Apakah Extreme Programming (XP) perlu ditinjau kembali di era AI?

• Berkat pembuatan kode oleh AI dan inovasi platform, kecepatan pengembangan meningkat secara eksplosif, tetapi hasil proyek tetap rendah dan tingkat kegagalan masih tinggi
• Masalah utamanya bukan kecepatan, melainkan kurangnya verifikasi dan penyelarasan, dan XP mendorong pembelajaran, penyelarasan, serta peningkatan kualitas melalui batasan yang disengaja
• Terutama ketika agen AI mempercepat pembuatan, modifikasi, dan deployment kode, peningkatan kompleksitas tanpa verifikasi dan kerentanan menjadi semakin serius
• XP menekankan nilai-nilai yang berpusat pada manusia seperti kesederhanaan, komunikasi, umpan balik, rasa hormat, keberanian, serta batch kecil, integrasi berkelanjutan, dan pengujian otomatis
• Di era ketika output cepat menjadi hal yang wajar, XP adalah metodologi yang kembali mengingatkan bahwa perangkat lunak pada akhirnya dibuat untuk manusia

---

Percepatan kecepatan produksi perangkat lunak dan batasannya

• Baru-baru ini, berkat inovasi alat AI dan berbagai platform pengembangan, hambatan untuk menghasilkan kode menjadi sangat rendah dan kecepatannya meningkat pesat
• Hanya dengan beberapa prompt atau pemanggilan API, produk, fitur, dan seluruh infrastruktur dapat dibuat dengan cepat
• Namun, meskipun produktivitas meningkat, ada masalah bahwa tingkat keberhasilan proyek secara keseluruhan tidak membaik secara signifikan
• Laporan Standish Chaos dan laporan McKinsey menunjukkan bahwa kasus di mana sebagian besar proyek TI gagal atau melampaui anggaran masih sering terjadi
• Ini menegaskan bahwa peningkatan kecepatan pembuatan kode semata tidak otomatis meningkatkan hasil delivery perangkat lunak

Mengapa output bukan masalah yang sebenarnya

• Berkali-kali terbukti bahwa bottleneck dalam pengembangan perangkat lunak bukanlah kecepatan input/output kode
  • Ada gelombang percepatan yang datang silih berganti, seperti adopsi bahasa tingkat tinggi, populernya framework dan package manager, meluasnya DevOps dan serverless, perkembangan platform pengembangan, hingga pembuatan kode oleh AI
• Menurut laporan Chaos, meskipun output dipercepat, hasil akhirnya tetap tidak konsisten dan di bawah ekspektasi
• Yang penting bukan sekadar percepatan, melainkan ‘batasan’ yang lebih cerdas
• XP adalah praktik yang mengarahkan tim ke jalur yang benar melalui pembelajaran, penyelarasan, dan pengembangan yang disengaja tanpa terburu-buru

Peran XP: penyeimbang terhadap kecepatan

• Percepatan tanpa batas menimbulkan masalah karena menghilangkan kesempatan untuk belajar, menemukan kesalahan, dan mengoreksi arah
• Extreme Programming (XP) dirancang agar tim bergerak ke arah yang tepat dengan memperkenalkan gesekan dan batasan yang disengaja
  • Praktik yang representatif: pair programming dengan sengaja mengurangi output hingga setengahnya
• Pair programming mungkin mengurangi hasil produksi menjadi setengah, tetapi memberi dampak positif dua kali lipat dalam hal pemahaman bersama, kepercayaan, kualitas, dan peningkatan kapabilitas tim
• XP mengubah cara kolaborasi itu sendiri, dan berinvestasi pada penguatan kapabilitas tim serta pemberian arah

Pemahaman masalah XP yang makin diperdalam bersama AI

• Karena AI membuat pembuatan kode nyaris tanpa usaha, risiko produksi massal perangkat lunak yang tidak tervalidasi dengan baik semakin besar
  • Risiko ini meningkat tajam terutama pada sistem agentic AI di mana banyak agen secara otomatis menghasilkan, memperbaiki, dan men-deploy kode
• Sistem otomatis tanpa batasan menumpuk logika yang belum tervalidasi secara berlapis, memperburuk kompleksitas dan kerentanan
• Penelitian terbaru membuktikan bahwa semakin panjang context window LLM, semakin menurun akurasinya
  • Bagian awal dan akhir ditangani dengan baik, tetapi bagian tengah justru lebih rentan terhadap generalisasi berlebihan dan kesalahan
• Akibatnya, hal ini menghasilkan kode yang mahal dirawat dan mudah rusak, dan XP lahir untuk mencegah entropi kacau semacam ini

