- Sejak adopsi AI, produktivitas meningkat tetapi rasa lelah juga makin parah di kalangan engineer
- Kecepatan kerja meningkat, tetapi beban kerja dan ekspektasi ikut naik, sehingga beban koordinasi dan peninjauan pada manusia membesar
- Proses meninjau dan menilai kode AI yang berulang menumpuk menjadi kelelahan keputusan dan pengurasan kognitif
- Pengejaran tanpa henti terhadap teknologi baru, kelelahan akibat pergantian alat, serta output AI yang non-deterministik memicu kecemasan dan burnout
- Untuk penggunaan AI yang berkelanjutan, penetapan batas, manajemen waktu, dan pelonggaran perfeksionisme sangat penting
Paradoks produktivitas dan kelelahan AI
- AI memang mempercepat tiap tugas, tetapi total volume pekerjaan dan ekspektasi ikut meningkat
- Dibanding masa ketika satu tugas menghabiskan satu hari, kini banyak masalah ditangani sekaligus sehingga biaya perpindahan konteks membesar
- Biaya produksi menurun, tetapi biaya koordinasi, peninjauan, dan penilaian meningkat, dan beban ini sepenuhnya dialihkan ke manusia
- Meski AI dapat menghasilkan kode dengan cepat, kelelahan kognitif manusia justru meningkat
Pergeseran dari kreator ke peninjau
- Setelah AI diadopsi, peran engineer bergeser dari kreator menjadi evaluator
- Memasukkan prompt, meninjau hasil, dan menilai akurasi serta keamanan menjadi inti dari pekerjaan evaluatif yang berulang
- Pekerjaan generatif memicu flow, tetapi pekerjaan evaluatif memicu kelelahan
- Karena keandalan kode AI masih kurang, beban untuk meninjau setiap baris pun membesar
- Akibatnya, pentingnya sistem keamanan dan manajemen izin meningkat, dan dibutuhkan arah yang mengurangi beban kognitif manusia
Masalah non-determinisme
- AI adalah sistem non-deterministik yang dapat menghasilkan output berbeda untuk input yang sama, dan ini berbenturan dengan cara berpikir engineer
- Prompt yang sama bisa menghasilkan hasil berbeda dan memunculkan ketidakstabilan yang tidak bisa di-debug
- Untuk menguranginya, dikembangkan alat pemurnian konteks deterministik Distill agar konsistensi input terjaga
- Sebagian engineer memandang output AI sebagai
draft yang tidak sempurna dan memasukkan waktu revisi ke dalam anggaran kerja
FOMO dan kelelahan alat
- Dalam beberapa bulan terakhir, begitu banyak AI agent, framework, dan SDK bermunculan dengan cepat
- Upaya untuk terus mengejar alat baru menciptakan lingkaran setan pembelajaran dan pergantian yang berkelanjutan
- Muncul pengetahuan yang cepat menguap dan pekerjaan duplikatif, dan kadang mereka yang menunggu justru lebih efisien daripada early adopter
- Penulis memilih pendekatan yang fokus pada lapisan infrastruktur (izin, konteks, keamanan) agar tidak mudah terguncang oleh perubahan alat
Jebakan sekali lagi ubah prompt
- Karena output AI tidak sempurna, orang mudah terjebak dalam pengulangan revisi prompt
- Percobaan berulang terlihat produktif, tetapi sebenarnya membuang waktu untuk menyesuaikan prompt alih-alih menyelesaikan masalah nyata
- Untuk menjaga efisiensi, diterapkan
aturan 3 kali: jika setelah tiga percobaan hasilnya belum lebih dari 70% berguna, tulis sendiri
Benturan antara perfeksionisme dan output probabilistik
- Output AI selalu berada di level
hampir benar, dan ini menjadi stres besar bagi engineer yang perfeksionis
- Revisi kecil yang berulang berujung pada kelelahan emosional dan pemborosan waktu
- Akan lebih efisien jika hasil AI diperlakukan sebagai
draft lalu cepat diolah
Melemahnya daya pikir
- Akibat ketergantungan pada AI, terjadi penurunan kemampuan berpikir untuk pemecahan masalah dan desain
- Kebiasaan tidak berpikir secara langsung menyebabkan penyusutan
otot berpikir
