CEO AWS: “Menggantikan karyawan junior dengan AI adalah ide paling bodoh yang pernah saya dengar”

• CEO AWS Matt Garman menyatakan bahwa gagasan bahwa AI dapat menggantikan karyawan junior adalah “hal paling bodoh yang pernah saya dengar”
• Ia menekankan bahwa karyawan junior berbiaya paling rendah sekaligus paling proaktif dalam memanfaatkan alat AI, dan bahwa menyediakan pembinaan talenta serta kesempatan belajar adalah hal yang esensial
• Ia juga menegaskan bahwa mengukur hasil AI berdasarkan jumlah kode yang ditulis adalah metrik yang tidak bermakna, dan bahwa kode yang lebih sedikit namun berkualitas tinggi lebih penting daripada kode yang banyak namun tidak perlu
• Di internal AWS, lebih dari 80% pengembang sudah memanfaatkan AI, dan penerapannya mencakup berbagai cara seperti unit test, penulisan dokumentasi, bantuan penulisan kode, dan workflow berbasis agen
• Garman memandang bahwa dalam jangka panjang, yang dibutuhkan di tengah lingkungan teknologi yang berubah cepat adalah berpikir kritis, kreativitas, dan kemampuan belajar, dan bahwa talenta dengan kemampuan ini akan berhasil di era AI

---

Sikap terhadap kontroversi penggantian karyawan junior

• Garman membantah keras klaim sebagian eksekutif bahwa AI dapat menggantikan semua karyawan junior
  • Ia menekankan bahwa karyawan junior adalah “yang paling murah biayanya sekaligus paling aktif memanfaatkan AI”
  • Ia menegaskan pentingnya pembinaan talenta dengan mengatakan, “Kalau 10 tahun dari sekarang tidak ada seorang pun yang sempat membangun pengalaman, lalu bagaimana jadinya?”
• Ia berpendapat bahwa proses merekrut lulusan universitas lalu mengajari dan melatih mereka cara memecahkan masalah tetap esensial

Kritik terhadap cara pemanfaatan AI dan metriknya

• Ia mengkritik kebiasaan mengukur kinerja AI berdasarkan jumlah kode yang ditulis sebagai “metrik yang sia-sia”
  • Memang bisa menghasilkan kode dalam jumlah tak terbatas, tetapi kualitas kode itu bisa buruk
  • Ia menunjukkan obsesi pada metrik kuantitatif dengan mengatakan, “sering kali kode yang lebih sedikit justru lebih baik”
• Menurut data internal AWS, lebih dari 80% pengembang sudah memanfaatkan AI
  • Digunakan dalam berbagai cara seperti otomatisasi unit test, dukungan penulisan dokumentasi, penulisan sebagian kode, dan kolaborasi berbasis agen
  • Tingkat penggunaan alat AI ini terus meningkat setiap minggu

Saran tentang pendidikan dan karier di era AI

• Garman menyebut berpikir kritis, kreativitas, dan sikap belajar sebagai kemampuan yang dibutuhkan di era AI
  • Bukan sekadar menguasai teknologi tertentu, melainkan “cara belajar” itu sendiri
  • Ia menekankan bahwa “cara berpikir mandiri, kemampuan memecah masalah lalu menyelesaikannya, dan sikap untuk mau mempelajari hal baru” adalah inti yang terpenting
• Ia menunjukkan bahwa karena perkembangan teknologi berjalan terlalu cepat, hanya mempelajari teknologi tertentu saja sulit menopang karier selama 30 tahun
• Karena itu, para pendidik harus mengajarkan kepada siswa kemampuan memecah masalah dan berpikir, serta sikap untuk mempelajari hal baru, dan ia memprediksi bahwa talenta dengan kualitas ini akan berkembang pesat di era AI

[minsuchae]

Saya rasa kedua sisi ini sama-sama perlu dipertimbangkan dengan matang.

