Jangan Terbawa Arus Sentimen Anti-AI

• Baru-baru ini, large language model (LLM) telah berkembang hingga mampu menyelesaikan proyek skala menengah hampir sendirian, sehingga cara pemrograman berubah secara mendasar
• Kebutuhan untuk menulis kode secara langsung semakin berkurang, dan keterampilan yang lebih penting kini bergeser ke kemampuan memikirkan apa yang ingin dibuat dan bagaimana menjelaskannya
• Antirez, pendiri Redis, menggunakan Claude Code untuk menyelesaikan empat tugas hanya dalam beberapa jam: menambahkan dukungan UTF-8, memperbaiki bug pengujian Redis, membuat library C untuk embedding BERT, dan mereproduksi struktur internal Redis Streams
• AI mendorong demokratisasi pengembangan perangkat lunak, menciptakan lingkungan di mana tim kecil pun bisa bersaing dengan perusahaan besar
• Namun, diperlukan respons sosial terhadap risiko sentralisasi teknologi AI dan berkurangnya lapangan kerja; AI tidak boleh diabaikan, melainkan perlu dimanfaatkan secara aktif

---

Perubahan Pemrograman dan Peran LLM

• LLM terbaru dapat hampir menyelesaikan proyek skala menengah secara mandiri jika diberi petunjuk yang cukup
  • Keberhasilannya bergantung pada jenis pemrograman dan kemampuan mengekspresikan masalah dengan jelas
  • Semakin berupa pekerjaan yang dapat diekspresikan lewat teks, seperti system programming, semakin besar efektivitasnya
• Dalam sebagian besar proyek, menulis kode secara langsung itu tidak efisien, dan kini yang lebih penting adalah memahami apa yang ingin dibuat dan bagaimana cara membuatnya
• Penulis, Antirez, menggunakan AI untuk melakukan empat tugas berikut
  • Menambahkan dukungan UTF-8 ke library linenoise dan membangun framework pengujian berbasis emulation terminal
    • Pekerjaan yang sebelumnya ditinggalkan karena nilainya dianggap tidak sebanding dengan biaya pengujian kini bisa diwujudkan dengan AI
  • Menyelesaikan masalah kegagalan intermiten terkait timing dan TCP deadlock dalam pengujian Redis
    — Claude Code menganalisis status proses dan menyelesaikan bug tersebut
  • Membuat library C murni untuk inferensi model embedding keluarga BERT hanya dalam 5 menit
    • Sekitar 15% lebih lambat daripada PyTorch, tetapi memberikan hasil yang sama. Ukurannya sekitar 700 baris kode
    • Termasuk tool Python untuk konversi model GTE-small
  • Mereproduksi perubahan struktur internal Redis Streams hanya berdasarkan dokumen desain
    • Jika waktu review dan persetujuan eksekusi dikecualikan, selesai dalam sekitar 20 menit
• Dari pengalaman ini, ia menegaskan bahwa AI sedang mengubah esensi pemrograman

AI dan Relasinya dengan Developer

• Meski AI menulis kode, peran developer tidak akan hilang
  • Yang penting adalah kemampuan mendefinisikan masalah serta meninjau dan menyesuaikan kode yang dihasilkan AI
  • AI memaksimalkan produktivitas pengembangan sebagai partner
• Profitabilitas perusahaan AI, harga saham, atau pernyataan CEO tidak penting dalam jangka panjang
• Perubahan mendasar dalam pemrograman tidak bisa dibalikkan
• Ia menilai secara positif bahwa kode yang ia buat digunakan untuk melatih LLM
  • Ia melihatnya sebagai proses demokratisasi pengetahuan dan sistem
  • Seperti open source pada tahun 1990-an, AI juga diyakini akan memperkuat daya saing tim kecil

