biaya AI: Performa LLM berkembang sangat cepat dan biayanya turun dengan pesat, sementara panjang dan kompleksitas tugas yang dapat diselesaikan AI secara mandiri juga meningkat dengan cepat.
• Hakikat pengembangan: Alat untuk "coding" telah berubah dari kartu berlubang menjadi bahasa alami, tetapi hakikat developer sebagai "orang yang memecahkan masalah dengan coding" tidak berubah.
• Delegasi dan pengelolaan AI: Kolaborasi dengan AI mirip dengan mendelegasikan pekerjaan kepada manusia. Penting untuk menyesuaikan tingkat delegasi sesuai kemampuan AI (pemberitahuan, persuasi, diskusi, kesepakatan, saran, pertanyaan, delegasi), serta mengamati dan memantau cara kerja LLM yang bersifat black box.
• Context engineering: Lebih penting menyampaikan dengan jelas kepada AI "apa (What)" dan "mengapa (Why)" daripada "bagaimana (How)". Untuk itu, framework STICC yang mencakup Situation, Task, Intention, Concern, Calibration sangat berguna.
• Pemanfaatan alat (MCP): Untuk memaksimalkan kemampuan coding agent, kita bisa menggunakan server MCP(Model Context Protocol). Namun, jika terlalu banyak alat dihubungkan, performa bisa menurun, jadi lebih efektif memakai secara selektif hanya fungsi inti seperti kontrol browser (Playwright) atau peningkatan pemahaman kode (Serena).
• Perluasan version control: Bukan hanya kode, tetapi juga prompt dan konteks (seperti dokumen perencanaan) yang diberikan ke AI untuk menghasilkan kode perlu dijadikan objek eksperimen dalam version control.

Bagian 2: Cara menggunakan AI dengan lebih cerdas di seluruh proses pengembangan produk

• Framework pemecahan masalah: Pengembangan produk dapat dilihat sebagai proses tiga tahap: "mendefinisikan masalah → mengimplementasikan solusi → menciptakan perubahan".
• Pentingnya 'buat-sendiri-pakai-sendiri': Pendekatan "** saya** membuat sendiri sesuatu yang akan saya pakai" adalah strategi terbaik, terutama bagi pemula dalam AI coding. Mudah dibuat, kemampuan berkembang cepat, dan mudah dikembangkan lebih lanjut.
• Pendekatan berpusat pada pengguna: Kita harus mendefinisikan dengan jelas "masalah apa (tujuan) milik siapa (pengguna) yang akan diselesaikan dan bagaimana (kompleksitas) cara menyelesaikannya". Yang paling penting adalah terlebih dahulu menyelesaikan masalah "saya" sendiri (dogfooding).
• Validasi produk: Produk perlu dikembangkan melalui validasi kelayakan ide (MVP), validasi potensi pasar (MMP), dan validasi loyalitas pelanggan (MLP). Pada tahap awal, meskipun skalanya belum terlihat, proses turun langsung untuk menyelesaikan masalah pelanggan tetap penting.
• Build in Public: Strategi membangun penggemar dengan membuka secara transparan proses pembuatan produk. Sangat efektif untuk founder skala kecil, dan kuncinya adalah menyampaikan cerita yang berpusat pada "mengapa" dan "bagaimana".

Bagian 3: Strategi agar junior/senior bisa belajar dan berkembang secara efektif di era AI sepanjang seluruh proses ini

• Hal yang menjadi kurang penting dan lebih penting: Pentingnya pengetahuan seperti sintaks bahasa tertentu menurun, tetapi kemampuan menetapkan visi besar, mengelola kompleksitas, mengenali dan mengoreksi kesalahan AI, pemahaman domain yang mendalam, desain, dan kemampuan belajar menjadi jauh lebih penting.
• Mindset (mengatasi FOMO): Tidak perlu mengikuti semua alat baru. Penting untuk menentukan kategori minat, membuat informasi mengalir secara alami melalui SNS, newsletter, dan sebagainya, serta menjaga rasa ingin tahu yang sehat.
• Strategi belajar:
  • Memanfaatkan sumber tepercaya: Pelajari secara mendalam dokumentasi resmi, percakapan dengan pakar, dan tulisan yang penuh wawasan.
  • Mengejar pengetahuan generatif: Alih-alih berfokus pada "hasil (pengetahuan final)", fokuslah pada "proses (pengetahuan generatif)" yang menghasilkan hasil tersebut, dan miliki sikap belajar cara menggunakan alat langsung dari alat itu sendiri.
  • Belajar dari ahli: Kepada para ahli, alih-alih sekadar meminta jawaban, kita perlu mempelajari proses berpikir mereka dengan bertanya hal-hal seperti "sinyal apa yang digunakan untuk mengenali pola" dan "mengapa membuat penilaian seperti itu".
• Peran senior: Penting untuk mengubah pengetahuan tacit sendiri menjadi pengetahuan eksplisit (panduan, contoh kode, aturan AI, dan sebagainya) lalu membagikannya ke organisasi, serta menggabungkan beragam pengalaman domain untuk memunculkan ide-ide yang emergen.
• Pembentukan kebiasaan: Alih-alih mencoba membentuk kebiasaan baik sekaligus, kita perlu mengubah diri secara bertahap melalui "kebiasaan membangun kebiasaan" (misalnya retrospektif mikroskopis).
• Niat implementasi: Alih-alih tekad samar seperti "mulai besok saya harus ~", kemungkinan eksekusi akan meningkat drastis jika merencanakan secara spesifik "kapan, di mana, bagaimana" melakukannya ("implementation intention").

Penutup

• Kebajikan inti: Kebajikan terpenting di era AI adalah "skeptisisme yang sehat" dan "rasa ingin tahu".
• Menyadari keterbatasan AI: Kita perlu menyadari bahwa AI masih memiliki keterbatasan yang jelas, seperti kurangnya konteks, halusinasi, keamanan, dan biaya.
• Alat terbaik: Alat yang pada akhirnya lebih unggul daripada AI mana pun yang ada saat ini tetaplah "otak" manusia, dan kita harus memanfaatkannya secara aktif.

[spilist2]

Saya juga sudah mengunggahnya ke YouTube! https://www.youtube.com/watch?v=CAgn60EWDmw

[wkdgus7113]

Saya juga menantikan video YouTube-nya hehe

[poshchloe]

Context engineering - memberi instruksi dengan cerdas lewat What+Why!
Bukan hanya itu, banyak hal yang selama ini saya penasaran juga dijelaskan dengan sangat gamblang :)
Rasanya sampai tidak enak dan sangat berterima kasih karena bisa melihat informasi berkualitas seperti ini secara gratis!!!!

[spilist2]

Ah, Anda sama sekali tidak perlu minta maaf... haha. Terima kasih atas kata-kata Anda yang terlalu baik.

[click]

Di versi pertama, saya banyak belajar cara memberi perintah kepada agent.

[thkimdev]

Terima kasih.