Analisis kelelahan "vibe coding" pada developer yang dipicu oleh kecepatan AI yang melampaui proses berpikir

Poin utama:

• Penggunaan alat AI (Claude Code, Cursor) meningkatkan kecepatan pengembangan, tetapi tempo kerja yang terlalu cepat melampaui batas pemrosesan otak dan memicu kelelahan
• Peralihan konteks yang sering, kelebihan dopamin, dan perubahan peran menjadi manajer memperberat beban kognitif
• Muncul fenomena "waktu mesin" saat manusia terseret oleh kecepatan AI, sehingga kebutuhan untuk mengatur tempo secara proaktif makin menonjol

---

Pendahuluan

• Manfaat dan efek samping alat AI: Seorang developer dengan pengalaman 40 tahun menggunakan Claude Code dan Cursor untuk mengembangkan package manager (Marvai) dan merasakan peningkatan produktivitas, tetapi sekaligus mengalami kelelahan yang belum pernah dirasakan sebelumnya.
• Rumusan masalah: Implementasi fitur dan perbaikan bug memang menjadi lebih cepat, tetapi otak tidak mampu mengikuti kecepatan AI, sehingga muncul kondisi kehabisan tenaga bahkan setelah sesi kerja singkat (sekitar 1 jam).

Pembahasan

1. Lonjakan beban kognitif dan tekanan "waktu mesin"

• Penerapan teori beban kognitif: Menurut teori Team Topologies, tanggung jawab yang berlebihan dan perpindahan topik meningkatkan beban kognitif. Coding dengan AI mendorong beban ini hingga ke ambang batas.
• Ritme yang dipimpin mesin: Mirip dengan stres yang dulu dialami pekerja pabrik yang harus mengikuti kecepatan mesin, developer kini mengalami fenomena dikejar oleh laju coding yang dipimpin AI ("waktu mesin").
• Hilangnya proses berpikir: Dalam coding tradisional, kecepatan kerja sejalan dengan kecepatan berpikir sehingga otak memiliki ruang pemrosesan (Baking time). Namun, coding dengan AI memproses arsitektur kompleks dan rangkaian keputusan dalam sekejap, sehingga mengganggu sinkronisasi otak.

2. Koeksistensi kelebihan dopamin dan hormon stres

• Percepatan loop dopamin: Siklus imbalan dopamin "coding-error-solusi-sukses" menjadi jauh lebih cepat berkat AI.
• Kelelahan emosional: Pelepasan dopamin yang sering dan hormon stres akibat tempo tinggi bekerja secara bersamaan, memicu rasa lelah dan kewalahan alih-alih kesenangan dalam coding.

3. Meningkatnya biaya context switching

• Kelebihan beban pada cache otak: Context switching adalah pekerjaan berenergi tinggi yang mengosongkan dan mengisi ulang cache otak.
• Micro-context switching: AI dapat mengubah beberapa modul sekaligus, atau bahkan saat memakai fitur pelengkapan tab sederhana (tombol Tab), memaksa peralihan mikro yang sering dari "mode menulis" ke "mode meninjau", sehingga energi mental cepat terkuras.

4. Perubahan mendasar pada peran developer

• Dari penulis menjadi manajer: Peran developer bergeser dari menerjemahkan kebutuhan menjadi kode menjadi "pemimpin tim" atau "pengatur lalu lintas" yang mengelola dan meninjau hasil dari "rekan tim supercepat" bernama AI.
• Asimetri tanggung jawab: Saat AI menghasilkan beban kerja setara lima orang, developer tetap memegang tanggung jawab akhir atas kualitas kode, sehingga beban manajerial makin berat.

Kesimpulan

Usulan untuk AI coding yang berkelanjutan

• Pengaturan tempo yang disengaja (Pacing): Developer perlu mengendalikan sendiri tempo kerja, bukan terseret oleh kecepatan AI.
• Penerapan cara retrospektif baru: Dibutuhkan rutinitas kerja baru seperti retrospective harian untuk menyelaraskan AI dan ritme otak.
• Perubahan cara pandang terhadap peran: Perlu mengurangi kecenderungan micromanagement terhadap output AI dan mengubah gaya kerja ke arah yang lebih percaya pada AI.
• Prospek ke depan: Masa depan coding mungkin bukan sekadar peningkatan kecepatan tanpa batas, melainkan "kelambatan yang disengaja" dan penetapan batas baru yang mempertimbangkan batas kognitif manusia.

[dbs0829]

Bahkan untuk kerja kasar yang sederhana pun, entah kenapa rasanya lebih tenang kalau sekalian bikin makro...

[fantajeon]

Antarmanusia juga demikian.

