Bagaimana AI Akan Mengubah Perangkat Lunak pada 2026?

1. Dengan arsitektur native agent, agen AI akan dapat mengoperasikan aplikasi setara dengan pengguna dan bahkan melakukan perubahan setingkat developer
2. Para desainer akan mulai membuat alat mereka sendiri secara langsung tanpa coding, meski hambatan masuk terhadap code editor masih disebut sebagai tantangan
3. Muncul jenis developer baru bernama agentic engineer, yang beralih dari coding langsung ke peran mengarahkan dan mengoordinasikan agen AI
4. Pelatihan AI akan berevolusi menuju otonomi (independence), dan perlu berkembang ke arah yang memungkinkan agen mengeksplorasi sendiri serta bebas melakukan kesalahan

---

Prediksi 1: Perangkat lunak yang memperlakukan agen sebagai warga kelas satu

• 2025 adalah tahun ketika agen coding mencapai tingkat yang bisa dipercaya, sementara setahun sebelumnya orang yang bukan developer profesional masih terhalang tembok error dan bug, tetapi batas itu berhasil dilampaui dengan model seperti Opus 4.5 dari Anthropic
• Arsitektur native agent, yang mengubah cara aplikasi dibangun dan siapa yang membangunnya, dijelaskan dalam 3 tahap
  • Level 1: Agen dapat melakukan semua hal yang bisa dilakukan pengguna, dengan AI mengakses semua tombol, pengaturan, dan fungsi di dalam aplikasi lalu mengoperasikan perangkat lunak dengan cara yang sama seperti pengguna.
    • Atlas dari OpenAI dapat langsung melakukan tugas seperti menambahkan seseorang ke workspace Notion
  • Level 2: Agen dapat melakukan semua hal yang bisa dilakukan oleh kode aplikasi, dengan agen mengakses dan memanfaatkan fungsi backend yang tidak ditampilkan kepada pengguna.
    • Cora, asisten email dari Every, membuat "briefing" ringkasan inbox dua kali sehari
  • Level 3: Agen dapat melakukan semua hal yang bisa dilakukan developer, dengan langsung mengimplementasikan perbaikan bug, penambahan fitur, dan perubahan cara kerja perangkat lunak sesuai permintaan pengguna
    • Perusahaan seperti Anthropic dan Notion sedang memikirkan arah pembangunan perangkat lunak yang memperlakukan manusia dan agen sama-sama sebagai warga kelas satu

Prediksi 2: Desainer membuat alat mereka sendiri secara langsung

• Desainer dan kreator sebelumnya terbatas dalam membangun pengalaman yang utuh karena tidak memiliki kemampuan coding, tetapi kini perubahan mulai terjadi
• Creative lead di Every juga berubah dari desainer tradisional menjadi orang yang melakukan vibe coding untuk aplikasi kecil yang membantu pekerjaannya sendiri
• Namun, rasa takut terhadap terminal coding masih ada, dan agar AI code editor seperti Cursor bisa meluas hingga kalangan desainer, ada kebutuhan untuk mengabstraksikan kode agar hambatan masuk menjadi lebih rendah

Prediksi 3: Jenis baru software engineer yang mengarahkan agen AI

• Seiring evolusi kemampuan AI, muncul dua tipe pembangun perangkat lunak
  • Engineer yang memanfaatkan AI sebagai sarana untuk mempercepat proses yang sudah ada sambil tetap membaca dan menulis kode sendiri
  • Vibe coder yang dapat menghasilkan produk jadi meski tidak memahami cara kerja internalnya
• Sebagai kategori ketiga, muncul agentic engineer
  • Pekerjaan pengembangan perangkat lunak didefinisikan ulang dengan berfokus pada mengarahkan agen AI alih-alih menulis kode
  • Mendelegasikan sebagian besar pekerjaan pemrograman dan berfokus pada pekerjaan level lebih tinggi seperti menentukan apa yang akan dibuat, memecah masalah, dan mengoordinasikan agen
  • Dengan secara sadar memilih kemampuan baru berupa kapabilitas mengelola agen, mereka melepaskan sebagian intuisi coding tradisional

Prediksi 4: Gelombang berikutnya dalam pelatihan AI akan mengarah pada otonomi (Independence)

• Perkembangan agen AI mirip dengan perkembangan anak: pada awalnya seperti bayi yang hanya bisa ditinggal sendiri selama 5 menit, lalu perlahan mampu bermain sendiri lebih lama
• Beberapa tahun lalu LLM hanya bisa menangani satu giliran dalam satu waktu, tetapi sekarang dapat berjalan hampir 20 menit hingga 1 jam tanpa intervensi, meski masih jauh dari bisa berjalan tanpa batas waktu
• Syarat untuk mencapai otonomi sejati
  • Pembelajaran berkelanjutan
  • Pengenalan tujuan yang jelas
  • Kemampuan untuk merevisi tujuan secara masuk akal seiring waktu
• Saat ini, pelatihan alignment dirancang untuk membuat agen dapat diprediksi dan patuh, sehingga menjadi penghambat dalam mencapai otonomi
• Untuk otonomi sejati, agen memerlukan kebebasan untuk mengeksplorasi dan melakukan kesalahan, tetapi hal itu selama ini enggan diizinkan karena alasan keamanan
  • Diperlukan metode pembelajaran yang memungkinkan eksperimen dan kegagalan
• Pada 2026, akan muncul pendekatan pelatihan dan arsitektur baru yang melonggarkan batasan ini dan memungkinkan agen bertindak lebih mandiri

Tonton videonya - Four Predictions For How AI Will Change Software in 2026