AI Native Engineer — Intuisi di Atas Prinsip

Sebenarnya seperti apa sosok AI Native Engineer (Who).

Hal-hal yang mulai terlihat — perbedaan dengan engineer era sebelumnya

• Drew Hoskins: "Alat dan bahasa terlalu sulit, sehingga mempelajari dan menggunakannya sendiri sudah seperti pekerjaan penuh waktu." Ketika AI mulai mengambil alih pekerjaan penuh waktu ini, hal-hal yang semula memang harus dikerjakan tetapi tertutup mulai terlihat
• Perluasan tanggung jawab: bukan sekadar delivery, melainkan discovery. Jika tidak tahu "mengapa kita harus membuat ini?", tidak ada peran yang tersisa
• Belajar 10x lebih cepat: untuk membaca dan menilai 200 baris yang dibuat AI dalam 30 detik, fondasi harus kuat. Kode buatan AI pada dasarnya menjadi materi ajar, tetapi kita tetap harus punya mata untuk membacanya
• Kecepatan penilaian: Forsgren — "Saat bekerja bersama AI, kita harus membangun ulang mental model berkali-kali dalam 30 menit." Penilaian yang cepat lahir dari pemahaman yang mendalam

Angin balik untuk Maker

• DORA 2025: setelah adopsi AI, pembuatan PR naik 98%. Hasil software delivery? Flat. Pengodean sejak awal memang bukan bottleneck
• Kalau tinggal klik, orang lain juga tinggal klik. Aktivitas membuat itu sendiri menjadi commodity. Klik saja bukan lagi daya saing
• Dulu, "kalau Maker punya mindset Closer" adalah pujian. Sekarang itu adalah syarat

Kesalahan sang penyihir — paradoks bahwa keterampilan teknis justru makin penting

• Kisah penulis bergulat dengan iOS: dengan Golang bisa langsung fokus ke logika inti, tetapi di iOS karena kemampuan teknis kurang, terjebak loop tak berujung 2~3 hari bersama AI. "Engineer iOS pasti bisa memperbaikinya dalam 5 menit"
• "Wizard's Apprentice Trap" dari Carson Gross: jika engineer junior tidak bisa menulis kode, mereka juga tidak akan bisa membacanya. Jika tidak bisa membaca, mereka akan mudah dipermainkan LLM
• Steve Krouse: "Vibe coding memberi ilusi bahwa vibe seseorang adalah abstraksi yang presisi." Tidak ada yang menyebut "vibe writing"
• LLM tidak mengurangi kompleksitas esensial. Ia hanya mempermudah menghasilkan kompleksitas insidental (Fred Brooks, No Silver Bullet)
• Pengetahuan alat (sintaks Swift, pola React) vs pengetahuan prinsip (jaringan, OS, struktur data). Karena AI menggantikan pengetahuan alat, pengetahuan prinsip justru semakin menonjol

Intuisi di atas prinsip — Eval

• Prinsip tanpa intuisi hanya melahirkan akademisi. Prinsip saja tidak cukup
• Inilah yang oleh Anthropic disebut "taste". Hal yang justru paling lama tidak diserahkan pada AI oleh orang-orang yang paling ahli membuat AI
• CTO Linear Thomas: "Taste is not mystical. It's a craft." Dengan Quality Wednesday, mereka memperbaiki 2.500 defect selama 2 tahun — taste menempel seperti otot
• Eval = kemampuan menilai hasil yang dibuat AI. "Jika AI memberi All Pass, apakah bagi saya juga All Pass?" Orang yang bisa mengajukan pertanyaan ini adalah AI Native Engineer

Kesimpulan — kompas di atas akselerator

• Terry Winograd (peneliti AI generasi pertama Stanford): "AI bukan penyebab masalah. AI adalah accelerant." Yang berubah adalah kecepatannya, bukan arahnya
• Intuisi tanpa prinsip adalah tebakan, dan prinsip tanpa intuisi adalah akademisi
• Meski memiliki How (keterampilan agentic) dan bekerja di Where (organisasi AX), semua itu tidak berarti apa-apa jika Who (diri kita sendiri) bukan orang yang dapat menggunakan intuisi di atas prinsip