Di antara manusia pun masalah seperti ini sering terjadi.
Jika orang yang berpikir lambat adalah manajer,
mereka akan berkata,
"Pekerjaan berjalan terlalu cepat sehingga melelahkan dan sulit bekerja bersama,"
dan jika orang itu adalah bawahan,
mereka akan berkata,
"Sulit menangkap maksud pembicaraan sehingga susah bekerja bersama."

Pada akhirnya, agar bisa bekerja bersama, kecocokan satu sama lain harus pas.

[bakyeono]

Penderitaan karena hanya harus melakukan code review dan pengujian, sementara kegiatan coding dirampas...

[colus001]

Saya, selain untuk proyek pribadi, menggunakan vibe coding secara terbatas. Di autocomplete Cursor, saya hanya memakainya untuk ideation dan coding yang mengulang pola yang sama. Menyelesaikan semuanya dengan vibe coding dalam proyek jangka panjang menurut saya adalah tindakan yang tidak bertanggung jawab sebagai seorang developer.

[tested]

Sepertinya, dibandingkan orang yang hanya menulis prompt lalu sekadar mengeluarkan hasil, orang yang memahami kode dari hasil pekerjaan tersebut serta melakukan verifikasi/peninjauan justru merasa lebih lelah.
Itu juga disebutkan di artikel aslinya.

[onixboox]

Saya tidak pernah mengalami kelelahan seperti itu karena yang saya pikirkan hanya, “Syukurlah berkat AI pekerjaan yang harus saya lakukan jadi berkurang.” Saya menggunakan zed + claude, dan kadang di tengah jalan konteksnya berubah sehingga hasilnya jadi aneh, tetapi saat itu saya cukup mengembalikan kode di git lalu memintanya “rangkum isi di atas dan tulis ulang”, dan biasanya hasilnya malah jadi lebih rapi. Bukankah ini hanya berarti proses mengubah ide di kepala menjadi kode yang berubah, bukan lagi mengetik kode secara langsung? Bahkan saat memasukkan prompt, pikiran saya justru jadi lebih teratur.

[caniel]

Bukankah ketika proses pembuatan dengan kode menjadi semacam black box, kita jadi perlu waktu untuk menyinkronkan kode dengan pemikiran yang ada di kepala?
Dalam penulisan kode konvensional, ada jaminan bahwa kode dan pemikiran di kepala itu selaras, tetapi dalam coding melalui LLM, hal itu tidak terjamin.

[onixboox]

Bukankah di kepala kita cukup ada logikanya saja, lalu kita hanya perlu memeriksa apakah kode yang ditulis AI sudah benar, tanpa perlu menyusun kodenya sendiri di dalam kepala? Kita jadi cukup memikirkan seberapa akurat data yang diberikan ke prompt, jadi justru pekerjaan jadi jauh lebih cepat.

[caniel]

Sepertinya ini juga bisa berbeda tergantung seberapa spesifik prompt yang diberikan. Kalau diserahkan ke LLM pada tingkat pseudocode, saya bisa memahami maksud yang Anda sampaikan.

[choihyojun]

Dulu, meski menulis kode seharian penuh, saat pekerjaan selesai saya sering merasa puas. Tapi sekarang, ketika sebagian besar pekerjaan sehari-hari diselesaikan lewat percakapan dan di banyak hari saya bahkan tidak menulis satu baris kode pun sendiri, ternyata tetap burnout.. Sangat relate

[ds2ilz]

Saya juga mengalami kelelahan yang meningkat karena alasan yang persis sama. Saya memang sudah memperkirakannya, jadi rasa lelahnya sendiri tidak masalah, tetapi lebih dari itu, dari luar sepertinya karena tidak ada lagi waktu untuk sibuk mengetik di keyboard saat ngoding, orang-orang jadi mengira saya bekerja dengan sangat santai. Kalau saya bilang saya lebih lelah dibanding dulu, mereka tampaknya tidak terlalu memahaminya....

[reagea0]

Ah, rasanya seperti ada yang akhirnya menjelaskan dengan jelas alasan saya merasa lelah.

[baeba]

1. "Kecepatan itu memberi energi" (pihak positif)

• Pandangan: AI menangani pekerjaan membosankan dengan cepat sehingga justru membuat lebih berenergi, dan ini positif karena mengurangi biaya belajar tech stack baru.
• Contoh: Saat memakai bahasa atau framework yang asing, berkat agen AI orang bisa melewati proses belajar yang membosankan dan langsung fokus pada implementasi.

