Sepertinya Saya Mengalami Burnout LLM

• Karena setiap hari menggunakan Claude Code, Codex, ChatGPT, dan Gemini untuk pekerjaan maupun proyek pribadi, waktu yang dihabiskan untuk membaca teks buatan AI meningkat jauh dibanding beberapa tahun lalu
• Alur pengembangan berubah dari merancang dan mengimplementasikan sendiri menjadi menjelaskan desain → meninjau kode dari LLM → memperbaiki sendiri, sehingga pekerjaan di area yang belum familier pun menjadi lebih mudah
• Proyek saat ini juga berpusat pada framework pembuatan kode tak terawasi berskala besar dan peninjauan output agen Qwen, sehingga strukturnya membuat saya terus membaca konten LLM
• Setelah penggunaan berlangsung sekitar satu tahun, dalam beberapa bulan terakhir pola berulang seperti asumsi keliru, halusinasi, kalimat pendek yang terlalu tegas, dan emoji berlebihan mulai menumpuk sebagai beban
• Inti kelelahannya bukan LLM itu sendiri, melainkan pengulangan gaya tulisan yang sama dan jenis kesalahan yang sama; sekalipun ada fitur personalisasi, sulit mengendalikan gaya konten AI yang dibuat orang lain

---

LLM yang Sudah Masuk Jauh ke Alur Pengembangan

• Saya menganggap tingkat penggunaan LLM saya saat ini rata-rata untuk ukuran developer, dan cara pakainya pun masih tergolong primitif
  • Saya menangani satu tugas dalam satu waktu; di kantor saya menggunakan Claude Code, sementara di rumah saat ini saya berbicara dengan Codex
  • Bahkan ketika meminta asisten menulis kode, saya membaca dan memahami output-nya dengan teliti sebelum memperbaikinya sendiri
  • Saya belum berada pada tahap menggunakan agen otonom atau orkestrasi agen secara mendalam
• Cara kerja saya berubah dari berfokus pada perancangan dan penulisan kode menjadi menjelaskan desain kepada LLM, meninjau kode yang dibuat LLM, lalu kembali menulis kode
  • Dalam proses ini, saya menemukan pendekatan yang sebelumnya belum terpikirkan atau belum saya ketahui
  • Saya juga menjadi lebih nyaman bekerja di area yang tidak saya kuasai secara mendalam
• Proyek inti saya saat ini adalah membangun framework untuk pembuatan kode tak terawasi berskala besar di dalam codebase
  • Ketika tidak membuat tool dengan Claude, saya meninjau output dari Qwen, agen tak terawasi
  • Apa pun pilihannya, saya terus-menerus membaca konten yang dibuat LLM
• Saat mencari informasi, jika saya tidak tahu situs tertentu, saya sering bertanya ke ChatGPT atau membaca ringkasan dari Gemini
  • Jika jawaban LLM salah, saya harus kembali browsing
  • Ketika hasil pencarian penuh dengan tulisan buatan AI yang tidak berguna, saya merasa jawaban LLM masih cukup baik untuk pertanyaan sehari-hari

Kelelahan dari Gaya yang Sama dan Kesalahan yang Sama yang Terus Menumpuk

• Cara penggunaan seperti ini sudah berlangsung sekitar satu tahun, dan saya tidak berniat berhenti dalam waktu dekat
  • Saya merasa lebih produktif saat menggunakan LLM
  • Saya juga menganggap terus belajar cara menggunakan LLM secara efektif sebagai sesuatu yang bernilai
• Dalam beberapa bulan terakhir, perasaan saya saat membaca output LLM berubah
  • Bahkan sebelum membaca, perasaan bahwa saya sudah tahu gaya tulisan dan kesalahan seperti apa yang akan saya lihat menjadi beban tersendiri
  • Elemen yang berulang terlihat adalah asumsi keliru, halusinasi, kalimat pendek yang terlalu tegas, dan emoji berlebihan
• Masing-masing ketidaknyamanan ini masih bisa ditoleransi jika dilihat terpisah, tetapi ketika semuanya berulang bersama-sama, saya cepat merasa muak dengan tulisan LLM
• Intinya bukan menuduh LLM lebih buruk daripada manusia, melainkan pengulangan
  • Manusia juga bisa sulit dipercaya atau menyebalkan
  • LLM menulis dengan gaya yang sama dan mengulangi jenis kesalahan yang sama
  • Jika antarmuka menyediakannya, fitur personalisasi bisa digunakan, tetapi sebagian gaya khas tertentu tetap tersisa
  • Gaya konten yang dibuat orang lain tidak bisa saya kendalikan langsung
• Saya belum tahu bagaimana harus menangani perasaan ini, dan kondisinya sudah melampaui frustrasi terhadap tool yang tidak stabil menjadi pola penulisan itu sendiri yang terus terasa mengganggu