Demokratisasi Teknologi AI dan Kekhawatiran soal Sentralisasi

• Saat ini, model terbuka dari Tiongkok dan negara lain mulai muncul, sehingga tingkat demokratisasi tertentu mulai terwujud
  • Bahkan dibandingkan model terdepan dari lab tertutup, selisih performanya tidak terlalu besar
• Namun, keseimbangan ini mungkin tidak bersifat permanen
  • Ada kekhawatiran bahwa teknologi AI bisa terkonsentrasi pada segelintir perusahaan
• Jaringan saraf skala besar pada dasarnya menunjukkan performa yang luar biasa, dan tidak ada ‘sihir’ yang cukup untuk dimonopoli oleh perusahaan tertentu saja

Dampak Sosial dan Respons yang Diperlukan

• Ada kekhawatiran bahwa AI dapat menyebabkan berkurangnya lapangan kerja
  • Belum jelas apakah perusahaan akan mengurangi tenaga kerja atau justru mendorong lebih banyak proyek
  • Di beberapa industri, ada juga risiko manusia digantikan sepenuhnya
• Karena itu, peran pemerintah menjadi penting
  • Diperlukan kebijakan untuk mendukung pekerja yang kehilangan pekerjaan dan membantu masyarakat beradaptasi terhadap perubahan
  • Ia memperkirakan bahwa semakin banyak PHK, semakin besar pula tekanan politik untuk menuntut perlindungan sosial

Saran untuk Developer

• Menolak atau menghindari AI tidak akan membantu karier
  • Perlu mencoba langsung dan menggunakannya dalam jangka panjang sebagai tool baru
  • Jangan mengambil kesimpulan dari uji coba singkat; perlu eksperimen selama beberapa minggu dan upaya berkelanjutan
• Perlu mencari cara untuk memperluas kemampuan diri melalui AI
• Esensi coding bukanlah ‘menulis’, melainkan kegembiraan dalam menciptakan sesuatu, dan dengan memanfaatkan AI, kita bisa membuat lebih banyak dan lebih baik

[m00nlygreat]

Lebih baik jangan ikut terbawa arus sentimen anti-AI.

Masalah yang secara tak terduga bisa diselesaikan dengan kode sebenarnya tidak banyak di dunia nyata. Kode memang bisa menyelesaikan cukup banyak masalah, tetapi sebagian besar masalah berada di luar kode atau monitor.

[flaxinger]

Saya rasa sikap percaya buta yang absolut sama salahnya dengan ketidakpercayaan yang keras kepala. Yang penting adalah menggunakannya dengan mempertimbangkan kelebihan dan kekurangannya secara tepat, tetapi menurut saya menciptakan suasana FOMO tanpa alasan hanyalah strategi dagang perusahaan AI.

[GN⁺]

Opini Hacker News

• Semangat yang kurasakan saat begadang menulis kode dan melihat proyekku berjalan adalah “kesenangan menciptakan sesuatu”
  Bentuk percikan itu berbeda untuk tiap orang. Ada yang termotivasi oleh sensasi “mengendalikan komputer sesuka hati”, ada yang mendapat dorongan dari “menyelesaikan masalah orang lain”, dan ada juga yang termotivasi dari “membuat sesuatu yang membangkitkan emosi”
  Dalam kasusku, awalnya aku mulai pemrograman karena ingin merusak situs web orang lain, tetapi kemudian proses membuat dan membagikan sesuatu terasa lebih menyenangkan. Jadi, mendengar umpan balik dari orang lain menjadi percikanku
  Pada akhirnya tiap programmer punya alasannya sendiri, dan bagi sebagian orang LLM menambah kesenangan, tetapi bagi yang lain ia menjadi sesuatu yang merampas kesenangan inti

