Di era AI coding, apa yang terjadi di otak developer yang pertumbuhannya berhenti
(evan-moon.github.io)TL;DR;
- Kemampuan inti untuk menggunakan AI dengan baik adalah menilai dan mengoreksi kualitas hasilnya, dan kemampuan ini justru melemah ketika makin bergantung pada AI
- Menurut teori "kesulitan yang diinginkan" dari Bjork, informasi yang diproses dengan mudah tidak bertahan dalam memori jangka panjang
- Dalam studi Roediger & Karpicke (2006), tingkat retensi memori kelompok latihan pemanggilan kembali sekitar 50% lebih tinggi daripada kelompok membaca berulang setelah satu minggu
- Ketika AI menulis kode sebagai pengganti kita, bahkan beban kognitif esensial (germane load) ikut hilang sehingga kesempatan membentuk skema pun lenyap
- Semakin mahir seorang developer, semakin kecil beban pada otaknya saat hanya membaca output AI karena efisiensi neural
- Jalur menuju berhentinya pertumbuhan sudah ada bahkan sebelum AI, tetapi AI secara drastis menghilangkan gesekan di jalur itu
Ringkasan detail
Paradoks bahwa untuk memakai AI dengan baik, kita harus paham kode
- Banyak orang bisa berkata, "Tolong buatkan ini", tetapi jauh lebih sedikit yang bisa melihat hasil AI lalu mengoreksinya secara spesifik dengan mengatakan, "Struktur ini rapuh terhadap perubahan" atau "Antarmuka ini memiliki dua tanggung jawab"
- Kemampuan ini lebih mirip intuisi yang terbentuk dari sangat banyak pengalaman gagal, debugging, dan refactoring
- Mempelajari cara memakai AI dan mempelajari pola kode bukan hubungan salah satu atau yang lain, melainkan yang kedua menjadi fondasi bagi yang pertama
- "Developer yang bisa memanfaatkan AI dengan paling baik adalah developer yang tetap bisa menilai kode tanpa AI"
Otak tidak mengingat ketika semuanya terlalu mudah
- "Kesulitan yang diinginkan" dari Bjork: ketika ada tingkat kesulitan dan resistansi yang tepat dalam proses belajar, performa jangka pendek memang melambat, tetapi retensi memori jangka panjang dan transfer kemampuan meningkat
- Roediger & Karpicke (2006): eksperimen membaca berulang vs latihan pemanggilan kembali
- Tes setelah 5 menit: kelompok membaca berulang mendapat nilai lebih tinggi
- Tes ulang setelah satu minggu: tingkat retensi memori kelompok latihan pemanggilan kembali sekitar 50% lebih tinggi
- Kelompok pemanggilan aktif menunjukkan penguatan konektivitas hipokampus–korteks prefrontal dan peningkatan aktivasi jaringan sensorimotor
- Otak dalam kondisi belajar pasif hanya mengaktifkan konektivitas hipokampus–girus fusiform — lebih dekat ke "sekadar melihat informasi tanpa benar-benar memprosesnya"
- Efek generasi (Slamecka & Graf, 1978): kelompok yang menyelesaikan sendiri seperti "panas-ding___" memiliki retensi memori yang secara signifikan lebih tinggi dibanding kelompok yang membaca pasangan yang sudah lengkap
- Ilusi kefasihan: perasaan bahwa informasi mudah diproses menimbulkan ilusi bahwa informasi itu juga akan mudah diingat
Kemampuan coding adalah memori prosedural
- Sebagian besar kemampuan coding adalah memori prosedural — seperti bersepeda, sekali terinternalisasi maka bisa dijalankan otomatis tanpa disadari
- Model Adaptive Control of Thought (ACT) dari Anderson: 3 tahap pembentukan memori prosedural
- Tahap kognitif: semua hal dilakukan secara sadar selangkah demi selangkah, menghabiskan sebagian besar working memory
- Tahap asosiatif: prosedur-prosedur terpisah terintegrasi sehingga bisa dijalankan sebagai satu alur
- Tahap otomatisasi: berjalan otomatis dengan hampir tidak memakai working memory — sisa kapasitas bisa dipakai untuk penilaian desain
- Perpindahan antar tahap hanya bisa terjadi melalui praktik langsung yang berulang