[amebahead]

Saya juga sempat kewalahan oleh asumsi palsu yang dijawab LLM, halusinasi, kalimat pendek yang tegas, dan pola emoji yang berlebihan.
Saya lalu membuat dan menerapkan ELI5 Rule, dan berhasil lepas dari penderitaan itu :)

https://github.com/amebahead/explain-like-iam-five-rules

[GN⁺]

Pendapat di Hacker News

• Belum sampai burnout, tetapi LLM benar-benar melelahkan karena tekanan yang ditimbulkannya. Tidak ada yang mendorong agar beban kerja ditambah, tetapi setiap saat selalu ada sesuatu yang dibuat oleh “clanker” saya atau “clanker” orang lain, dan berada dalam kondisi bisa membuka hambatan yang membuat saya tersangkut
  Sebelum LLM pun sudah sulit untuk terus mengikuti, tetapi sekarang rasanya pekerjaan yang menunggu selalu bertambah sekitar 10 kali lipat, dan kalau semua orang “mengoptimalkan” lalu menyuapi AI dengan pekerjaan secara paralel lebih cepat, bisa jadi bertambah 10 kali lipat lagi. Melelahkan terus-menerus berdiri sebagai bottleneck untuk semuanya
  Mewujudkan proyek sampingan kecil dan ide-ide memang menyenangkan, tetapi saya sadar LLM makin menyuburkan pola pikir tidak sehat bahwa “istirahat itu buang-buang waktu”, dan merasa harus memperbaikinya
  Keluhan utama tulisan itu mungkin mirip dengan masa otomasi pabrik. Seperti berbagai kerja kerajinan terampil yang berubah menjadi pekerjaan mengulang gerakan yang sama sepanjang hari di satu posisi lini perakitan, LLM juga mengambil bagian yang kreatif dan bervariasi, lalu hanya menyisakan stempel QA yang repetitif. Mungkin kita bisa mencari kembali langkah-langkah mitigasi yang dipakai saat itu

  • Terlalu banyak permintaan untuk meninjau dokumen yang dibuat LLM. Misalnya dokumen perencanaan, dokumen untuk pengguna akhir, dokumen proyek, dan dokumen rencana bisnis
    Beberapa waktu lalu seorang anggota tim mengirim file zip berisi sekitar 30 dokumen buatan LLM dan langsung meminta ditinjau, padahal banyak di antaranya berulang atau berisi rekayasa/halusinasi yang tidak nyambung. Kecepatan pembuatan jauh lebih tinggi daripada kecepatan peninjauan
    Dulu project manager membutuhkan sebagian besar hari untuk membuat dokumen perencanaan, tetapi sekarang bisa membuatnya dalam beberapa menit lalu melemparkannya untuk ditinjau, jadi benar-benar melelahkan
  • Saya teringat adegan pabrik di Modern Times karya Charlie Chaplin. Perasaan yang dialami penulis pada akhirnya adalah situasi ketika manusia harus menyesuaikan diri dengan kecepatan mesin, bukan sebaliknya
    “Centaur terbalik” bukan hal baru. Tanyakan saja pada gerakan buruh abad lalu
  • Salah satu alasan LLM melelahkan adalah karena untuk menyesuaikan UI, kita selalu melakukan satu prompt lagi. Biasanya hasilnya sedikit meleset, dan memperbaikinya lagi kadang butuh 5–10 menit. Akibatnya, waktu kerja menjadi jauh lebih panjang
    Sepertinya ini lebih terasa karena saya software engineer yang lebih suka membuat produk daripada memakai software yang rumit. Rasa menghasilkan sesuatu adalah motivasi, dan saya ingin membuat fitur benar-benar sempurna dan selesai. Namun dalam pekerjaan UI, jalan dari 95% ke 100% memakan waktu lama
    Jadi sayangnya, jam kerja saya sekarang jauh lebih panjang
  • Rasanya seperti, “Saya kira kalau ada mesin yang menggantikan cuci piring, saya bisa fokus pada karya kreatif, tetapi ternyata yang muncul adalah mesin yang mengerjakan pekerjaan saya, sehingga yang tersisa untuk saya hanya cuci piring”
  • Saya mengalami jenis tekanan lain. Perusahaan masih menuntut semua orang memakai LLM, bahkan sampai ada papan peringkat token, pengukuran waktu penggunaan, dan memasukkannya ke penilaian kinerja
    Jadi saya harus berhenti dari pekerjaan produktif dan menyisihkan sebagian waktu untuk “ber-AI demi menunjukkan pemakaian token”. Beban kerja tetap sama atau bertambah, tetapi waktu untuk pekerjaan nyata berkurang N% demi menenangkan para dewa AI