- Untuk mencegahnya, dilakukan latihan berpikir dan merancang tanpa AI setiap hari pada waktu tertentu
Jebakan perbandingan
- Di media sosial, yang dibagikan hanya contoh hasil cepat berkat AI, sementara kegagalan atau kelelahan pribadi tidak terlihat
- Karena hasil AI sulit direproduksi, perbandingan itu sendiri tidak bermakna
- Lebih baik mengurangi konsumsi informasi dan fokus pada sumber tepercaya yang berorientasi pada pembangunan dan operasi nyata
Strategi penggunaan AI yang berkelanjutan
- Batasi durasi sesi AI untuk mencegah pengulangan berlebihan
- Pisahkan waktu berpikir dan waktu memakai AI agar keseimbangan kognitif terjaga
- Terima tingkat penyelesaian 70%, longgarkan perfeksionisme
- Tunda waktu adopsi teknologi baru, gunakan alat yang sudah tervalidasi
- Catat log efisiensi AI untuk memahami kegunaan nyata dan batasannya
- Persempit ruang lingkup peninjauan, fokus hanya pada area inti
Keberlanjutan dan burnout
- AI menghapus batas kecepatan kerja dan mempercepat kerja berlebihan
- Burnout terjadi ketika batas kognitif manusia terlampaui, dan ini menyebar sebagai masalah sistemik, bukan masalah individu
- Kunci pemulihan bukan pada seberapa banyak AI dipakai, melainkan merancang ulang cara penggunaannya
- Di tengah kelelahan, lahir alat pemecahan masalah nyata seperti Distill, agentic-authz, dan AgentTrace
Kemampuan yang sesungguhnya: tahu kapan harus berhenti
- Kompetensi inti di era AI adalah daya nilai untuk mengetahui kapan harus berhenti
- Mampu berhenti pada output yang sudah cukup baik, lalu membedakan kapan harus menulis sendiri atau beristirahat
- Melindungi otak manusia sebagai sumber daya yang terbatas adalah esensi rekayasa yang sesungguhnya
- AI memang kuat, tetapi juga alat yang paling menguras secara kognitif, sehingga penggunaan yang bijak adalah inti keberlanjutan
- Output yang berkelanjutan adalah nilai yang sesungguhnya dan tujuan akhir pemanfaatan AI
5 komentar
Saya makin tidak yakin apakah istilah ini tepat, tetapi rasanya developer makin berubah menjadi “tech leader”.
Kalau AI mengambil alih “penulisan kode”, yang tersisa pada akhirnya hanyalah,
itu saja.
Artinya, developer bukan lagi sekadar “produsen”, melainkan
yang perannya perlahan berubah menjadi itu.
Akibatnya, muncul jenis kelelahan kerja yang sebelumnya tidak ada,
dan kita pun mulai bertanya pada diri sendiri apakah arah ini benar-benar cocok dengan kecocokan profesi developer yang selama ini saya cari.
Baris terakhirnya terasa sangat mengena. Sepertinya ini bukan hal yang sebenarnya ingin saya lakukan.
Waktu kecil saya ikut klub band, dan ada seorang teman yang mencoba meyakinkan kami bahwa kami harus membuat lagu sendiri. Katanya, daripada mengasah teknik bermain, kami perlu memikirkan apa yang sebenarnya ingin kami nyanyikan. Tentu saja, kalau saya ingat dengan benar, pendapat anak-anak yang ingin main band sambil meng-cover lagu terkenal lebih kuat.
Namun belakangan ini saya jadi sering teringat teman itu.
Ini pertanyaan yang selama ini saya abaikan karena sibuk menjalani hidup, tetapi seiring perkembangan AI, setelah menjadikan pengembang sebagai profesi, apakah saya memang suka tindakan menulis kode itu sendiri, atau saya suka menciptakan nilai sehingga saya menulis kode sebagai sarana untuk itu.
Kalau sampai sekarang dua golongan itu masih bercampur satu sama lain, rasanya momen ketika saya harus memperjelas saya termasuk yang mana akan segera datang.
Tanggung jawab untuk membuat program yang bekerja dengan baik sesuai kebutuhan pelanggan dan program yang tidak mudah rusak tetap berada pada pengembang, jadi Anda tidak perlu meninggalkan kegiatan menulis kode. Menurut saya, yang mengetik hanya AI, sementara esensinya tetap sama.