Untuk menjalankan perusahaan, pengembang memang dibutuhkan, dan saat ini tampaknya memang masa yang sulit bagi junior developer untuk mendapatkan pekerjaan.
Di ruang publik, penyebabnya sering diarahkan ke AI, tetapi sebenarnya perusahaan sudah merekrut besar-besaran pada masa pandemi, sementara keberhasilannya tidak selalu sebanding. Akibatnya, biaya tenaga kerja secara keseluruhan naik, dan beban itulah yang membuat perusahaan mengurangi perekrutan. Dalam situasi seperti itu, ketika penggunaan LLM mulai menunjukkan efisiensi yang setara atau bahkan lebih tinggi dibanding memberi pekerjaan kepada junior developer, menurut saya pasar kerja itu sendiri jadi semakin menyusut.

Namun, seperti juga tertulis di artikel, junior developer tetap harus ada karena pada akhirnya merekalah yang akan berkembang menjadi senior developer.
Kalau tidak merekrut saat masih junior, pada akhirnya tidak akan muncul senior developer baru.

Meski begitu, saya rasa proses ini tetap membutuhkan penyesuaian yang cukup besar.
Untuk perusahaan besar mungkin dampaknya lebih kecil karena sistemnya sudah tertata, tetapi ketika junior developer masuk, biasanya mereka dilatih sambil diberi tugas-tugas sampingan kecil (pekerjaan perusahaan yang tidak masalah jika gagal), bukan langsung tugas inti perusahaan.

Namun dari sudut pandang senior developer, semakin kurang tertata sistemnya, semakin sulit juga membimbing junior developer.

Dan ironisnya, saat menggunakan LLM, justru lebih menguntungkan jika seseorang punya pengetahuan terkait yang lebih banyak; bukan berarti developer pemula bisa otomatis menghasilkan efisiensi yang sama.
Sebaliknya, tidak mungkin menggantikan seluruh pekerjaan pengembangan hanya dengan karyawan junior. Mungkin ada orang-orang jenius yang sangat pintar dan bisa tetap menyelesaikannya entah bagaimana meskipun tanpa senior developer. Tetapi kalau pekerjaan mulai menumpuk pada orang itu, apakah dia akan sanggup bertahan?

Artinya, baik senior developer maupun junior developer sama-sama harus direkrut, dan dalam proses itu perlu ada perekrutan yang fleksibel dengan mempertimbangkan produktivitas serta biaya tenaga kerja perusahaan.

[zxcv123]

Orang yang menyangkal tulisan ini hanyalah senior yang levelnya rendah karena cuma pernah bekerja dengan junior-junior berkualitas rendah wkwk
Terlepas dari pengalaman, di era AI orang yang otaknya bagus akan jauh lebih diuntungkan.
Bahkan karyawan baru yang pintar, kalau ngebut 1–2 tahun saja, bisa dengan mudah melibas orang dengan pengalaman 10 tahun yang biasa-biasa saja

[onixboox]

Bahkan tanpa AI, anak baru yang pintar kalau kerja keras 1–2 tahun saja sudah bisa mengalahkan orang 10 tahun pengalaman yang biasa-biasa saja...

[epdlemflaj]

Rasanya seperti dia sedang bilang, “Junior itu murah dan jago memakai AI, jadi kenapa diganti? Ayo ganti senior saja!”

[rlaaudgjs5638]

Oh, jadi memang bisa dipahami seperti itu juga ya

[ididid393939]

Omong kosong wkwk

[ifmkl]

Aduh...

[aobamisaki]

Mohon menahan diri untuk tidak menulis komentar seperti ini. Ini bukan DC Inside.

[dlehals2]

Ini bukan DC..

[kht6163]

Omong kosong.

[GN⁺]

Komentar Hacker News

• Sangat setuju. Di saat yang sama, rasanya untuk benar-benar memakai kode dari LLM, kita harus jadi semacam penyihir prompt. Saya kadang hanya memakainya saat debugging atau ketika ingin cepat membuat sketsa UI. Untuk kode yang benar-benar dipakai, kode yang ditulis LLM sering kali benar-benar seperti spaghetti code, bertele-tele, punya risiko serius dari sisi performa dan keamanan, dan sepenuhnya salah memahami hampir semua design pattern yang saya berikan.