• Dari pengalaman saya, penyebab burnout secara garis besar ada 3. Pertama, yang terbesar adalah multitasking. Kita harus sering bolak-balik di antara 3–5 jendela agen yang mengerjakan hal berbeda, dan kalau tiap putaran memakan beberapa menit, itu sangat melelahkan
  Sebelum era coding agent, sebagian besar developer mungkin punya kesempatan untuk fokus pada satu hal selama 2 jam atau lebih. Sekarang coding agent memang memperluas cakupan tech stack yang bisa ditangani, tetapi tidak menambah bandwidth untuk bekerja mendalam
  Kedua, agent memang bagus untuk membuat sesuatu berjalan tanpa konflik, tetapi tidak ada jaminan ia membuat kode yang benar. Ini cukup berbeda dari pakar manusia yang memiliki pengetahuan dasar
  Ketiga, saya frustrasi ketika meninjau tumpukan PR berkualitas rendah yang dibuat AI. Fokus adalah sumber daya yang terbatas. Saya tidak ingin menghabiskan terlalu banyak energi untuk pekerjaan orang lain, tetapi kalau tidak lebih diperhatikan, kode AI yang dibuat tanpa pemikiran dan desain hati-hati dari penulis manusia akan dengan cepat merusak seluruh proyek. Bekerja dengan orang yang kurang cermat saja sudah berat, tetapi di era coding agent mereka menghasilkan sampah 10 kali lebih banyak, jadi penderitaannya 10 kali lipat, dan ini adalah masalah budaya tim yang tidak mudah dipaksakan

  • Setuju. Pada saat yang sama, saya sedang berusaha membatasi diri dengan ketat agar hanya memakai 1–2 workflow agent. Lebih dari itu tidak sanggup ditangani, tetapi terlalu mudah jatuh ke perangkap menyalakan agent hanya untuk “satu perbaikan kecil ini saja”

• Setelah membaca output Opus selama berjam-jam, saya mulai merasa sedikit seperti badan jadi sakit. Tulisan ini benar-benar terasa mengena
  Saya juga mulai menyampaikan keluhan ke tim, dan setidaknya kami perlu memasukkan panduan gaya pribadi ke aturan agent untuk menghilangkan em dash, ungkapan seperti “bukan X, melainkan Y”, cara menumpuk modifier panjang di depan nomina, penggunaan “land” dalam arti selesai, dan semacamnya. Saya berharap ini cuma satu tahap dari LLM yang belum matang