Perangkat lunak tetap ranah manusia

• Sekalipun AI berkembang, esensi perangkat lunak sebagai sesuatu yang dibuat manusia untuk manusia, di dalam komunikasi dan budaya organisasi tidak berubah
• Hambatan utama dalam delivery bukanlah tingkat otomasi, melainkan penyelarasan, konteks bersama, hasil yang jelas, verifikasi pengguna, dan faktor-faktor berbasis manusia lainnya
• Nilai inti XP:
  • Simplicity: mengurangi kompleksitas
  • Communication: menjaga kekompakan tim
  • Feedback: mendorong pembelajaran dan adaptasi
  • Respect: membangun kepercayaan dan rasa aman
  • Courage: mendukung transparansi dan kemungkinan perubahan

Dari feature factory menuju penyampaian nilai yang nyata

• Tim yang sukses lebih mengutamakan flow dan feedback daripada kecepatan itu sendiri
• Praktik XP seperti batch kecil, integrasi berkelanjutan, pengujian otomatis, dan kepemilikan bersama berkontribusi pada adaptabilitas dan orientasi pada pengguna
• Ke depan, semakin cepat produksi kode berlangsung, semakin penting metode-metode ini untuk mengelola kualitas, risiko, dan niat

Pelajaran dari masa lalu

• Statistik laporan CHAOS:
  • 1994: 16% proyek berhasil tepat waktu dan sesuai anggaran
  • 2012: membaik menjadi 37%
  • 2020: turun lagi menjadi 31%
• Bahkan setelah lebih dari 20 tahun inovasi dan perubahan (agile, DevOps, cloud native, AI, dan lain-lain), keandalan secara keseluruhan hanya naik 14 poin persentase
• Toolchain saja tidak cukup untuk menyelesaikan masalah
• Ini menegaskan kembali pentingnya metodologi yang tepat

Apa yang dibutuhkan ke depan

• 1. Output bukan lagi kendala: produktivitas pembuatan kode melampaui kecepatan verifikasi dan penyelarasan
• 2. Penguatan kapabilitas yang berfokus pada hasil: feedback, arah produk yang jelas, kolaborasi yang kuat, dan desain yang baik adalah hal yang esensial
• 3. Diperlukan proses yang lebih manusiawi: meskipun AI berkembang, delivery berkelanjutan tetap bergantung pada kolaborasi

• Ditekankan bahwa Product Operating Model yang benar-benar efektif lahir dari operasi yang berpusat pada manusia—kolaborasi, kejelasan, dan flow
• Alih-alih sekadar inovasi teknis (platform), lingkungan delivery perangkat lunak yang berkelanjutan di era AI hanya dapat dibangun ketika strategi tim, ritme operasional, dan praktik engineering diselaraskan tanpa celah

Kesimpulan: di era AI, apakah XP diperlukan?

• Ya
• Di tengah alat yang semakin kuat, dibutuhkan kerangka kerja yang dapat menambatkan praktik yang berpusat pada manusia
• XP sekaligus memberikan fokus tim, empati, pemahaman bersama, dan orientasi pada tujuan yang benar
• Berfokus bukan pada kecepatan output semata, melainkan pada arah yang bermakna dan penyelarasan di dalam tim
• Di era percepatan AI dan produksi tanpa batas, XP adalah metodologi langka yang mengingatkan bahwa perangkat lunak adalah pekerjaan manusia

[GN⁺]

Komentar Hacker News

• Kent Beck (pencipta Extreme Programming) sedang melakukan berbagai eksperimen terkait AI coding
  Melalui tulisan seperti Augmented Coding Beyond the Vibes, ia sedang memikirkan bagaimana AI bisa dimanfaatkan dalam pemrograman
  Saat ChatGPT mulai berguna untuk coding, saya ingat dia pernah berkata bahwa 90% keterampilannya kini tidak lagi bernilai, sementara 10% sisanya justru menjadi jauh lebih berharga
  90% of my skills are now worth 0