- Chunking (studi catur Chase & Simon): perbedaan ahli dan pemula bukan pada jumlah slot working memory, melainkan pada banyaknya informasi yang bisa dimuat dalam satu chunk
- Pemain catur ahli mengenali bukan posisi bidak satu per satu, melainkan pola bermakna seperti "susunan pertengahan permainan khas Sicilian Defense" sebagai satu chunk
- Hal ini dibuktikan karena perbedaan ahli dan pemula menghilang dalam eksperimen susunan acak
AI mengganggu proses ini
- Jika implementasi diserahkan ke AI, AI juga menangani beban kognitif esensial (germane load) — kesempatan membangun skema itu sendiri menjadi hilang
- Dari sudut pandang memori prosedural: waktu bergulat pada tahap kognitif berkurang, transisi ke tahap asosiatif tertunda, dan tahap otomatisasi menjadi lebih sulit dicapai
- Membaca kode output AI setara dengan "membaca pasangan kata yang sudah lengkap" dalam eksperimen efek generasi — terasa seperti paham, tetapi tidak tertanam dalam-dalam
- Semakin mahir developer, semakin sedikit sumber daya yang dibutuhkan untuk memproses kode karena efisiensi neural → membaca output AI ternyata hampir tidak memberi beban pada otak
- Saat menulis kode sendiri, sinaps dimodifikasi melalui loop prediksi–umpan balik, tetapi membaca kode AI yang sudah jadi hanyalah interpretasi setelah fakta dengan proses prediksi yang dihilangkan
- Ini sangat serius terutama bagi junior: ketika masih banyak pola yang berada di tahap kognitif, jika AI membuat mereka melewati tahap itu, yang bertambah hanya pengalaman kerja tanpa pembentukan memori prosedural
Cara memberi beban pada otak
- Sebelum menyerahkannya ke AI, buat dulu rancangan desain sendiri: memanfaatkan efek generasi secara sengaja — dalam proses membandingkan dan mengevaluasi output AI, pemrosesan makna dan area kontrol eksekusi di otak aktif bersamaan
- Code review yang serius: secara sadar bertanya, "Mengapa strukturnya seperti ini?" dan "Jika harus diubah 6 bulan lagi, bagian mana yang akan bermasalah?" — rasa repot itu sendiri adalah kesulitan yang diinginkan
- Sediakan waktu untuk menulis kode secara langsung: hal ini tak tergantikan dalam pembentukan memori prosedural — saat buntu, mintalah AI hanya petunjuk minimum, bukan jawaban lengkap
- Strategi optimal untuk produksi dan pembelajaran berbeda: AI sangat unggul sebagai alat produksi, tetapi punya keterbatasan sebagai alat belajar
- Pada akhirnya, hal-hal yang benar-benar tertinggal di otak menentukan kualitas code review, ketepatan penilaian desain, dan secara paradoks juga kemampuan memanfaatkan AI
20 komentar
Saya pribadi sangat merasakan sampai ke tulang bahwa AI sangat buruk di bidang keahlian saya. Saya menduga para ahli di bidang lain pun mungkin merasakan hal yang sama. Tentu saja ini sangat membantu. Saya memang jadi harus menulis dokumen cerewet sepanjang hari, tetapi tetap saja tidak bisa dibandingkan dengan produktivitas sebelumnya.
Attention dibentuk oleh suara mayoritas.
Agen verifikasi hanya perlu lolos fungsi evaluasi.
Sebagian besar kode industri yang hebat tidak tersedia untuk publik.
Open source adalah kode untuk dipamerkan.
Hal ini harus selalu diingat saat menggunakannya.
Setuju. Data inti dari domain yang sangat maju seperti kedirgantaraan, medis, dan kontrol presisi berada di jaringan internal yang tertutup rapat, dan untuk mengaksesnya Anda harus menjadi orang dalam yang penting, atau jika dari luar, data itu baru bisa dibuka setelah mengeluarkan biaya yang cukup besar dan menandatangani NDA. Sebagian besar data yang dipelajari AI adalah yang dipublikasikan di internet, dan untuk layanan web/aplikasi berbasis Python dan JavaScript, Full Automation sampai tingkat tertentu memang memungkinkan.