  • Saya makin heran setiap kali melihat tulisan yang skeptis terhadap AI coding di Hacker News dan Reddit. Rasanya seperti kita semua hidup di dunia yang benar-benar berbeda. Saya rasa keragaman alat juga jadi salah satu penyebabnya. Saya pikir "memakai kode LLM" berarti hal yang berbeda bagi tiap orang. Secara spesifik, LLM apa yang dipakai, konteks apa yang diberikan, dan IDE apa yang dipakai tampaknya sangat memengaruhi hasilnya. Sebelum agentic coding ramai, saya menulis sendiri 200 ribu baris kode B2B SaaS. Sekarang, di mode Sonnet 4 Agent, hanya sekitar 20% kode harian yang saya tulis sendiri, dan 80% sisanya ditulis oleh interactive Sonnet di VS Code dan GitHub Copilot Agents. Semakin banyak dokumentasi yang saya tulis dalam Markdown, semakin tinggi porsi itu. Saya tetap mereview dan menguji hasilnya dengan teliti.

  • Penasaran pakai tool apa. Saya memakai aider, dan bahkan saat memakai model yang konon lemah untuk coding seperti gpt-5, saya sama sekali tidak mengalami hal seperti yang Anda ceritakan. Malah bisa menulis kode yang "bagus" dan juga menyesuaikan style kode yang sudah ada dengan baik. Penulisan prompt memang sangat penting, dan di codebase yang sudah ada, tingkat keberhasilannya jelas naik kalau bisa memberi petunjuk implementasi yang spesifik. Ini bagian yang mungkin mudah dilakukan senior yang paham codebase, tetapi bisa sulit untuk junior. Saya rasa kita harus melihat semua sisinya dengan jelas. Sampai sekarang, masih sering sedikit lebih cepat kalau saya kerjakan sendiri dibanding menjalankannya lewat aider, tetapi selisihnya kecil dan terus membaik. LLM bisa menggantikan beberapa pekerjaan yang bisa dilakukan developer junior, tetapi tidak bisa menggantikan mereka sepenuhnya. Junior juga ikut rapat, memimpin diskusi, dan pada akhirnya punya jalur pertumbuhan untuk menjadi senior. Namun dari sudut pandang eksekutif, mungkin hal-hal seperti ini tidak menarik.

  • AI adalah alat yang fantastis untuk menelusuri informasi dalam jumlah besar secara kabur. Akhir-akhir ini saya makin sering memakai Assistant dari Kagi sebelum pencarian biasa. Ia membantu saya menemukan kata yang kurang saya tahu, lalu dengan kata itu saya telusuri halaman-halaman sampai akhirnya menemukan yang saya cari. Namun saya tidak pernah benar-benar mendapat nilai yang konsisten dari vibe coding. Untuk pekerjaan one-off, ini sangat bagus. Misalnya saat membuat chart matplotlib, kalau saya jelaskan apa yang saya inginkan dan hanya menunjukkan skema datanya, hasilnya 90% benar. Ia juga bisa membuat shell script sederhana. Baru-baru ini saya menyuruhnya membuat alat CLI kecil untuk mengatur folder foto RAW berdasarkan informasi EXIF, dan untuk jenis pekerjaan seperti itu saya sangat puas. Tapi begitu saya minta sesuatu yang sedikit lebih rumit, ia jadi melakukan banyak hal yang tidak berguna. Ia membuat model duplikat yang sebenarnya sudah ada di proyek, melakukan perubahan yang tidak relevan, atau mengarang fungsi API yang tidak ada. Jika saya tetap harus memverifikasi hasilnya, lebih baik saya tulis sendiri. Dan bagi saya, proses coding langsung itu adalah bagian yang paling menyenangkan. Sampai sekarang saya belum menemukan contoh penggunaan nyata di mana LLM benar-benar cocok untuk alur kerja riil saat manusia memakai prompt untuk mendapatkan hasil sementara lalu langsung menyimpan, mengintegrasikan, dan meneruskannya.

  • AI sangat berguna untuk cepat menyaring jawaban yang saya cari dari ratusan situs berantakan yang penuh iklan. Saya sering memakai Duck Duck Go AI untuk tanya-jawab. Saya mempercayainya hanya sejauh bisa melempar data center, tetapi untuk informasi yang bisa diverifikasi cepat, misalnya sintaks program atau opsi command, ini berguna.