  • Semua bot menunjukkan pola terlalu sering memakai frasa, kata, dan tanda baca tertentu. Contohnya belakangan ini mereka terlalu berlebihan memakai kata gate
    Sebagai manusia, kita tahu gate adalah “pintu/gerbang” yang bisa terbuka atau tertutup, terkunci atau tidak terkunci, dan jalan di baliknya bisa bisa dilewati atau tidak. Fakta bahwa ada gate saja tidak memberi tahu apakah ia terbuka atau tertutup
    Namun dalam ungkapan ala bot, gate hanya berarti penghalang kuat yang tidak bisa dilewati. Mereka memakainya seperti pagar atau tembok, bahkan seperti parit lava
    Padahal gate pada dasarnya adalah benda yang dirancang untuk dilewati, tetapi bot memakai kata yang sama untuk rintangan yang memang dimaksudkan agar tak bisa ditembus. Berdasarkan pengalaman puluhan tahun berurusan dengan gate di dunia nyata, itu salah pakai. Biasanya kalau menemukan gate tertutup, kita membukanya lalu lewat
    Meski bot diinstruksikan agar menghindari penggunaan kata itu, kadang mereka mengabaikannya. Kata bermasalah yang terpikir hari ini hanya gate; kemarin kata lain, besok mungkin kata yang sama sekali berbeda
    Pola keseluruhannya adalah jargon murahan yang repetitif dan mengganggu yang sejak awal bahkan tidak tepat
  • Saya juga begitu. Kalau membaca terlalu banyak hal seperti ini, rasanya seperti mengalami kerusakan mental
    Berbeda dari penjelasan “itu cuma bahasa Inggris gaya Nigeria dari pekerja kontrak”, model-model tampaknya, di bawah tekanan reinforcement learning, menciptakan dialek mereka sendiri yang sangat ringkas dan terlalu terseragamkan. Rasanya makin seperti ditulis dalam kode, tetapi kode yang dimaksud di sini bukan kode komputer. Kata-katanya tidak persis sama dengan makna kata itu bagi manusia
  • Hari ini saya juga sedang menjelaskan perasaan yang persis ini. Saya belum bisa mengungkapkannya dengan tepat, tapi memang terasa sedikit seperti badan jadi sakit. Mirip trypophobia ringan
  • arc land sudah terpatri di otak saya karena Phabricator, jadi saya tahu istilah itu sudah ada sebelum LLM, tapi tetap saja luar biasa mengganggu
    Pergeseran bahasa seperti ini mustahil dibalikkan. Bahkan jika kita bisa menyaring 100% input LLM, orang-orang sendiri sedang terlatih untuk lebih sering mengatakan “land”
  • Dalam menulis, suara itu sangat penting. Kalau semua orang menulis dengan Opus dan tidak mengeditnya, siapa pun penulisnya, semuanya terdengar sama

• Saat ini saya sedang mengerjakan proyek dengan orang yang hanya memakai LLM, dan itu melelahkan serta menguras mental
  Kalau saya memberi umpan balik tentang sesuatu, jawabannya cuma “nanti saya tanyakan ke Claude”. Orang itu tidak memahami bagaimana keseluruhannya bekerja, dan sebagian besar kodenya juga mencerminkan hal itu
  Beberapa hari lalu ia bahkan tidak tahu cara menyiapkan environment lokal dan mengatur environment variable, jadi ia meng-hardcode mode demo. Saya juga bingung kenapa Claude tidak tahu soal itu, tapi mungkin masalahnya ada pada prompt
  Saya membatasi penggunaan LLM, dan kalaupun memakainya, saya mencoba hanya untuk tugas yang sangat spesifik. Bagi saya, cuma cara itu yang berhasil
  Sejujurnya saya tidak mengerti bagaimana perusahaan-perusahaan bisa mendorong pembuatan kode dengan AI sampai sejauh ini. Bahkan pada proyek kecil pun, pemahaman terhadap proyek cepat tertinggal