Karena grafis 3D dan algoritma berbasis CAD yang digunakan di domain canggih tersebar secara terfragmentasi di internet atau bahkan sama sekali tidak ada, AI juga pada akhirnya hanya bisa menghasilkan hasil yang dangkal lewat vibe coding. Menurut saya, pendekatan yang aman dan realistis adalah menempatkan satu agen utama, lalu terus menyuntikkan konteks domain hingga tingkat micro-managing, sambil mengembangkan dengan pola amplifikasi berkelanjutan yang dipimpin langsung oleh developer melalui siklus Planning → Redirection → Review, bukan full automation yang sepenuhnya dipimpin AI
Saya juga masih merasa kurang di bidang keahlian saya sendiri, jadi saya berhati-hati dengan menganggap bahwa di bidang tempat saya menerima bantuan pun tingkatnya kira-kira segitu. Sebagai gantinya, karena laju perkembangannya cukup pesat, saya mencoba memakainya untuk pekerjaan yang kalau kualitasnya terus berada di tingkat itu pun masih memadai.
Apa cuma perasaan saya, atau memang di sini juga kelihatan banyak komentar yang ditulis AI?
Rasanya seperti tiba di dunia distopia.
Isi seperti ini tampak sebagai keterikatan pada cara kerja masa lalu. Bagaimanapun, bagian-bagian seperti itu pada akhirnya akan lebih dikuasai oleh AI. Yang penting sekarang adalah pengalaman memperbaiki bagian-bagian yang tidak berjalan baik saat menggunakan AI. Namun, saya juga menganggap ini hanya bersifat sementara.
Ini memang bukan hal yang terbatas hanya pada coding. Kesulitan yang diinginkan bukan sekadar slogan klise, melainkan didasarkan pada berbagai bukti ilmiah.
Dengan adanya kalkulator, menghafal tabel perkalian terlihat seperti keterikatan pada cara kerja masa lalu. Bagaimanapun, bagian seperti itu pada akhirnya akan dikerjakan lebih baik oleh kalkulator. Yang penting sekarang adalah pengalaman memperbaiki bagian-bagian yang tidak berjalan baik saat menggunakan kalkulator. Namun, saya juga berpikir hal ini pun hanya bersifat sementara.
Sepertinya selalu membalas dengan logika yang mirip seperti ini.. kalkulator tidak salah menghitung. Ia menjalankan perannya dengan benar.
Suatu hari kalkulator rusak dan mengeluarkan hasil 3 X 3 = 10, lalu saya jadi khawatir kalau-kalau tak seorang pun menyadari bahwa itu salah... Jika itu terjadi di komputer programmer yang menangani rekening bank saya... Sepertinya tidak ada salahnya untuk tetap berhati-hati.
Pernyataan bahwa "sebagian besar kemampuan coding adalah memori prosedural" memang sangat terasa. Menyelesaikan soal matematika juga pada dasarnya adalah tindakan mengingat prosedur dan berlatih agar bisa menghasilkan keluaran yang sama. Tidak masalah jika coding dilakukan dengan AI, tetapi tampaknya kita tetap perlu memberi beban pada otak agar bisa berulang kali menghasilkan output dengan kualitas yang sama atau lebih baik.
Sepertinya saya memang perlu melewati proses yang sengaja membuat repot.
Pemikiran ini memang singkat, tetapi belakangan saya jadi memikirkan hal seperti ini. Dulu katanya para ahli assembly melihat pengembang bahasa C sambil berkata hal-hal seperti "tidak tahu cara menghemat memori" atau "tidak paham hardware", dan kalau dilihat sekarang rasanya kritik yang mirip juga masih berlanjut dalam konteks yang sama. Pada akhirnya, bukankah dari sudut pandang pengembangan perangkat lunak kita hanya beralih untuk mengembangkan dengan bahasa yang lebih terabstraksi (AI) dibanding bahasa pemrograman yang sudah ada sebelumnya. Karena itu, wajar saja kalau keahlian terhadap bahasa yang digunakan sebelumnya menjadi menurun. Namun, seperti sampai belum lama ini para pengembang yang bekerja dengan bahasa yang lebih low-level daripada sekarang sering disebut "monster", mungkin ke depannya orang-orang yang membangun dengan vibe coding tetapi tetap memahami prinsip bahasa-bahasa yang sudah ada akan dipandang sebagai sosok yang istimewa.