  • Dalam pemanfaatan AI, ungkapan 'hasil sesuai yang dimasukkan' memang tepat. Kalau kita meluangkan banyak waktu untuk menjelaskan cara kerja internal, edge case, arsitektur, pemilihan library, dan menuliskannya dengan rapi di Markdown, maka setelah beberapa iterasi peluang keluar kode yang layak pakai jadi tinggi. Hasilnya sangat berbeda dibanding prompt singkat seperti "tolong buat fitur X". Tapi kalau kita sudah bisa menulis prompt sebagus itu, sebenarnya kita hampir sudah memecahkan masalahnya. LLM saat itu hanya berperan sebagai mesin pengetik otomatis yang cepat. Yang bertambah cepat hanya pengetikannya, sedangkan sebagian besar proses berpikirnya sudah dilakukan manusia.

• Saya rasa setidaknya ada satu CEO yang memahami bagian ini. Gagasan melewati tenaga junior lalu mengisi semuanya hanya dengan AI akan berdampak buruk bagi perusahaan dalam jangka panjang. Kalau tenaga senior memisahkan diri dan pergi, tidak akan ada yang tersisa. Sejujurnya saya juga tidak yakin apakah AI benar-benar menguntungkan bagi engineer mana pun, termasuk junior. Software engineering adalah perjalanan eksplorasi dan pembelajaran. Setiap kali memakai AI, saya teringat guru matematika yang bilang, "kalau pakai kalkulator, tidak ada yang tertinggal di kepala." Secara keseluruhan, AI juga terasa seperti hasil alami dari kebijakan ekonomi Amerika selama 45 tahun terakhir. Ini adalah pengejaran hasil jangka pendek semata untuk 1% teratas, dengan cara yang merusak perkembangan jangka panjang ekosistem perusahaan dan ekonomi yang sehat. Kalau melihat ini, rasanya Jack Welch pasti sangat bangga.

  • “Bagaimana kalau senior pergi?” CEO justru sebenarnya bukan orang yang khawatir soal senior pergi. Dia malah meneriakkan "pertahankan junior", tetapi implikasinya adalah "lepaskan senior", dan ini sejalan dengan tren industri yang sudah ada. Dalam kutipan OP, bersamaan dengan ucapan bahwa "[mengganti junior] adalah salah satu gagasan paling bodoh yang pernah saya dengar", disebut juga bahwa junior mungkin adalah karyawan termurah sekaligus yang paling antusias menggunakan tool AI. Pada akhirnya ini berarti kemampuan dan keahlian dipandang sebagai ancaman atau faktor risiko. Ini adalah sinyal agar seluruh industri terus mempertahankan 'kecerobohan' dan mempercepat semaksimal mungkin runtuhnya daya saing intelektual.

  • "Setidaknya ada satu CEO yang benar-benar paham"

"AI mungkin tidak menguntungkan bagi semua engineer" Kalau mendengar wawancara CEO itu, justru dia orang yang all-in dalam adopsi LLM untuk coding. Dia dengan bangga mengatakan bahwa 80% engineer AWS sudah memakai LLM dan jumlah itu akan terus naik. Saya sarankan dengarkan wawancaranya sekitar 10 menit saja.

* Saya rasa AI secara keseluruhan memang membantu proses belajar saya.
  Selama bertahun-tahun saya punya proyek pribadi yang ingin dibuat, tetapi selalu menyerah karena hambatan awalnya terlalu tinggi.
  Berkat AI, pekerjaan berulang dan membosankan bisa ditangani dengan mudah, jadi saya bisa benar-benar mendorong proyek sampai selesai.
  Mungkin saya akan belajar lebih banyak kalau mendorong semuanya sendiri dari awal sampai akhir tanpa AI, tetapi kalau saya bahkan tidak pernah mulai, maka saya tidak akan mendapat apa-apa.
  Sekarang jumlah yang benar-benar saya pelajari jelas bertambah.

* Bahkan kalau senior tetap ada, jika mereka tidak tertarik pada perubahan atau adopsi, atau bergerak lambat, itu juga risiko.
  Saya rasa adopsi AI akan sangat mempercepat laju belajar dan pertumbuhan junior.