2. "Perdebatan definisi vibe coding" (kebingungan istilah)

• Perdebatan: Ada perbedaan pendapat soal apakah 'vibe coding' sekadar menerima bantuan AI, atau memeriksa hanya hasil akhirnya tanpa meninjau kode yang dihasilkan.
• Titik temu: Awalnya istilah ini bernuansa negatif dengan arti 'kode tanpa peninjauan', tetapi kini maknanya meluas menjadi istilah untuk coding berbantuan AI secara umum.

3. "Kecepatan tanpa verifikasi adalah utang teknis" (pihak berhati-hati)

• Kritik: Berbahaya jika hanya percaya pada hasil yang dibuat AI tanpa memahami kodenya. Bug yang muncul nanti atau biaya pemeliharaan (utang teknis) bisa menjadi lebih besar.
• Analogi: Ini seperti "naik mobil otonom tanpa tahu pengemudinya mau ke mana"; implementasi tanpa pemahaman pada akhirnya menurunkan kemampuan memecahkan masalah.

4. "Kelelahan akibat perpindahan konteks" (pihak yang merasa relate)

• Setuju: Saat AI menghasilkan kode, perpindahan konteks (context switching) yang sering terjadi membuat beban kognitif otak melonjak tajam.
• Gejala: Proses meninjau dan memperbaiki hasil AI yang terus berulang menimbulkan kelelahan mental yang lebih besar dibanding menulis kode sendiri. Bekerja 4 jam terasa seperti sudah bekerja seharian penuh.

5. "Hilangnya kesenangan dalam coding" (kurang dopamin)

• Pengalaman: Rasa pencapaian (dopamin) saat memecahkan masalah sendiri menghilang. Rasanya hampa, seperti hanya melihat produk jadi alih-alih menikmati serunya merakit Lego sendiri.
• Hasil: Pekerjaan yang hanya cepat menghasilkan output tanpa kesenangan dalam prosesnya membuat developer cepat lelah.

6. "Racun bagi pemula, obat bagi yang berpengalaman" (perbedaan menurut tingkat keahlian)

• Analisis: Developer berpengalaman bisa cepat menangkap dan memperbaiki kesalahan AI sehingga produktivitas meningkat, tetapi pemula berisiko memakai kode yang salah begitu saja, kehilangan kesempatan belajar, dan menghasilkan banyak kode kacau.

7. "Dipaksa beralih menjadi manajer" (perubahan peran)

• Fenomena: Peran developer dipaksa berubah dari 'pencipta' yang menulis kode sendiri menjadi 'manajer/reviewer' yang meninjau dan memperbaiki banjir kode dari AI.
• Beban: Ini memicu stres berat, seperti harus mereview secara real-time kode yang ditulis oleh 5 developer junior (AI) sendirian.

8. "Kurangnya pemahaman terhadap logika bisnis" (penunjuk batasan)

• Masalah: AI bisa menulis kode dengan baik, tetapi tidak memahami konteks bisnis atau arsitektur secara keseluruhan.
• Realitas: Pada akhirnya, pekerjaan rumit seperti menyesuaikan requirement bisnis ke dalam kode dan menangani edge case tetap menjadi porsi manusia, dan di proses inilah bottleneck muncul.

9. "Hilangnya jeda dan kelonggaran" (waktu mesin)

• Analogi: Seperti buruh pabrik di masa lalu yang harus bekerja mengikuti kecepatan mesin, manusia kini terjebak dalam 'waktu mesin' karena terus terseret oleh kecepatan AI dalam menghasilkan sesuatu.
• Kebutuhan: 'Istirahat paksa' seperti waktu menunggu kompilasi kini menghilang, sehingga otak tidak punya celah untuk memproses informasi dan beristirahat. Istirahat yang disengaja menjadi sangat penting.

10. "Masalah transisional pada alat" (pandangan ke depan)

• Diagnosis: Kelelahan saat ini terjadi karena alat verifikasi (testing, lint, dll.) tidak mampu mengikuti kecepatan generasi AI, sehingga muncul ketidakselarasan.
• Solusi: Jika alat yang mengotomatiskan verifikasi berkembang hingga secepat proses generasi, masalah kelelahan ini bisa teratasi.

[aura01]

Saya juga punya pengalaman serupa, jadi saya melakukannya seperti ini.

Misalnya, jika melakukan refactoring,

'minta untuk menganalisis kode yang ada lalu mengusulkan alternatif'
'minta untuk merangkum dan menjelaskan perbedaan antara alternatif dan kode yang ada, serta kelebihan dan kekurangannya'
'minta untuk mengusulkan cara memverifikasi apakah alternatif itu benar-benar lebih baik'
'memverifikasi alternatif secara langsung'
'minta untuk menerapkan alternatif serta menulis dokumentasi dan pengujian'

Masalahnya, penggunaan token jadi terlalu banyak sehingga biayanya sangat besar...