Ringkasan satu kalimat utama
Alat coding AI bisa membantu atau merusak pembelajaran tergantung cara penggunaannya. Kuncinya adalah pertanyaan aktif untuk memahami konsep, sedangkan delegasi penuh membuat kecepatan dan pembelajaran sama-sama tidak optimal.
Gambaran riset
- Dilakukan oleh tim riset Anthropic
- Partisipan: 52 insinyur perangkat lunak
- Desain eksperimen: mempelajari library Python baru (Trio) lalu mengerjakan tugas coding
- Grup AI: menggunakan alat coding AI berbasis GPT-4o
- Grup kontrol: hanya menggunakan dokumentasi + pencarian web
- Durasi: sekitar 1 jam pengerjaan
Hasil utama
- Grup pengguna AI → skor kuis 17% lebih rendah
- Meski memakai AI, kecepatan kerja tidak lebih cepat
- Grup tanpa AI → mengalami error terkait Trio lebih dari 3 kali lebih banyak → kemampuan debugging meningkat secara alami
Perbedaan berdasarkan pola penggunaan AI (temuan inti)
- Pola buruk (kuis di bawah 40%)
- Mendelegasikan semua pekerjaan ke AI (menghasilkan seluruh kode, menyerahkan seluruh debugging)
- Ketergantungan makin meningkat seiring waktu
- Selesai paling cepat, tetapi efek belajarnya sangat rendah
- Pola baik (kuis 65% ke atas)
- Memakai AI hanya sebagai alat bantu memahami
- Setelah kode dibuat, mengajukan pertanyaan lanjutan / meminta penjelasan konsep / bertanya untuk mengecek pemahaman
- Kecepatan tercepat kedua + hasil belajar tinggi
Insight kesimpulan
- Bukan penggunaan AI itu sendiri yang bermasalah → cara menggunakannya yang menentukan pembelajaran
- “Pengalaman mentok yang menyakitkan” penting untuk membentuk kemahiran
- Saat AI menangani error sebagai pengganti manusia → mungkin lebih cepat, tetapi pemahaman tentang “mengapa error terjadi” menjadi kurang
- Ada trade-off antara produktivitas jangka pendek ↑ vs pembentukan skill jangka panjang ↓
Pendapat developer di lapangan (referensi)
- Positif: ada kasus 1 tahun pekerjaan selesai dalam 2 minggu, peningkatan kecepatan 10x
- Negatif: disarankan hanya untuk kode yang sudah dipahami, junior berisiko menimbulkan technical debt
- Pendapat terbelah: “coding sudah berakhir” vs “peralihan dari mencipta ke mengawasi terasa tidak nyaman”
Saran
- Saat mempelajari teknologi baru: hindari ketergantungan penuh pada AI dan sengaja beri ruang untuk “pengalaman mentok”
- Untuk pekerjaan yang menuntut produktivitas: AI bisa dimanfaatkan secara aktif
- Perusahaan: perlu menyeimbangkan tekanan hasil kerja junior dengan pembangunan skill verifikasi kode dan debugging AI
- Prospek ke depan: AI agent menangani pekerjaan utama → manusia perlu menyediakan waktu terpisah untuk mempelajari kode/konsep
Keterbatasan riset
- Sampel kecil (52 orang)
- Waktu pengerjaan singkat (1 jam)
- Menggunakan GPT-4o (model lama menurut standar 2025)
- Belum jelas apakah skor kuis dapat memprediksi skill jangka panjang
12 komentar
Ini sama seperti belajar soal matematika dengan membuka buku jawaban lalu hanya melihatnya dengan mata. Pada saat melihatnya memang terasa seperti paham, tapi begitu bukunya ditutup tidak ada yang tersisa.
Saya 100% setuju.
Saya sangat setuju dengan pernyataan ini.
Ini tampaknya hasil penelitian yang memberikan jawaban jelas tentang mengapa kita tidak boleh sepenuhnya bergantung pada AI dan hanya menggunakannya sebagai 'alat' bantu.
Pekerjaan 1 tahun jadi 2 minggu, tapi kenapa cuma 10x..
Dua kasus ini terpisah satu sama lain, tetapi tulisan di isi artikel dibuat membingungkan. Jika melihat tautan terakhir di artikel, berikut adalah 2 kasus tersebut.
Seorang arsitek perangkat lunak dengan pengalaman 30 tahun sangat memuji hasilnya dengan mengatakan, “Jika dikerjakan dengan cara tradisional, fitur ini akan memakan waktu 1 tahun, tetapi saya menyelesaikannya hanya dalam 2 minggu.” Kontributor Linux kernel Roland Dreier juga mengatakan, “Dalam 6 bulan terakhir telah terjadi lompatan besar,” dan menyebut bahwa ia mengalami peningkatan kecepatan 10 kali lipat pada tugas-tugas yang kompleks.
Kalau pakai opus, mungkin pertumbuhannya tetap terlewat, tapi setidaknya kecepatannya tidak.
Saya rasa cakupan pengetahuan yang perlu diketahui sudah berubah.
Area low-level yang makin tidak perlu diketahui juga semakin meluas.
Belakangan ini, rasanya saat memakai model, melihat kode sudah jadi semacam opsi saja.
Sepertinya sekarang sudah ada alasan kenapa pelajar atau junior sebaiknya tidak menggunakan AI.
Kalau tidak pakai, kan tidak bisa dapat kerja?
Bukankah strategi menggunakan alat AI dengan benar adalah memakainya seminimal mungkin saat belajar, lalu memanfaatkannya secara aktif saat mencari pekerjaan? Dulu maupun sekarang, jarang sekali teman-teman saling berdiskusi kritis tentang suatu topik, bukan? Mereka lebih cenderung menonton YouTube atau mencari di blog, tetapi saat ingin mempelajari sesuatu, sering kali cara tercepat justru adalah dengan menjelaskannya sendiri.