• Dalam beberapa bulan terakhir, saat bekerja dengan startup, saya sering melihat kasus yang sudah terlanjur terjebak terlalu dalam dalam LLM vibe coding sampai tidak bisa keluar lagi. Sering kali mereka gagal merekrut talenta dengan baik atau kehilangan tenaga teknis. Mereka mengira kode AI, terutama kode dari Claude, sebagai engineer internal 10x mereka, dan berharap iterasi lebih cepat serta kode yang lebih baik. Saya menyaksikan para pendiri yang cukup cerdas kecanduan dopamin karena merasa kode Claude seolah-olah telah melakukan pekerjaan software engineering selama beberapa minggu atau bahkan beberapa tahun. Percaya bahwa AI bisa 'berpikir' atau 'memahami' masalah yang kompleks adalah penilaian yang terlalu murah hati. Menurut saya, yang seharusnya kita ukur bukan kemampuan berpikir nyata, melainkan 'pengurangan waktu mengetik'. [1] vibebusters.com

• Saya sepenuhnya setuju bahwa kita harus mengajarkan "cara berpikir" dan "cara memecah masalah". Profesor terbaik saya di sekolah engineering selalu memberikan ujian open-book. Di dunia nyata, semua orang berada di lingkungan di mana semua data dan informasi bisa dilihat. Kita tidak membayar orang hanya untuk mencari data, melainkan untuk menganalisis data, memahaminya, dan menerapkannya secara logis. Itulah yang disebut engineering, dan profesor itu benar-benar mengajarkan hal tersebut.

  • Saat kuliah saya mengambil kelas aljabar abstrak. Semua soal ujiannya adalah menuliskan bukti terkenal dari hafalan, lalu membuat bukti baru. Menghafal itu sendiri terasa dipaksakan, tetapi saya sadar bahwa tanpa memahami buktinya, saya tidak mungkin bisa menghafalnya. Saat harus membuat bukti baru sendiri, saya sudah punya modul-modul di kepala, jadi pendekatannya terasa jauh lebih intuitif. Menurut saya, hafalan yang sesungguhnya berbeda dari menghafal kode ala penyelesaian soal algoritma, dan coding aplikasi nyata jauh lebih mirip improvisasi manusiawi, eksplorasi graf spontan berbasis keadaan. Masalah di dunia nyata tidak selalu punya urutan baru yang rapi; pada akhirnya heuristik adalah kuncinya.

  • Saya rasa ini masalah inti yang dihadapi perekrutan di bidang ini. Developer yang benar-benar kompeten pada dasarnya adalah generalis. Keahlian khusus tentu bernilai, tetapi kecuali kita sedang berurusan dengan neraka legacy code kuno atau mendorong batasan tertentu, spesialis tidak selalu mutlak diperlukan. Justru orang yang pernah menangani stack yang asing bisa menutupi kelemahan atau memberi sudut pandang segar. Developer generalis yang cakap akan cepat beradaptasi dengan stack apa pun. Soalnya teknologi yang dipakai tiap perusahaan berbeda-beda dan campur aduk. Walaupun Anda memberi syarat seperti "15 tahun pengalaman React", siapa pun yang datang tetap tidak mungkin langsung produktif maksimal. Waktu onboarding tetap pasti dibutuhkan. Tetapi para perekrut di lapangan sering tidak benar-benar memahami hal ini. Perusahaan besar setidaknya masih memberi pelatihan, tetapi akhir-akhir ini pun suasananya tidak seperti dulu. Mereka rela menghabiskan ratusan ribu dolar karena persaingan perekrutan, tetapi tidak terlalu memikirkan biaya untuk benar-benar mengisi dan membina seseorang. Secara industri, semestinya ada asosiasi profesi agar struktur perekrutan dan pembinaan talenta tidak sampai benar-benar kacau, tetapi itu tidak ada sehingga masalahnya makin besar. (Saya rasa perhatian pada serikat pekerja belakangan ini, seiring restrukturisasi dan outsourcing, juga ada dalam konteks yang sama.)

  • Saya merasa perubahan seperti itu sebenarnya sudah terjadi. Setengah dari kurikulum CS tradisional adalah matematika, dan setengah sisanya pada dasarnya juga matematika hanya dengan nama berbeda. Memang ada banyak kritik terhadap akademia, tetapi ketika seseorang berkata, "akademia itu bodoh, seharusnya mengajarkan ini," biasanya hal itu sebenarnya sudah diajarkan, atau cukup dipelajari cepat seperlunya. Sebagian besar tren baru pada dasarnya adalah hal yang sudah dilakukan.