  • Bagiku, saat coding dengan LLM, kondisi flow menjadi mustahil. Proses menunggu token keluar sambil meninjau dan memperbaikinya terlalu melelahkan. Kesenangan saat tenggelam dalam menulis kode sendiri jadi hilang
  • Saat mendengar cerita tentang “programmer yang memang suka tindakan mengetik karakter itu sendiri”, aku teringat anekdot Symbolic Assembly Program (SAP) dari buku Richard Hamming. Dulu memakai assembly dianggap simbol ‘programmer sejati’, dan memakai alat otomatisasi dipandang sebagai ‘tindakan pengecut’
  • Awalnya ingin merusak situs orang lain tetapi akhirnya menemukan kebahagiaan dalam berkarya; ini terasa seperti contoh keren tentang hasil baik yang lahir dari niat buruk
  • Di feed-ku, ‘pujaan terhadap AI’ mengalahkan ‘kritik terhadap AI’ dengan rasio 5 banding 1. Sudut pandang moderat seperti antirez atau simonw jarang ada, dan posisi yang benar-benar radikal justru percaya bahwa “AI adalah alat yang memberi keuntungan bersih yang bertahap tetapi nyata bagi sebagian orang”
  • Masalahnya bukan pembuatan kode, melainkan pemeliharaan. Jika kode buatan AI dikomit begitu saja, nanti manusia yang akan mengubahnya? Atau kita percaya AI akan memperbaiki bug-nya? Pada akhirnya, pertanyaannya adalah siapa yang akan melakukan clean-up

• Aku sepenuhnya setuju dengan tulisan antirez. AI memberi keuntungan besar bagi developer, dan sekarang kita berada di tengah revolusi teknologi terbesar sejak internet
  Namun, ia tidak menganalisis kekurangan AI atau alasan di balik sudut pandang anti-AI. Disayangkan ia tidak membahas dampak sosialnya, terutama kekhawatiran tentang masa depan rekayasa perangkat lunak

  • Dari sudut pandang bisnis, sikap anti-AI adalah tindakan merugikan diri sendiri. Dalam sebagian besar lingkungan persaingan, memanfaatkan AI untuk mempercepat kerja selaras dengan kepentingan perusahaan. Jika mempelajari LLM sekarang, akan lebih mudah beradaptasi dengan perubahan berikutnya
  • Menurutku “tidak ada bagian yang sulit”. Argumen anti-AI sudah basi, dan agentic coding sudah benar-benar bekerja

• Aku tidak mengerti ucapan “kalau tidak naik kereta AI, kamu akan tertinggal”. Untuk pekerjaanku saat ini, itu belum banyak membantu, jadi menurutku tidak terlambat untuk mulai ketika alatnya sudah cukup bagus

  • Aku penasaran pekerjaan seperti apa yang tidak bisa dibantu AI. Pencarian informasi API, peninjauan desain logika bisnis, code review—cakupan penggunaan AI sangat luas. Antirez juga menemukan bug di kode Redis dengan AI
  • Gagasan “aku bisa mengejar dalam beberapa minggu” adalah ilusi. Aku sudah menangani kode dengan LLM setiap hari sejak ChatGPT dirilis, dan butuh berbulan-bulan, bahkan bertahun-tahun, untuk membangun intuisi. Jika tidak mulai sekarang, ada risiko tertinggal
  • Aku juga dulu santai, tetapi sekarang rasanya lebih bijak untuk cepat terjun ke perubahan. Alat-alat terbaru benar-benar berbeda dari 3 tahun lalu, dan konsep seperti orkestrasi multi-agent pun sudah muncul
  • Sebaliknya, justru karena alat dan workflow terus berubah sekarang, aku tidak terlalu khawatir akan ‘tertinggal’. Sampai situasinya stabil, lebih bijak untuk memahami gambaran besarnya saja. Tidak perlu terpaku pada teknologi yang bisa cepat lenyap seperti Graffiti di Palm Pilot
  • Seruan agar membiasakan diri dengan alat AI terasa seperti terjebak dalam horizon effect. Teknologi akan terus berubah, dan yang benar-benar dibutuhkan adalah kemampuan komunikasi. Orang yang bisa mengekspresikan inti proyek dengan cepat dan jelas akan berada di posisi lebih menguntungkan