  • Saya ingat pernah bekerja dengan orang-orang seperti ini bahkan sebelum AI. Memang menjengkelkan, tetapi karena mereka tidak cukup memahami apa yang sedang dikerjakan, mereka kesulitan dalam produktivitas karena tidak bisa membuat kode bagus secara efisien, dan biasanya masalahnya tersortir dengan sendirinya
    Sekarang, karena coding dengan LLM mendorong orang yang tidak punya rasa ingin tahu dan menghukum orang yang berpikir mendalam, orang-orang seperti ini jadi bisa bertahan
  • Saya juga memakai cara yang sama. Hanya untuk tugas yang sangat spesifik. Baru saja saya mengobrol 2 jam dengan Claude Code untuk melakukan perubahan 5 baris kode yang maknanya cukup besar
    Sebaliknya, seorang teman menghabiskan 10 ribu dolar sehari untuk token agent demi membuat sesuatu. Ia sangat pintar dan mantan developer, jadi ini bukan sekadar psikosis AI biasa
    Saya masih berusaha memahaminya. Tentu saja saya tidak punya 10 ribu dolar
  • Kode yang dihasilkan LLM itu tidak perlu dibuat rumit dan padat

• Benar-benar melelahkan. Sejak mulai bekerja dengan LLM, sebagai solo developer output saya dengan mudah naik 20 kali lipat. Saya bahkan menyelesaikan proyek klien yang dulu terlalu ambisius untuk ditangani sendirian
  Codebase lama kini mendapat fitur-fitur yang sebelumnya akan terseret berbulan-bulan atau tetap berada di tahap perencanaan lebih lama lagi. Kualitas keseluruhan juga jauh meningkat, cakupan test lebih lengkap dan sejujurnya lebih baik
  Proyek pribadi juga saya bangun dengan kecepatan luar biasa. Perannya terbalik: saya memperlakukan agen seolah-olah saya adalah klien, dan agen bertindak seolah-olah dia adalah saya. Tentu saja saya menjadi klien yang lebih teknis, memberi arah arsitektur. Saya memakai aplikasi dan tool yang dibuat agen setiap hari, dan berkat tool yang saya buat sendiri saya juga membatalkan langganan SaaS
  Melihat pemanggilan tool membuat saya merasa harus lebih menguasai tool command-line inti, jadi saya menyusun rencana belajar sedikit demi sedikit setiap hari untuk mengejar ketertinggalan. Saya juga meninjau kembali konfigurasi lama yang dulu saya masukkan saat pertama memakai vim dan tmux tanpa tahu apa-apa
  Secara teori, saya bisa mempertahankan produktivitas di level lama dan membaca lebih banyak buku, tetapi itu tampaknya tidak mungkin. Berbeda dari janji bahwa “pekerjaan akan berkurang”, kenyataannya terasa seperti kita berada dalam masa transisi besar ketika produktivitas dan ekspektasi naik, dan Revolusi Industri terasa seperti analogi yang tepat
  Kenaikan ekspektasi terjadi dalam cara kecil maupun besar. Karena agen sangat mahir merapikan penyajian data, sekarang saya mengirim laporan yang rapi dan berdampak visual seolah-olah itu hal biasa, padahal dulu akan memakan waktu cukup lama
  Tapi ini melelahkan. Saya sedang sprint habis-habisan untuk menyelesaikan sebanyak mungkin pekerjaan sebelum jendela tempat Fable tersedia sebagai langganan berubah menjadi khusus API. Saya juga tidak mengerti bagaimana orang bisa memakai begitu banyak token. Meski hampir tidak tidur dan menjalankan sebanyak mungkin kode di Fable, saya nyaris tidak mendekati batas paket 20x max
  Saya terus mengatakan pada diri sendiri bahwa saya akan memperlambat tempo setelah turun, tetapi sekarang diperpanjang sampai tanggal 12 dan jendelanya juga di-reset, jadi saya bisa memangkas backlog beberapa hari lagi. Rasanya saya harus membuat robot-robot itu sibuk sepanjang malam agar begitu bangun pagi saya bisa langsung meninjaunya. Memberi instruksi ke agen lewat ponsel pun terasa aneh bagi saya sendiri