  • Saat kuliah, jurusan filsafat punya slogan pemasaran "jurusan berpikir, ambillah jurusan berpikir." Dari pengalaman saya sebagai perekrut, orang yang belajar humaniora jauh lebih kuat dalam tugas-tugas esensial seperti analisis dan pemahaman. Saya sendiri lulusan ganda CS/filsafat jadi mungkin punya bias, tetapi junior yang punya daya pikir analitis benar-benar jauh lebih berharga daripada orang yang hanya bisa banyak menulis kode. Berpikir analitis jauh lebih sulit diajarkan daripada coding.

  • Di semester pertama saya punya profesor yang menyebut kecenderungan elite teknik komputer yang langsung ingin coding tanpa memecah masalah dari sudut pandang bisnis atau pengguna sebagai “crazy finger syndrome”. Saya kangen lelucon profesor itu tentang 'mahasiswa cemas yang cuma ingin coding'. Saya rasa bootcamp belakangan ini tidak selalu berjalan selaras dengan standar etika yang tinggi.

• Saya pernah mendengar pertanyaan, “apa yang terjadi di masa depan jika tidak ada lagi orang yang benar-benar terlatih?” Mungkin banyak orang sudah menganggap kesimpulan ini sebagai sesuatu yang jelas. Namun saya rasa tidak mudah keluar dari struktur di mana kebanyakan perusahaan lebih fokus pada profitabilitas jangka pendek daripada keberlanjutan jangka panjang. Setidaknya internship/co-op terus ditekankan sebagai langkah untuk menjaga pipeline talenta. Saya juga memperkirakan akan ada tren yang makin kuat untuk fokus pada internship demi menghindari sulitnya merekrut developer junior di masa depan.

• Kalau meringkas pengalaman saya, rasanya kurang lebih begini. Bos kami membuat pernyataan PR seolah-olah dia pemimpin AI dengan mengatakan "karena adopsi AI, kami akan melakukan pengurangan besar-besaran", tetapi ketika benar-benar dicoba hasilnya kacau total, dan sekarang saya yang harus maju untuk meminta maaf dan memberi klarifikasi.

  • Bos -> VP: "Kita harus mengurangi orang karena AI" VP -> publik: "Dalam 2 tahun kami akan mengganti semua engineer dengan AI" Bos -> VP: "VP juga harus dikurangi karena AI" VP -> publik: "Mengganti orang dengan AI itu tindakan bodoh"

  • Mereka tetap tidak merekrut developer junior.

• Tampaknya CEO AWS juga telah mengubah posisinya. Setahun lalu dia mengatakan, "AI akan menulis semua kode dalam 2 tahun" [1]. Akhirnya kalangan c-suite tampaknya mulai menerima kenyataan. [1] https://news.ycombinator.com/item?id=41462545

  • CEO itu sebenarnya tidak mengatakan persis seperti itu. Dia hanya mengatakan bahwa dalam 2 tahun developer mungkin hampir tidak lagi menulis kode sendiri. Lalu dia melanjutkan, "mulai sekarang kita harus lebih fokus pada apa yang dibangun, bagaimana membangunnya, dan apa yang benar-benar dibutuhkan pelanggan." Tautan artikel Dari premis sampai pernyataannya sekarang, konteksnya konsisten. "Menulis kode" itu sendiri bisa jadi kurang penting, dan karena itu mereka harus merekrut junior, mengajarkan cara belajar, dan membangun kemampuan yang benar-benar berguna.

  • Secara teori, sebagian besar nilai perusahaan Amazon adalah kemampuan talenta manusianya. Ada yang memandang tenaga kerja hanya sebagai biaya dan menganggap semua nilai adalah milik pemegang saham. Tetapi jika aset manusia benar-benar punya nilai, maka mengklaim bahwa siapa pun bisa mendapatkan nilai itu hanya dengan AI justru buruk bagi harga saham. Bahkan ada risiko penurunan PE, jadi aneh bila ini ditafsirkan secara positif. Jika benar percaya bahwa dengan AI saja siapa pun bisa melakukan apa pun, dari sudut pandang pemegang saham itu justru berarti modal tidak bisa lagi terikat aman pada perusahaan seperti FAANG, dan malah menambah beban untuk terus mencari 'item pertumbuhan baru' berikutnya.