• Ungkapan “gelombang anti-AI” adalah pandangan yang terlalu menyederhanakan. Secara teknis memang masih kasar, tetapi kegunaannya jelas dan tidak akan hilang
  Namun dari sisi bisnis, model pendapatannya belum jelas. Teknologinya akan tetap ada, tetapi keruntuhan startup yang dibangun di atasnya tampak mungkin terjadi
  Bahkan 5 tahun lagi AI akan dipakai lebih luas, tetapi sebagian besar perusahaan AI yang ada sekarang sepertinya akan lenyap

  • Di akhir 2000-an pun ada yang bilang “tidak ada orang yang mau bayar di internet”. Ketika perusahaan rela mengeluarkan ratusan ribu dolar untuk developer tetapi hanya mau membayar beberapa ratus dolar untuk alat AI, itu adalah ketimpangan
  • Judul posting blog itu hanyalah lelucon yang menyindir gelombang AI
  • Saat akuisisi YouTube, Instagram, dan WhatsApp pun dulu disebut “pemborosan uang”, tetapi sekarang dinilai sebagai keputusan yang luar biasa
  • Namun di HN masih banyak keluhan bahwa “LLM adalah generator sampah tak berguna”. Memang lebih sedikit dibanding 6 bulan lalu, tetapi masih ada

• Ada perdebatan tanpa akhir antara “AI akan mengubah pemrograman selamanya” vs “cukup berpikir dengan kepala sendiri”. Aku cenderung ke yang kedua. Hanya membicarakan kelebihan AI tidak akan menyelesaikan masalah

  • Inti dari engineer adalah pemahaman dan ketepatan terhadap sistem. Jika tidak meninjau secara mendalam kode yang ditulis LLM, tujuan tidak akan tercapai
  • Sebenarnya tidak ada perang. Internet hanya menonjolkan narasi yang kontroversial. Kebanyakan pengguna menyadari manfaat AI sekaligus tahu bahwa berpikir dan review tetap wajib
  • Tidak ada perang yang abadi di dunia ini. Pendekatan “cukup pakai X” pada akhirnya akan hilang

• Ucapan “LLM terbaru hampir bisa menyelesaikan sendiri proyek skala menengah” adalah berlebihan. Jika seseorang yang punya pengetahuan domain memberi spesifikasi rinci, produktivitas memang naik besar, tetapi kualitas hasil tetap mencerminkan tingkat pengetahuan penggunanya
  Analogi bahwa meski diberi traktor bagus, kemampuan petani tetap penting, terasa tepat

  • Ada kasus seseorang menyalin-tempel lebih dari 8.000 tes lalu membuat parser HTML yang lengkap. Dengan petunjuk sebanyak itu, hal seperti itu memang mungkin
  • Definisi “proyek besar” sendiri kabur. Area yang sudah punya banyak repo GitHub dan area yang benar-benar belum dikenal itu sangat berbeda
  • Jika ini hanya efektif untuk orang dengan pengalaman lebih dari 10 tahun, justru terdengar seperti argumen anti-AI. Karena inti janjinya dulu adalah AI bisa dipakai siapa saja dengan mudah
  • Aku juga melihatnya begitu. LLM hanyalah pengganda produktivitas, dan hasilnya berubah sesuai kualitas input. Jika diarahkan dengan spesifikasi teknis yang konkret, ia bekerja seperti sihir

• Semakin alat pengembangan menjadi terabstraksi, justru pengaruh dan imbalan developer selama ini makin besar. LLM hanyalah kelanjutan dari itu
  Abstraksi memang mempermudah pekerjaan, tetapi juga memungkinkan lebih banyak hal dikerjakan dan memunculkan kompleksitas baru. Pada akhirnya, kepercayaan dan pengaruh menjadi penting. Itulah sebabnya CEO mendapat imbalan jauh lebih besar daripada karyawan
  LLM akan semakin memperbesar kekuatan dan pengaruh developer