  • Revolusi Industri memang membuat hidup lebih baik dalam skala besar, tetapi tidak membuat hidup lebih baik bagi penenun vertikal yang sebelumnya bekerja dengan tangan di rumah lalu dipindahkan ke pabrik, menghasilkan lebih banyak output sambil bekerja keras sepanjang hari
    Dari luar, ini terdengar mirip dengan ayah saya yang bekerja sebagai mekanik di pabrik penggilingan. Sebagian besar pekerjaannya adalah mengawasi mesin bekerja lalu memperbaikinya jika rusak, dan 90% waktunya mesin berjalan baik
    Beralih dari bekerja dengan tangan menjadi mengawasi mesin memang bisa terlihat sangat membosankan, dan dari sudut pandang itu saya bisa memahami antipati terhadap AI di sini
  • Saya punya teman yang menyebut dirinya pecandu LLM, dan ia menceritakan hal yang hampir sama. Pertanyaan yang ingin saya ajukan, tapi tidak bisa saya tanyakan langsung, adalah ini: kalau sampai membuat burnout seperti itu, mengapa merasa harus terus memproduksi begitu banyak proyek pribadi?
    Kita semua mungkin sepakat bahwa meninjau banyak kode hasil AI di pekerjaan itu melelahkan, tetapi saya penasaran mengapa situasi tidak menyenangkan itu diperluas sampai memenuhi seluruh hari
  • Itu sinyal kecanduan yang klasik
  • Kalau pilihannya begini, ini aneh. Memeras setiap tetes produktivitas yang dulu bahkan tidak kita ketahui ada, mungkin dengan bayaran yang sama, burnout lebih cepat, tanpa kesenangan dari coding, dan harus berdebat dengan mesin bodoh yang tidak pernah lelah atau frustrasi. Ditambah lagi mesin itu selalu sedikit meleset dari target
    Atau cukup coding dengan tangan, berpikir di depan whiteboard saat keadaan menjadi rumit, dan burnout pelan-pelan dengan ritme yang lebih manusiawi seperti yang dilakukan software engineering selama lebih dari 50 tahun terakhir
    Saya tidak mengerti mengapa ini menjadi pilihan. Serius bertanya, apakah ada sedikit harga diri? Saya bisa menebak akan ada alasan “tapi bos mengharapkan saya memakai AI”. Jelas kebanyakan orang belum pernah mengalami burnout sungguhan. Saat itu datang, penderitaannya luar biasa. Jangan mengubah diri menjadi mesin. Manusia bukan mesin

• Saya tidak burnout, tetapi cara kerja saya mirip dengan penulis. Saya masih belum berhasil membuat workflow untuk meninjau kode yang dihasilkan LLM yang lebih cepat daripada menulisnya sendiri
  Sebenarnya hanya ada dua jalan keluar dari dilema ini. Memercayai hasil generasi secara membabi buta, atau membuat kumpulan unit test yang luar biasa besar untuk memverifikasi semua skenario yang mungkin
  Jadi saya menulis business logic sendiri, dan menyerahkan banyak bagian lain kepada LLM. Boilerplate juga termasuk kategori terakhir

  • Justru itulah yang seharusnya diinginkan. Di semua level dibutuhkan test yang jauh lebih komprehensif sampai tidak masuk akal untuk dibuat atau dipelihara manusia. Termasuk unit test, functional test, end-to-end test penuh, dan seterusnya
    Adversarial testing adalah cara terbaik untuk menjaga AI tetap pada jalurnya dan membuat perubahan yang harus dibaca tetap rapi dan mudah. Baik dengan gaya TDD “tulis test yang menunjukkan bug ini”, maupun setelahnya “buktikan patch ini salah dengan test baru”
    Cara yang lebih baik adalah memakai bahasa dengan tipe yang lebih kuat agar semuanya terkunci rapat, tetapi test bisa dipakai di bahasa apa pun. Latar belakang TDD dan “tulis semua test” terasa seperti bumbu rahasia saat bekerja dengan AI
  • Saya tetap membaca kode dengan hati-hati. Mudah tergoda untuk menerima begitu saja hasil yang keluar demi mempercepat, tetapi membaca kode itu penting
    Untuk test, template, sebagian UI, dan elemen dekoratif, saya hanya meninjau sekilas untuk menghemat waktu. Namun sebagian besar kode yang masuk ke sistem backend harus dibaca
  • Kalau tidak bisa meninjau lebih cepat daripada menulis kode sendiri, maka memang sebaiknya menulis sendiri
  • Bagi orang yang merasakan hal serupa, mungkin terasa seolah ada cacat mental tertentu yang membuat mereka tidak bisa meneguk Kool-Aid manis itu dan langsung memakai sampah hasil generasi. Seolah-olah ada sifat bengkok yang membuat mereka menjadi orang keras kepala yang merusak suasana semua orang
    Secara pribadi, orang yang paling antusias terhadap sihir LLM adalah orang-orang yang dulu tidak bisa menulis kode dengan baik. Sekarang mereka bisa membawa sesuatu yang berjalan, meski bukan kode terbaik. Karena mereka kini bisa membuat kode yang berjalan, mereka berpikir itu akan membuat semua orang lebih baik, tetapi mereka tidak tahu apakah sampah itu bisa dipelihara, atau bahkan apakah itu sampah sejak awal

