3 poin oleh GN⁺ 2025-12-09 | Belum ada komentar. | Bagikan ke WhatsApp
  • Munculnya alat Agentic Coding menyebabkan biaya tenaga kerja dalam pengembangan perangkat lunak menurun drastis
  • Kecepatan implementasi memendek hingga proyek web app internal yang dulu memerlukan satu bulan kini bisa selesai dalam seminggu
  • Alat seperti Claude Code dapat membuat ratusan pengujian hanya dalam beberapa jam, mengubah struktur kerja sehingga tim kecil menghasilkan dampak besar
  • Penurunan biaya dapat memicu ledakan permintaan laten (Jevons Paradox) sehingga lebih banyak organisasi kemungkinan akan membuat perangkat lunak kustom
  • Pengetahuan domain dan kemampuan kolaborasi manusia-agen dari pengembang muncul sebagai daya saing baru, dengan perubahan besar di seluruh industri diperkirakan pada 2026

Perubahan struktur biaya pengembangan perangkat lunak

  • Penyebaran open source merupakan titik balik pertama yang menurunkan biaya awal pengembangan perangkat lunak
    • Dulu SQL Server, Oracle, dan lainnya memerlukan biaya lisensi tahunan puluhan ribu dolar, tetapi MySQL memungkinkan pembangunan aplikasi jaringan secara gratis
  • Setelah itu, adopsi cloud memang mengurangi belanja modal awal, tetapi efek penghematan pada total biaya terbatas
  • Dalam beberapa tahun terakhir, kompleksitas justru meningkat dengan TDD, microservices, frontend React yang kompleks, Kubernetes, sehingga penghematan biaya mengalami stagnasi
  • Sebaliknya, agen AI secara drastis memangkas biaya tenaga kerja dalam proses pengembangan

Dasar klaim pengurangan 90%

  • Hingga awal 2025, ada sikap skeptis terhadap alat coding AI, tetapi belakangan CLI agentic coding benar-benar membuktikan efisiensi dalam skala besar
  • Sebagai contoh, lebih dari 300 kode pengujian untuk sebuah alat internal dibuat oleh Claude Code hanya dalam beberapa jam
  • Proyek yang sebelumnya memakan waktu sebulan kini bisa selesai dalam seminggu
    • Waktu implementasi turun tajam, tetapi waktu berpikir (desain) tetap sama
    • Karena ukuran tim mengecil, overhead komunikasi pun hilang
  • Hasilnya, sejumlah kecil orang mencapai produktivitas lebih dari 10 kali lipat

Ledakan permintaan laten

  • Penurunan biaya dijelaskan melalui Jevons Paradox, yakni biaya yang lebih rendah tidak mengurangi permintaan industri secara keseluruhan, malah memperluasnya
  • Banyak organisasi masih menjalankan proses kerja berbasis Excel, dan ada permintaan laten untuk mengubahnya menjadi aplikasi SaaS
  • Jika estimasi biaya yang sebelumnya 50 ribu dolar turun menjadi sekitar 5 ribu dolar, maka proyek yang tadinya tidak esensial pun menjadi layak dikembangkan
  • Karena itu, total output industri pengembangan secara keseluruhan kemungkinan akan meningkat

Pengetahuan domain menjadi daya saing baru

  • Saat ini pengawasan dan penilaian manusia masih tetap penting
    • Pendekatan agen perlu diperiksa dan jalur yang salah harus dikoreksi
  • Pengembang yang menguasai teknologi ini akan sangat meningkat dalam kemampuan memecahkan masalah bisnis
  • Kombinasi pengetahuan domain + kemahiran teknis muncul sebagai daya saing utama
    • Ahli bisnis dan pengembang dapat melakukan pengembangan iteratif dengan cepat dalam unit kolaborasi kecil
  • Perangkat lunak berubah menjadi "aset yang bisa dibuang", sehingga jika arahnya salah dapat langsung dibuang lalu dikembangkan ulang

Harus bersiap menghadapi perubahan

  • LLM dan model agen berkembang pesat, dan benchmark lama tidak mampu lagi mencerminkan hal ini
    • Contoh: Opus 4.5 dapat mempertahankan sesi 10~20 menit secara stabil
  • Investasi besar pada infrastruktur GPU diperkirakan akan mendorong peningkatan performa model secara drastis ke depan
  • Sebagian pengembang masih beranggapan bahwa “LLM penuh kesalahan” atau “tidak menghemat waktu”, tetapi ini semakin tidak benar
  • Seperti kasus engineer desktop yang mengabaikan iPhone pada 2007, menolak perubahan berisiko membuat tertinggal
  • Perusahaan besar lambat mengadopsi karena struktur birokratis, tetapi tim kecil bisa langsung memanfaatkannya
  • LLM efektif bukan hanya untuk proyek baru, tetapi juga untuk analisis dan pemeliharaan codebase yang sudah ada
    • Sangat efisien untuk memahami struktur kode lama, mendeteksi bug, dan mengusulkan perbaikan
  • Hasilnya, 2026 kemungkinan besar akan menjadi titik perubahan besar dalam cara pengembangan dilakukan

Belum ada komentar.

Belum ada komentar.