  • Namun ada juga yang melihat LLM seperti “intern junior”. Artinya, pekerjaan berubah menjadi memberi instruksi dan mengelola, bukan membuat langsung. Inilah juga alasan para eksekutif memuja AI. Mereka mengarahkannya untuk mengubah pemrograman menjadi pekerjaan manajerial, dan mengurangi profesi ‘programmer’ itu sendiri
    Pada akhirnya, zaman “naik ke atas atau tersingkir” seperti dulu mungkin akan datang lagi. Jika tidak mengembangkan keterampilan mengelola orang dan naluri bisnis, ada risiko menjadi sosok yang makin tidak relevan

• Kita tidak boleh terjebak dalam kepercayaan berlebihan terhadap AI ala “Look ma, no hands”.
  Kombinasi Antirez + LLM + CFO mungkin bisa membangun perusahaan Redis bernilai miliaran dolar, tetapi itu karena dia memahami Redis secara sempurna.
  Jika itu kode basis yang asing seperti Postgres, akan sulit mencapai hasil yang sama, dan kebanyakan developer justru bekerja di lingkungan asing seperti itu.
  Pada akhirnya, nilai nyata LLM ada pada pakar domain, dan jika organisasi ingin memanfaatkan AI dengan benar, pelatihan karyawan dan investasi pembelajaran adalah keharusan

  • Tulisan blog itu juga bernada sama. Kualitas output bergantung pada kualitas petunjuk, yaitu tingkat pemahaman pengguna
  • AI pada akhirnya hanyalah autocomplete tingkat lanjut. Kita harus bisa membayangkan hasil yang diinginkan dan mengenali output yang benar. Karena itu, belajar dengan LLM itu berisiko. Mesin pencari masih memberi sinyal untuk membedakan materi yang baik, tetapi LLM kekurangan sinyal pembeda itu
  • Menurutku LLM membantu bukan hanya dalam menulis kode, tetapi juga dalam proses memahami. Aku setuju dengan ucapan antirez, “yang menarik sekarang bukan menulis kode, melainkan memahami apa yang harus dilakukan dan bagaimana melakukannya”
  • Banyak eksekutif mencoba memprediksi masa depan dengan AI, tetapi kenyataannya engineer di lapangan masih yang menangani kode produksi
  • Makna “pakar domain” juga sedang berubah. Aku tidak punya pengalaman di bidang computer vision, tetapi belajar cepat melalui loop umpan balik visual. Aku mengunggah gambar tes ke LLM dan menyelesaikan masalah lewat percakapan
    Jika sistem verifikasinya dibangun dengan baik seperti ini, hasil tetap bisa dicapai bahkan di bidang yang asing. Pada akhirnya yang dibutuhkan adalah intuisi, pemikiran kritis, dan pola pikir ilmiah

• Aku tidak setuju dengan ucapan “aku senang fakta bahwa LLM telah mempelajari kodenya”.
  Aku tidak begitu. Justru kualitas perangkat lunak sedang menurun, dan aku tidak berpikir LLM membuat kode yang lebih baik

• Aku setuju dengan ucapan “menolak AI tidak akan menghentikan dunia”.
  Aku juga menyarankan kepada teman-teman, “coba sendiri lalu nilai.” Jangan sentuh 5 menit lalu ambil kesimpulan; cobalah bereksperimen selama beberapa minggu.
  Saat ini sebagian besar media menjual narasi negatif demi klik. Untuk membuat penilaian yang akurat, satu-satunya cara adalah mencobanya sendiri.
  Dan sekarang kita perlu lebih memperhatikan sinyal positif. Contoh “aku mencoba melakukan ini dengan alat ini” jauh lebih bernilai daripada ucapan “ini masih belum bisa dilakukan”

[parkindani]

Sepertinya masih cukup banyak developer yang tidak menggunakan AI tetapi mengatakan bahwa AI hanya menghasilkan kode sampah. Menarik juga...

[dbs0829]

Di sisi lain, saya juga berpikir bahwa suara yang menunjukkan adanya masalah tidak boleh diabaikan. Saya merasa cukup sering bahkan sedikit kritik pun dianggap sekadar seperti kecaman belaka.