Bagaimana seharusnya code review dilakukan di era AI?

• Esai yang merangkum perdebatan code review di era AI dalam tesis-antitesis-sintesis, berangkat dari pengalaman 15 tahun sebagai CTO
• Code review selalu menjadi masalah — waktu, orang, dan proses semuanya kurang
• AI telah membuat volume produksi kode meledak, tetapi kapasitas review tetap sama → bottleneck makin besar

Tesis — keharusan review oleh manusia

• Simon Willison: "Jangan limpahkan kode yang belum ditinjau kepada rekan kolaborasi"
• Kent Beck: semakin biaya pembuatan mendekati nol, nilai bergeser dari pembuatan ke verifikasi
• Addy Osmani: "Masalah yang belum terselesaikan bukanlah pembuatan, melainkan verifikasi"
• Sehebat apa pun AI, tanggung jawab tetap pada manusia → harus diverifikasi → harus direview

Antitesis — berakhirnya era review oleh manusia

• Bryan Finster: menerapkan teorema Nyquist-Shannon — jika hanya frekuensi produksi yang naik sementara frekuensi umpan balik tetap, maka akan terjadi kelalaian secara sistematis
• Data SmartBear: ketika melebihi 400 baris, tingkat deteksi cacat turun tajam; AI bisa menghasilkan 600 baris sekaligus
• StrongDM "software factory": manusia tidak menulis maupun membaca kode. Hanya mendefinisikan niat + mengkurasi skenario
• Stanford CodeX: "Jika agen yang membuat dan menguji, siapa yang bisa dipercaya?"
• Salesforce Prizm: model review berbasis diff itu sendiri tidak lagi bekerja di era AI → rekonstruksi niat

Sintesis — apa yang harus direview

• latent.space: code review → beralih ke intent review
• Spesifikasi adalah sumber kebenaran, kode adalah hasil keluaran
• Membangun kepercayaan dengan 5 lapis layer (model Swiss cheese)
• Pola Qodo: context-first, berbasis tingkat keparahan, review oleh expert agent
• Bryan Finster: pemblokiran oleh manusia hanya untuk dua hal — pengetahuan yang kurang + jalur regulasi

Penutup

• Penulis tidak mereview langsung kode AI → beralih ke peran QA
• AI-native engineer = harus menjalankan sendiri peran PM dari era sebelumnya
• "Apakah Anda bisa bertanggung jawab atas kode Anda?"

[kgcrom]

https://app.devin.ai/review

Saya belum tahu apakah ini hanya akan menjadi satu lagi metode yang lewat begitu saja, seperti kesalahan di titik tengah,
tetapi saya membagikan sebuah alat yang memungkinkan pemahaman kode dan perbaikan bug sambil melakukan review PR bersama AI.

Saya menggunakannya saat mengerjakan side project ketika saya tidak memahami perubahan kode yang dilakukan AI.

[pencil6962]

Kesalahan titik tengah (Argument to Moderation): ini adalah logika yang secara gegabah menyimpulkan bahwa ketika ada dua klaim ekstrem (A dan Z), titik tengah di antaranya (M) pasti merupakan kebenaran atau solusi terbaik.

[overthinker]

Dari sudut pandang Ban, peninjauan manusia pada akhirnya menjadi bottleneck

[vk8520]

Menurut saya, setengah-setengah atau membagi porsi secara setara masih terasa tidak realistis untuk saat ini. Kode akan terus digunakan, dan karena LLM bersifat probabilistik, manusia masih perlu membaca (untuk saat ini) seluruh kode yang mereka tulis sendiri. Agar review lebih mudah, memang perlu ada PR yang ditulis otomatis dengan template agar konteks dan niatnya bisa dipahami, atau didokumentasikan sebagai ADR.