Komentar Hacker News
Bagi saya, rasa lelahnya sedikit berbeda. Saat bekerja, saat meninjau kode, masalahnya adalah harus berhenti dan menunggu setiap kali LLM menghasilkan hasil
Lamanya menunggu tidak bisa diprediksi, jadi membingungkan apakah sebaiknya menunggu atau mulai mengerjakan hal lain
Akhirnya saya malah melakukan hal lain hanya untuk menghabiskan waktu
Pada akhirnya saya tidak bisa masuk ke kondisi flow, dan malah kelelahan karena terus mengawasi pekerjaan latar belakang sampai selesai
Bukannya merasa lebih produktif, saya justru merasa seperti pengasuh malas yang berjaga agar anak-anak tidak terluka
Saya merekomendasikan game open source Endless Sky yang bisa dimainkan sebentar lalu dihentikan kapan saja
Dulu pemrograman sudah tidak terasa menyenangkan, tapi berkat Claude Code saya bisa menikmatinya lagi. Tidak seperti dulu, tapi pada fase hidup saya saat ini itu sudah cukup menyenangkan
Seperti yang juga saya bahas di tulisan saya tentang review fatigue, ini berdampak bukan hanya pada developer tetapi juga pada organisasi
Karena workflow AI berfokus pada memaksimalkan produktivitas, pada akhirnya manusialah yang terkuras
Solusinya klasik — sering beristirahat, dan sebaiknya developer manusia tetap menulis kode secara langsung meskipun sedikit. Dengan begitu kita bisa memperlambat laju sambil tetap menjaga rasa terlibat dan pemulihan
Saat LLM bekerja, saya melakukan squat atau push-up, atau berjalan keliling rumah sambil stretching. Jauh lebih menyenangkan daripada duduk di depan keyboard sepanjang hari
Menggerakkan tubuh memang membantu menata pikiran, tapi kelelahan mental itu tetap ada
Saya mengirim prompt lalu berselancar di web sambil menunggu. Kalau tidak diblokir dengan aplikasi SelfControl, saya benar-benar tidak bisa menahannya
Berkat LLM produktivitas saya memang naik, tapi ketika hari berakhir saya merasa jauh lebih lelah dan juga bersalah
Idenya bagus, tapi saat dibaca muncul rasa lelah seperti membaca tulisan AI
Hal-hal yang bisa selesai dalam satu dua kalimat malah dipanjangkan, dan contoh yang tidak perlu juga terlalu banyak
Klaim bahwa “halaman depan HN kacau” juga salah. Tulisan-tulisan yang disebut bahkan tidak mendapat 5 upvote, dan kualitas utama HN tetap baik-baik saja
Dan klaim “tidak ada yang membicarakannya” juga salah. Diskusi tentang AI fatigue sudah ada sejak lama
“Terima kasih OpenClaw, terima kasih AGI—bagi saya itu sudah ada di sini”
“Jika hari ini Anda belum menghabiskan setidaknya $1,000 token per engineer manusia, pabrik perangkat lunak Anda masih bisa ditingkatkan”
“Kode tidak boleh direview manusia”
“Seperti C melakukan sesuatu pada assembler, dan Java melakukan sesuatu pada C, sekarang LLM melakukan hal itu pada semua bahasa”
Kalimat-kalimat ini dikutip dari tulisan yang benar-benar sempat naik ke halaman utama
Atau mungkin karena terlalu banyak membaca tulisan AI, gaya menulisnya sendiri ikut berubah jadi seperti AI
Saya juga baru mulai ngeblog belakangan ini, dan ternyata penulisan yang berpusat pada storytelling itu menyenangkan
Setiap orang punya gaya yang berbeda, dan itu bukan masalah
Tulisan itu bisa diringkas jadi beberapa paragraf saja, tapi terlalu banyak kata sifat yang tidak perlu
Ke depannya mungkin konten juga akan diberi “label produsen manusia” — misalnya “diproduksi freelancer”, “diproduksi penghuni pinggiran kota”, semacam itu
Saya setuju dengan kalimat “karena pengiriman lebih cepat, ekspektasi ikut naik”
Ini masalah lama. Helen Keller sudah mengatakan hal serupa hampir 100 tahun lalu
Ada gagasan “gunakan mesin penghemat kerja untuk benar-benar menghemat kerja” dalam artikel The Atlantic
Dalam sehari saya bisa memajukan beberapa proyek, tapi benar-benar terkuras habis