“If you're nothing without the suit, then you shouldn't have it.” - Tony Stark
Pada akhirnya manusia akan memilih opsi yang nyaman. Akibatnya, meskipun tahu konten short-form itu tidak baik, saat ini hampir semua orang menikmatinya. Selanjutnya, AI akan menjadi bukan lagi pilihan melainkan kebutuhan, dan pada praktiknya ada perbedaan produktivitas yang jelas antara menggunakan dan tidak menggunakannya. Ini berlaku sama baik untuk developer maupun non-developer. Yang berbeda hanya cara dan metodenya. Seperti yang Anda katakan dengan analogi ponsel di bawah, kita tidak perlu lagi mengingat nomor telepon; demikian juga orang modern sekarang tidak bisa mengemudi hanya dengan melihat peta tanpa navigasi, dan bahkan untuk rute yang selalu dilewati pun tidak sengaja dihafal.
Lalu apakah kemampuan mengemudi, kemampuan persepsi ruang, atau daya ingat kita jadi mengalami kemunduran? Tidak. Berkat perkembangan navigasi, selama ada navigasi kami jadi bisa pergi ke mana saja.
Selain itu, ada juga pembicaraan bahwa penggunaan AI menyebabkan kemunduran kemampuan kognitif manusia, tetapi saya rasa ini bukan kemunduran, melainkan kemampuan kognitif yang berubah ke bentuk lain.
Belakangan ini juga muncul pembicaraan tentang hand-coding; saya setuju jika ketakutan bahwa kemampuan legacy diri sendiri akan tersisih disalurkan dalam ranah hobi, tetapi saya harap ini tidak diarahkan seolah-olah itulah jawaban yang benar, seperti developer harus обязательно melakukan hand-coding demi meningkatkan kemampuan dasar mereka!
Perkembangan bahasa pemrograman pada dasarnya juga pada akhirnya berkembang ke arah yang makin mendekati bahasa alami yang akrab bagi manusia. Namun sekarang tampaknya kita sedang berada di masa transisi menuju tujuan akhir tersebut.
Kalau lihat para developer yang ngoding vibe tanpa mikir, rasanya bikin emosi. Kualitas hasil kerjanya sendiri berantakan, lalu coba saja berkilah dengan bilang itu ditulis AI. Tanggung jawab tetap ada pada dirinya sendiri.
AI terasa seperti menggunakan bor listrik, gergaji mesin, dan ekskavator. Sejak memakai ponsel, banyak orang bahkan tidak lagi mengingat nomor teleponnya sendiri.
...hal-hal seperti ini bisa saja dianggap sebagai kemunduran, tetapi saya melihatnya sebagai efisiensi. Berdasarkan pengalaman saya sebagai developer dan pernah menjalani berbagai peran, saya melihat alat AI sebagai sarana yang membantu kita keluar dari dunia developer semata dan memberi kesempatan untuk memiliki sudut pandang yang lebih luas. Di satu sisi mungkin ada kemampuan yang menurun, tetapi ruang itu akan terisi oleh hal lain.
Saya juga setuju dengan pendapat ini.
Pada akhirnya, saya melihat ini sebagai alat dengan trade-off yang jelas.
Saya juga khawatir kemampuan coding saya akan menurun semakin sering menggunakan AI, tetapi yang pasti saya jadi memikirkan hal-hal lain yang dulu tidak saya lakukan (atau tidak bisa saya lakukan).
Setidaknya, saat memberi instruksi kepada AI, tampaknya akan lebih membantu jika kita tidak hanya melempar beberapa kata pendek, melainkan menjelaskan pemikiran dan alur logika kita sejelas dan sedetail mungkin. Setelah itu, sebelum pekerjaan dijalankan, jika ada hal yang perlu dipastikan lebih lanjut, minta AI untuk обязательно menanyakannya terlebih dahulu sebelum melanjutkan.
Ini tulisan yang mengingatkan pada istilah demensia digital.