• Alasan saya mengalami burnout LLM adalah karena harus berhadapan dengan model-model kelas atas yang jelas-jelas dikebiri dan diturunkan kemampuannya secara tidak transparan
  Sampai 12 bulan lalu, perusahaan AI masih terobsesi memeras hasil terbaik dari model yang biasa-biasa saja
  Namun ketika model kelas atas berkembang, perusahaan yang sama kini mengalihkan upaya untuk sebisa mungkin mengurangi komputasi—yakni biaya untuk menghasilkan satu output—selama tidak terlalu kentara
  Selama 36 bulan terakhir, kemiringan kualitas hasil naik secara eksponensial, tetapi sekarang hampir mendatar
  Menurut saya, alasan hasilnya mandek bukan karena modelnya tidak jauh lebih mampu dibanding setahun lalu. Melainkan karena menghemat biaya pemrosesan yang sangat besar dari basis pengguna yang terlalu padat diprioritaskan di atas tujuan mengikuti instruksi eksplisit pengguna dan menghasilkan output terbaik. Terutama ketika mengikuti instruksi itu membuat biaya pemrosesan lebih mahal

  • Belakangan ini saya juga merasakan hal yang sama tentang tool AI konsumen. Gemini dan ChatGPT akhir-akhir ini buruk sekali. Sekarang saya tidak bisa lagi memercayakan pencarian dan penalaran multi-giliran kepada mereka
    Dulu mereka bisa bertahan dalam mode berpikir lebih dari 7 menit. Misalnya kalau saya bilang “carikan sumber untuk klaim ini”, ia akan mencari, menganalisis, dan menyesuaikan kuerinya sendiri. Sekarang bahkan dalam mode “Pro”, sekeras apa pun didorong, saya tidak bisa membuatnya bekerja lebih dari 30 detik, dan ia hanya memberi jawaban generik
  • Benarkah begitu? Bisa jadi fase awal “wah, gila” sudah lewat dan ekspektasi bertemu dengan kenyataan
  • Ini terlihat seperti revisionisme sejarah yang kelewat ekstrem sampai lucu
    Momen Opus 4.5 juga baru November lalu, dan saat itulah coding agentic serta sebagian besar tool CLI untuk coding benar-benar menjadi pilihan kelas satu. Itu pergeseran paradigma yang besar. GPT-5 juga belum keluar, dan kebanyakan orang masih memakai 4o. Yang tersedia sekarang jauh lebih unggul daripada 4o dalam coding
  • Saya tidak setuju. Mungkin ekspektasi saya memang naik, tetapi kalau membandingkan apa yang saya buat dengan agent setahun lalu dan apa yang saya buat sekarang, rasanya benar-benar dunia yang berbeda

• Rasanya seperti terjebak bekerja dengan rekan-rekan yang tidak secara terang-terangan bermusuhan, tetapi mengulang kesalahan yang sama setiap hari, harus terus dituntun, dan bahkan tidak bisa benar-benar merasa menyesal
  Hanya karena kita bekerja dengan komputer bukan berarti kita tidak mengalami kerugian sosial. Dalam kasus ini mungkin lebih dekat ke kerugian parasosial

• Ini secara serius menjadi alasan saya ingin meninggalkan pemrograman
  Saya mulai memprogram karena masalah pemrograman itu menarik. Tapi kalau masalahnya berubah dari “mencari tahu kenapa kalkulator selisih 1 di Prancis” menjadi “mencegah LLM ini menebar emoji imut”, mungkin sudah waktunya berganti profesi