  • Bagi eksekutif, selalu penting untuk peka terhadap arus zaman.

  • Itu sama sekali bukan pernyataan yang kontradiktif. Untuk memberi instruksi kepada AI yang otonom, pipeline talenta yang membina orang sejak junior, bukan hanya senior, mutlak diperlukan. Perusahaan besar mengkhawatirkan pipeline ini, sedangkan perusahaan kecil bisa saja memanfaatkannya dengan hanya merekrut senior untuk jangka pendek sambil tidak mengambil intern.

  • Tidak ada kontradiksi logis antara kedua pernyataan itu. Mereka bisa terus merekrut junior, sementara pekerjaan junior itu sendiri mungkin berubah dan tidak lagi berfokus pada coding praktis.

• Jika merasa posisi dia berbeda dengan bosnya, saya ingin menyarankan agar memeriksa langsung. Mengutip artikel berita tanpa konteks begitu saja bukanlah hal yang baik. Soalnya tidak ada siapa pun yang benar-benar bisa memprediksi masa depan. [1]: https://www.shrm.org/topics-tools/news/technology/ai-will-shrink-corporate-workforce--amazon-ceo-warns

  • Saya tidak menganggap pernyataan kedua CEO itu saling bertentangan. "Kita harus terus merekrut lulusan universitas dan mengajari mereka cara yang benar untuk membuat software." - Matt Garman "Untuk berbagai pekerjaan yang kita lakukan hari ini, jumlah orang yang dibutuhkan akan berkurang." - Andy Jassy Hanya berbeda pada nuansanya, tetapi esensinya mirip.

  • Menurut saya, saat mengutip, secara etis kita harus sebisa mungkin mengutip pernyataan asli secara setara beserta konteksnya. Nada sebuah berita ditentukan oleh siapa yang dipilih untuk dikutip dan konteks seperti apa yang dibangun.

  • Kedua pernyataan itu sangat konsisten secara logis.

  • Sebagai orang yang pernah bekerja di AWS lalu keluar, saya tidak sepenuhnya percaya pada pernyataan resmi AWS. Saya sudah tahu seperti apa perusahaan AWS sejak awal, dan saya masuk ke sana pada usia 46 sebagai pekerjaan kedelapan saya. Bahkan untuk posisi yang disebut "remote permanen", ada kasus perintah kembali ke kantor (RTO) keluar setelah saya sudah resign.

• Pipeline talenta riset akademik adalah sebagai berikut: mahasiswa S1 -> mahasiswa pascasarjana -> peneliti postdoc -> tenure/senior Kecuali sangat sedikit pengecualian, tidak ada yang bisa langsung melompati dua tahap pertama dan menjadi peneliti senior. Di industri mana pun juga sama. Tanpa junior, tidak mungkin ada senior, jadi jika Anda berharap 'bot' melakukan semuanya, Anda juga harus siap dengan risikonya.

• Saya yakin siapa pun yang sudah lama bekerja dengan model-model ini akan setuju. Post AGI dari sama sebelum rilis o3 dan postingan doomer dari dunia teknologi saat itu, kalau dilihat kembali sekarang, benar-benar absurd.

  • AGI doomerism tidak lebih dari strategi pemasaran. Sekarang semua orang sudah memahami hakikat AI, dan kita hanya sedang menyaksikan pengulangan pasar search yang baru, di mana AI membacakan semua dokumen untuk kita.

  • Dari awal itu memang kebisingan yang bodoh, tetapi tak seorang pun sepenuhnya kebal terhadap 'hype'. Terlebih lagi karena begitu banyak uang diinvestasikan untuk astroturfing yang membesar-besarkan sesuatu jauh melampaui realitas teknologinya.

  • Menurut saya ChatGPT lebih baik daripada developer junior mana pun yang pernah bekerja dengan saya. Selama hampir setahun, junior itu malah menjadi beban negatif bagi tim. Dari sudut pandang orang yang bertanggung jawab atas proyek nyata, saya tidak pernah berpikir "andai ada lebih banyak junior". Jauh lebih baik menaikkan tawaran 20% dan merekrut orang level menengah.