Pilih Teknologi yang Membosankan, Revisited (2025)

• Prinsip "Choose Boring Technology" yang berfokus pada stack teknologi yang dapat diverifikasi menjadi semakin penting di era alat coding AI
• Perusahaan harus menggunakan "innovation tokens" yang terbatas secara strategis pada teknologi yang sudah terbukti andal
• Alat coding AI modern dapat menghasilkan kode yang tampak meyakinkan untuk hampir semua stack teknologi, tetapi ketika dua atau lebih teknologi yang tidak dipahami pengguna digabungkan, kesalahan menjadi mustahil diverifikasi
• Pada stack teknologi yang sudah benar-benar dipahami, alat coding AI berfungsi sebagai force multiplier (alat pengganda kemampuan), tetapi pada teknologi yang tidak dikenal, alat ini merosot menjadi sekadar sarana ketergantungan
• Semakin tinggi kualitas kode yang dihasilkan AI, semakin sulit menemukan masalah, sehingga nilai dari pemahaman mendalam terhadap teknologi menjadi makin besar

---

Penegasan ulang prinsip Choose Boring Technology

• Pandangan yang sejalan dengan tulisan Dan McKinley "Choose Boring Technology" 10 tahun lalu tetap tidak berubah hingga sekarang
  • Saat memulai proyek baru, pertanyaan pertama adalah "apakah ini alasan untuk mempelajari sesuatu yang baru, atau untuk menyelesaikan masalah?"
  • Jika tujuannya belajar hal baru, batasi elemen yang belum dikenal menjadi satu saja; jika tujuannya menyelesaikan masalah, tetap gunakan teknologi yang sudah dikenal
• Dengan hadirnya LLM dan alat coding AI agentic, prinsip ini menjadi jauh lebih critical

Argumen inti McKinley

• Perusahaan memiliki "innovation tokens" yang terbatas, dan harus menggunakannya secara strategis pada teknologi yang mapan dan dipahami dengan baik, bukan pada teknologi menarik yang belum terbukti
• Teknologi yang membosankan memiliki failure modes (mode kegagalan) yang sudah dikenal, fungsionalitas yang dipahami dengan baik, dan keandalan operasional yang telah terbukti
  • Saat terjadi gangguan pada pukul 3 pagi, lebih baik men-debug teknologi yang punya jawaban di Stack Overflow daripada merintis wilayah yang sama sekali tidak dikenal
• Prinsip ini benar pada 2015 dan tetap benar hari ini

Alat coding AI sebagai variabel baru

• Alat coding AI modern menghasilkan kode yang terlihat profesional untuk hampir semua stack teknologi yang bisa dibayangkan
  • Jika meminta Claude atau Copilot untuk membuat microservices berbasis Kubernetes, GraphQL federation, atau implementasi framework JavaScript terbaru, mereka akan mengembalikan kode yang mengikuti aturan dan bahkan bisa dijalankan
• Jika seseorang memakai dua atau lebih teknologi yang tidak ia pahami, praktis tidak ada cara untuk memverifikasi apakah AI sedang memberikan hasil yang salah
  • Meski kemampuannya mengesankan, LLM tetap bisa hallucinate (berhalusinasi) pada detail teknis
• Ada kasus ketika engineer menerima begitu saja kode bermasalah yang dihasilkan AI
  • Menggunakan API deprecated, menerapkan anti-pattern keamanan, atau menimbulkan masalah performa halus yang baru terlihat di beban produksi
  • Kodenya terlihat benar, mengikuti konvensi penamaan, dan memiliki penanganan error yang layak, tetapi tetap salah dengan cara yang hanya bisa ditangkap oleh orang yang benar-benar paham teknologinya

Teknologi yang tidak dikenal + kode AI = perkalian ketidakpastian

• Menggabungkan teknologi yang belum familiar dengan kode buatan AI bukan menambah ketidakpastian, melainkan mengalikannya
  • Tidak tahu apakah pilihan framework-nya tepat
  • Tidak tahu apakah implementasi AI mengikuti best practice
  • Tidak tahu bagian mana dari kode yang dihasilkan merupakan boilerplate dan mana yang merupakan logika bisnis inti
  • Tidak tahu failure mode apa yang harus diawasi
• Ini melampaui sekadar cargo-culting, hingga ke tingkat masalah "cargo-culting times 2,356"

Titik sinergi antara teknologi yang membosankan dan AI

• Saat memahami stack dasarnya, alat coding AI menjadi sangat kuat
  • Karena cukup paham Rails, penulis bisa menangkap saat Claude memberi saran yang meragukan (dengan bantuan context7)
  • Karena memahami karakteristik JavaScript, saran dari Copilot bisa di-fact-check
• AI menjadi force multiplier pada teknologi yang sudah dipahami, tetapi berubah menjadi crutch (penopang ketergantungan) pada teknologi yang tidak dikenal

Panduan praktis di era AI

• Saat mengevaluasi teknologi baru, tanyakan dulu: "jika AI menghasilkan kode implementasi untuk teknologi ini, apakah saya bisa meninjaunya dengan layak?"
  • Jika jawabannya "tidak", maka teknologi itu seharusnya tidak dipakai pada bagian yang mission-critical
• Jika memutuskan untuk mempelajari hal baru (dan innovation token hanya satu), luangkan waktu sungguhan untuk memahaminya cukup dalam agar bisa melakukan fact-check atas saran AI
  • Jangan sekadar copy-paste lalu berharap semuanya berjalan baik
• Tahan godaan untuk mengambil beberapa teknologi baru sekaligus hanya karena ada alat AI
  • AI membuat kita merasa bisa menangani bahasa baru, framework baru, dan infrastruktur baru sekaligus, padahal tidak satu pun yang bisa diverifikasi dengan benar

Risiko yang meningkat di era AI dan kesimpulan

• Gagasan asli "choose boring technology" adalah mengurangi kompleksitas operasional dan beban kognitif, dan kekhawatiran itu masih tetap valid
• Di era AI ada risiko tambahan: false confidence (rasa percaya diri palsu) dari AI yang mampu menghasilkan kode yang tampak profesional untuk stack apa pun
• Justru karena kualitas kode buatan AI tinggi, tingkat kesulitan menemukan masalah menjadi lebih besar
  • Dulu kode buruk terlihat buruk; sekarang, seseorang harus cukup memahami domainnya untuk bisa menyadari masalah yang halus
• Saat menyelesaikan masalah, gunakan yang sudah diketahui; saat belajar hal baru, fokuslah benar-benar pada proses belajarnya; dan jangan menyamakan kode buatan AI dengan pemahaman
• Teknologi paling membosankan dalam sebuah stack mungkin justru teknologi yang Anda pahami cukup baik untuk menyadari saat AI salah
  • Di dunia tempat AI dengan percaya diri menghasilkan ribuan baris kode untuk teknologi yang belum pernah Anda pakai, nilai dari pemahaman itu lebih besar daripada sebelumnya