  • Saya merasa pendekatan pengembangan XP yang test-first menjadi semakin bernilai di era ketika AI menghasilkan kode lalu memverifikasinya
    Dengan cara ini, terutama pembuatan kode oleh alat AI terasa menjadi lebih mudah

  • Salah satu hal yang mengganggu saya dalam AI coding belakangan ini adalah laporan atau panduan lama yang tetap tertinggal di repositori
    Misalnya, laporan ini juga merupakan laporan buatan AI yang didasarkan pada kode pada saat laporan itu dibuat
    Saya tidak yakin apa gunanya meninggalkan artefak antara seperti ini di history
    Terutama saya mempertanyakan file-file yang terus menumpuk seperti _updated_v2_from_2025
    Contoh 1, Contoh 2

• Saya menganggap hanya XP yang benar-benar merupakan metodologi agile
  Agile lama-kelamaan telah menyimpang hingga kehilangan maknanya
  AI programming memang membantu menutup feedback loop dengan cepat, tetapi saya tidak merasa semua kode memerlukan unit test yang sangat banyak
  Jika orang-orang bisa kembali memahami inti XP (bagi saya itu adalah feedback loop), dan melalui sistem agen berbasis LLM memungkinkan feedback loop yang lebih rapat, saya rasa itu akan menjadi kemajuan besar bagi software engineering

  • Karena saya memulai dengan XP dan pernah menjalankannya dengan sangat disiplin, sekarang saya merasa sulit bekerja di organisasi bergaya SCRUM
    SCRUM awalnya banyak berasal dari XP, tetapi sekarang rasanya hanya menyisakan praktik-praktik tanpa makna

  • Saya pikir skenario ideal adalah dua developer melakukan pair programming di branch yang sama bersama agen AI
    Pair planning, review, development, dan testing berulang secara alami dalam feedback loop yang ideal

  • Unit test pada era XP berbeda dengan testing saat ini
    Dulu itu adalah pengujian pada tingkat fitur, bukan test per metode

  • Saya merasa semuanya bergantung pada seberapa akurat AI bisa menutup feedback loop

  • Saya tidak menganggap menahan setengah kode agar tidak dikirim ke pengguna (= dikirim ke production) sebagai sesuatu yang agile

• Tim kami seluruhnya terdiri dari mantan Pivots dan alumni Thoughtworks
  Pair programming, TDD, dan kehadiran pelanggan di tempat adalah hal dasar
  Kami juga sudah lebih dari 2 tahun aktif memanfaatkan AI di IDE
  Namun yang mengejutkan, tahun ini kami mulai melakukan 'mobbing', bukan bekerja terpisah masing-masing dengan AI, melainkan seluruh tim (4 orang) menyelaraskan sinkronisasi di satu proyek dan fokus pada satu pekerjaan
  Dengan Claude Code membantu mengetik, empat orang berkolaborasi secara real-time sekaligus
  Itu adalah pengalaman paling menyenangkan, paling fokus, dan paling efektif yang pernah saya rasakan dari perpaduan XP dan AI

  • Ada yang bertanya alat apa yang digunakan untuk memudahkan kolaborasi seperti ini

• Saya benar-benar sudah melupakan XP
  Sebagiannya kini sudah menjadi hal biasa, dan sisanya mungkin akan terasa sangat asing jika dilihat dengan standar sekarang

  • Memang terasa bahwa banyak bagian XP telah terintegrasi ke workflow modern (dan menjadi lebih baik)
    Secara khusus saya ingin menekankan bahwa sebelum memakai LLM untuk mengeluarkan lebih dari 1000 baris kode tanpa banyak pikir, kita perlu berhenti sejenak dan berpikir
    Saya penasaran bagian mana dari XP yang menurut Anda paling terasa asing secara pribadi

• Ini tidak boleh dipahami sebagai semua orang harus melakukan pair programming dengan AI
  Saat melakukan pair programming dengan rekan tim, kita saling berbagi cara berpikir dan konteks kode
  Tetapi saat pair programming dengan AI, begitu prompt ditutup, AI langsung melupakan semuanya
  Jadi XP yang dibahas di sini tetaplah XP antarmanusia seperti pada 1990-an
  AI bisa terlibat sebagian, tetapi intinya tetap manusia