  • Untuk memberi sisi sebaliknya, tekanan di tempat kerja untuk menghasilkan lebih banyak itu nyata, tetapi di luar pekerjaan, ini benar-benar menyenangkan. Riset dan waktu yang selalu menjadi penghalang saat memulai proyek pribadi berkurang, jadi saya bisa mengerjakan jauh lebih banyak proyek daripada dulu
    Belakangan saya sedang tergila-gila pada air berkarbonasi dan sedang membuat alat karbonasi kontinu sendiri. Ini build lengkap dari sumber air sampai keran, termasuk pompa, tekanan, level air, dan kipas pendingin yang dikendalikan ESP32
    Ia menemukan banyak kesalahan di keranjang belanja saya. Misalnya, dunia homebrew menyukai selang 8 mm, sedangkan sistem penyaringan air memakai 9,5 mm. Saya mengoptimalkannya dari pompa on-off sederhana dan sakelar pelampung menjadi versi yang pada dasarnya mendekati sistem PLC penuh. Saya mendapat banyak iterasi lewat percakapan dengan “orang yang lebih berpengalaman”. Begitu komponennya datang, saya bisa merakit dan menjalankan software-nya dalam satu jam
    Tidak menghasilkan uang, tapi benar-benar menyenangkan
  • Saya mulai memprogram hanya karena ingin membuat sesuatu. Coding hanyalah sarana untuk mencapai tujuan. Jangan terlalu terpaku pada “bagaimana”; lebih baik pikirkan mengapa dan apa yang ingin dibuat
  • Kalau Anda membuat produk yang memakai LLM, bagian yang menyebalkan adalah pada titik tertentu tuas yang bisa ditarik untuk memperbaiki masalah akan habis
    Cara terbaik adalah menumpuk hack demi hack untuk mencegah output yang tidak diinginkan, tetapi pada akhirnya jika LLM memutuskan tidak mau mengikuti instruksi, tidak banyak yang bisa dilakukan selain menambahkan *IMPORTANT* dan berharap model berikutnya memperbaikinya
    Pengalaman ini jauh lebih mirip bekerja dengan API eksternal yang tidak bisa dikendalikan dan tidak berjalan sesuai dokumentasi. Hal seperti itu dulu juga merupakan bagian paling menjengkelkan dalam pemrograman, tetapi setidaknya dulu kita bisa merekayasa balik implementasi sebenarnya untuk mengakali bug. Sekarang “batas” itu berubah secara acak setiap hari, sehingga itu pun mustahil
  • Jujur rasanya pahit melihat orang-orang yang dulu berkata “saya tidak peduli kenapa kalkulator tidak berfungsi di Prancis, saya hanya memperbaikinya karena dibayar” seolah mendapat pembenaran dari kemajuan teknologi
  • Akuntansi mutlak diperlukan karena urusan legal dan kepatuhan, jadi akuntan sangat dibutuhkan. Anda bisa bergabung hari ini juga

• Menaruh panduan gaya sederhana di CLAUDE.md atau AGENTS.md, atau sekadar menulis “dilarang emoji”, hanya butuh 5 detik, dan itu membuat output LLM jauh lebih tertahankan. Panduan gaya sederhana berisi kata dan frasa terlarang juga membantu
  Tentu saja asumsi yang keliru tidak akan terselesaikan dengan cara itu. Itu harus ditangkap dengan cara lama: membaca teliti dan berpikir kritis

  • Benar sekali! Mau saya tuliskan file Markdown itu untuk Anda?
  • Sebagai catatan, ketika saya memperlakukan ChatGPT seperti programmer pasangan untuk bertukar ide desain, meminta kode implementasi, dan menyarankan refactoring, ia sama sekali tidak memakai emoji
    Tetapi ketika saya meminta analisis data atau pemodelan, emoji bermunculan di mana-mana
    Melihat hal-hal yang saya lihat di GitHub sekitar setahun terakhir, saya sama sekali tidak akan pernah terpikir membiarkan LLM menulis README atau dokumentasi proyek tanpa pengawasan