Banyak orang tidak bisa tidur karena godaan untuk berkata, “coba kirim satu prompt lagi saja”
Ritme kerja berkelanjutan yang terbentuk selama bertahun-tahun telah runtuh, dan sepertinya akan butuh waktu untuk menemukan keseimbangan baru
Tapi sekarang di awal semuanya berjalan terlalu baik, lalu saya terus maju sampai momen tiba-tiba mentok itu datang
Tapi saya tidak bisa berhenti di situ dan terus memperluasnya ke akuntansi, pajak, CRM, gudang, sampai manajemen proyek
Pada akhirnya saya malah membuat SaaS yang tidak diperlukan, dan sekarang sedang mempertimbangkan apakah akan saya open source-kan
Tapi sekarang setidaknya saya bisa terus melihat sesi agen dari browser mobile, jadi saya mengeceknya bahkan dari tempat tidur (setengah bercanda, setengah serius)
Sekarang bottleneck yang sebenarnya bukan lagi coding, melainkan pengumpulan kebutuhan dan pengambilan keputusan
Saya tidak mengerti kenapa harus terus bekerja
Saya penulisnya. Ini bukan tulisan anti-AI, melainkan tentang biaya kognitif
Semakin cepat pekerjaan berjalan, semakin banyak pekerjaan yang muncul, dan kelelahan mengambil keputusan menumpuk karena harus meninjau hasil AI
Ekosistem alat juga berubah setiap minggu. Saya membagikan cara-cara yang benar-benar membantu, dan penasaran apakah orang lain juga menabrak tembok serupa
Rasa lelahnya makin besar karena terasa seperti berbicara dengan sesuatu yang bukan manusia
Tapi setelah menetapkan ekspektasi yang realistis dan berusaha tidak terombang-ambing oleh semua “posting sihir AI”, rasa cemas saya berkurang
Teknologi sama sekali tidak pernah dimaksudkan untuk membuat pekerja lebih nyaman
Tujuannya selalu untuk meningkatkan produktivitas dan daya saing
Dari kuda ke mobil, dari telepon ke smartphone, waktu luang kita tidak bertambah. Kita hanya menjadi manusia yang lebih mobile dan terhubung
Jika kita mau menerima kualitas hidup gaya lama, kita bisa bekerja lebih sedikit dan tetap hidup dengan cukup
Belakangan ini yang saya rasakan adalah kelelahan fungsi eksekutif (executive functioning fatigue)
Saat bekerja dengan AI, dibanding implementasi sederhana kita justru terus melakukan pengambilan keputusan tingkat tinggi
Hampir tidak ada waktu istirahat, rasanya lobus frontal seperti kepanasan
Jika kondisi seperti ini terus berlanjut, mungkin justru fungsi eksekutif manusia akan menguat
Saya tidak menyangka mengelola tim yang terdiri dari sepuluh engineer jenius tapi tidak stabil bisa semelelahkan ini
Menurut saya penyebab AI fatigue adalah rusaknya keseimbangan tiga tahap dalam pemrograman
Pemecahan masalah → penulisan kode → pengecekan hasil, tiga tahap ini awalnya saling seimbang
Coding memang repetitif, tapi juga meditatif dan menenangkan. Pemecahan masalah itu intens, dan pengecekan hasil memberi hadiah dopamin
Namun karena LLM mengambil alih coding, yang tersisa bagi kita hanyalah tahap pemecahan masalah dan review yang penuh stres
Ruang penyangga di antaranya hilang, sehingga rasanya jauh lebih melelahkan
Alasan kita merindukan coding lama adalah tepatnya karena hilangnya alur meditatif itu
Saya juga lebih suka melakukan pair programming dengan AI sambil tetap mengetik kode sendiri. Rasanya ini lebih berkelanjutan dalam jangka panjang
Tapi godaan produktivitas karena menangani banyak agen sekaligus juga memang sangat kuat
Bagian tentang “bergulat dengan sistem yang tidak deterministik” sangat berkesan
Pada dasarnya LLM membutuhkan intervensi manusia yang terus-menerus. Kecuali jika perusahaan benar-benar siap memikul tanggung jawab penuh atas hasilnya
Kita tidak bisa menghukumnya dengan menurunkan voltase, dan meminta dadu bertanggung jawab juga sama tidak masuk akalnya