  • Jika hasilnya tidak ditinggalkan secara eksplisit, memang akan seperti itu
    Saat menjelajahi kode baru yang dokumentasinya belum memadai, bisa jadi ada gunanya jika hal-hal yang dipelajari bersama LLM disimpan di repositori sebagai dokumentasi atau file agen

  • Justru saya merasa jika Anda tidak melakukan pair programming dengan AI, berarti Anda melakukannya dengan cara yang salah
    Bahkan saat manusia melakukan pair programming pun, saya sendiri sering mendapati diri saya di masa depan melupakan semua yang saya ingat saat ini
    Kita perlu menuju pair yang berfokus pada dokumentasi
    Singkatnya, pair programming XP bersama LLM harus benar-benar dipraktikkan

• Sepertinya pasti akan ada orang yang menjual kursus Extreme Vibing (XV)

  • Itulah tepatnya yang dikejar onlyfans

• Extreme Programming adalah paradigma yang menggabungkan banyak konsep yang secara mandiri juga berguna (misalnya TDD, pair programming, CI, feedback)
  Masing-masing berguna tergantung situasinya, tetapi saya tidak merasa semuanya harus selalu dipakai bersamaan setiap saat
  Dalam konteks ini, saya melihat XP kehilangan kekuatannya sebagai satu konsep yang utuh
  Saat ini kebanyakan tim hanya mempraktikkan sebagian dari XP, dan hampir tidak ada organisasi yang benar-benar menerapkan XP secara penuh
  Untuk agile, perusahaan besar biasanya menerapkan lebih dari 90% praktiknya dengan tingkat kepatuhan sekitar 70%
  Dalam praktiknya, saya belum pernah melihat satu pun perusahaan yang menerapkan cara kerja seperti yang dijelaskan dalam Agile Manifesto secara 100%; yang paling baik pun sekitar 90%
  Namun karena praktik-praktik inti itu semuanya terikat dalam satu paradigma, organisasi jadi lebih mudah menyebut diri mereka 'agile'
  Jadi sekadar menyatakan “beralih ke agile” pun menjadi jauh lebih mudah

  • Inilah alasan buku XP dibagi menjadi filsafat, prinsip, dan tahap praktik
    Kalimat yang paling membekas dari buku itu adalah bahwa nilai tanpa praktik adalah sesuatu yang mati, dan praktik tanpa nilai juga kosong
    Pada akhirnya, tujuan sesungguhnya bukan best practice, melainkan memberi tim kendali agar mereka sendiri menentukan proses dan menghasilkan perangkat lunak yang dirancang dengan baik serta dapat dipercaya
    XP kadang tampak seperti 'toolkit campur-aduk' justru karena memang itulah kumpulan hal-hal yang dipilih dan digunakan oleh tim yang proaktif seperti itu

  • Saya sendiri memang selalu melakukan praktik yang disebutkan di atas (TDD, pair programming, CI, feedback) pada kode production jika memungkinkan
    Saya penasaran dalam situasi seperti apa praktik-praktik ini bisa dianggap 'keliru'

  • Saya rasa kita sudah berkembang cukup jauh sejak agile era 90-an yang obsesif
    Sekarang, karena workflow yang memanfaatkan AI semakin banyak, kita perlu lebih fokus meninjau proses perangkat lunak ke arah meningkatkan probabilitas hasil nyata bagi pengguna, bukan sekadar menambah volume output
    Saya pikir XP adalah titik awal yang baik untuk itu (meski bukan harus menjadi titik akhirnya)

• Extreme Programming (XP) adalah metodologi agile yang berfokus pada iterasi singkat, feedback cepat, dan desain sederhana, serta berlandaskan praktik seperti pair programming, TDD, dan CI untuk cepat beradaptasi terhadap perubahan
  Pendekatannya mengutamakan membangun sesuatu sekecil dan secepat mungkin, lalu mengulang bersama pelanggan untuk mengoptimalkan pembelajaran dan kualitas
  ~ GPT5 in perplexity

• Belakangan saya merasa waterfall sedang bangkit lagi bersama AI

  • Sebenarnya waterfall tidak pernah benar-benar hilang

  • Sangat disayangkan kalau waterfall memang kembali
    Dalam kebanyakan kasus, waterfall bukan pendekatan yang tepat

• Sebagai mantan orang Pivot dan penggemar berat XP, saya setuju

  • Pivot New York
    Silakan lihat komentar saya di bawah juga
    Saya masih mempraktikkan XP