Perusahaan Otonom

• Replit mendefinisikan organisasi tempat manusia menentukan tujuan, prioritas, dan trade-off, sementara beberapa agen AI mengumpulkan konteks yang diperlukan untuk menjalankan tugas, memverifikasi, dan melakukan eskalasi, sebagai perusahaan otonom (The Self-Driving Company)
• Agen tidak dibiarkan hanya berada di editor atau alat chat, melainkan dihubungkan ke sistem internal perusahaan; setiap karyawan diberi agen pengelola yang menjalankan beberapa sub-agen secara paralel, sehingga memperluas loop engineering yang mengulang pekerjaan yang dapat diverifikasi
• Dari awal Januari hingga akhir Juni 2026, total kontribusi kode meningkat 5,8 kali, dan output per orang pada kelompok engineer yang sama meningkat 2,9 kali, tetapi keterlambatan code review, revert, dan insiden tidak meningkat; waktu review PR oleh manusia berkurang 30%
• Pemanfaatan agen meluas ke analisis data, sales, marketing, dan customer support, membantu pembuatan metrik dan materi secara real-time, riset prospek, pembuatan dokumen peluncuran, serta investigasi tiket support; waktu penyelesaian tiket support sulit yang ditangani manusia berkurang 60%
• Karena agen internal menunjukkan biaya yang lebih rendah dan integrasi yang lebih tinggi dibanding sebagian alat komersial, pertimbangan build vs buy juga berubah; Replit ingin menyediakan cara operasi ini kepada pengguna dalam bentuk yang dilengkapi kontrol kebijakan, izin, keamanan, dan biaya

---

Organisasi otonom dengan manusia yang menentukan tujuan

• Perusahaan otonom bukan organisasi tanpa manusia, melainkan organisasi tempat manusia memilih tujuan, menentukan masalah penting, trade-off sulit, dan preferensi, serta bertanggung jawab atas hasil
• Manusia tidak menjalankan sendiri setiap langkah detail untuk mencapai tujuan; agen menerima tujuan, mengumpulkan konteks, mengerjakan tugas, memeriksa hasil, lalu hanya mengeskalasi titik yang membutuhkan penilaian manusia
• Agen Replit digunakan untuk investigasi insiden produksi, review PR, tanya jawab internal, analisis data bisnis, klasifikasi tiket support, riset akun sales, dan peningkatan Replit Agent itu sendiri
• Karyawan menilai peran mereka bukan terotomasi, melainkan terbebas dari pekerjaan repetitif dan beralih menangani penilaian strategis serta kreatif

Perubahan yang dimulai saat pekerjaan jangka panjang menjadi mungkin

• Sejak akhir 2025, ketika model mulai mampu terus bekerja dalam durasi lebih lama, klasifikasi alert dan investigasi akar masalah yang sebelumnya berulang kali gagal mulai berjalan
• Setelah AI bahkan menangani bug yang sulit diselesaikan, agen tidak lagi dipandang sebagai alat di dalam editor atau jendela chat, melainkan mulai diintegrasikan langsung ke struktur operasi perusahaan
• Setelah efektivitasnya terbukti di engineering, setiap tim menyerahkan pekerjaan membosankan kepada agen, sehingga penggunaannya meluas ke seluruh organisasi

Infrastruktur agen internal yang terhubung ke sistem perusahaan

• Mulai akhir Januari 2026, Replit memperluas infrastruktur agar use case agen internal dapat dieksperimenkan dengan cepat
• Dengan menggunakan agent harness, microVM, dan filesystem jarak jauh yang sudah ada, engineer dapat mengorkestrasi beberapa agen secara paralel
• Setelah menerapkan kebijakan akses, proxy token, audit log, dan jaringan Zero Trust, Replit mengizinkan akses ke sistem kerja seperti GitHub, GCP, Azure, Linear, Notion, Slack, dan ZenDesk
• Setelah konteks dari beberapa sistem dapat digunakan bersama, eksperimen yang sebelumnya gagal menjadi mungkin dijalankan, dan produksi kode meningkat cepat

Peningkatan produksi kode dan metrik kualitas

• Selama sprint Maret 2026 saat menyiapkan peluncuran Agent 4, kurva produktivitas naik ke tingkat yang berbeda dari sebelumnya, dan Replit mengaitkannya dengan adopsi sistem agen internal
• Dari awal Januari hingga akhir Juni 2026, jumlah baris kontribusi kode meningkat 5,8 kali
  • Bahkan setelah menghilangkan efek rekrutmen baru dan hanya membandingkan kelompok penulis yang sama, produksi kode meningkat 2,9 kali
  • Sambil menggandakan ukuran tim, output per engineer meningkat sekitar tiga kali lipat
• Latensi code review tidak meningkat
  • Agen menilai tingkat risiko dan hanya memanggil reviewer manusia kedua jika diperlukan
  • Lebih dari 30% waktu review PR oleh manusia berhasil dihemat, dan porsinya terus meningkat
• Rasio revert PR dan tren insiden tetap datar
  • Reviewer manusia menemukan lebih banyak bug dengan bantuan co-review oleh agen
  • Mean time to mitigation (MTTM) menurun karena agen investigasi insiden menelusuri akar masalah
• Kecepatan penyelesaian proyek yang diukur di Linear juga meningkat besar bersama produksi kode, sehingga tambahan kode benar-benar berujung pada peluncuran fitur

Loop engineering yang menjalankan beberapa agen secara berulang

• Semua karyawan menggunakan agen pengelola yang dapat membuat beberapa sub-agen, dan dapat mengonfigurasi agar beberapa agen mengulang pekerjaan yang dapat diverifikasi
• Contoh pemanfaatan sekumpulan agen mengubah asumsi tentang pekerjaan apa yang mungkin dilakukan
  • Menyelesaikan migrasi sistem CSS yang lama terhenti
  • Mengotomatiskan migrasi yang memungkinkan lokalisasi produk
  • Mengotomatiskan pemeliharaan test yang tidak stabil
  • CTO menyelesaikan bug jaringan sulit terkait PSC dan penutupan file descriptor dengan sekumpulan agen
• Tim AI membangun sistem pembelajaran berkelanjutan yang menganalisis feedback pengguna, mengusulkan perbaikan, lalu memverifikasi hasilnya dengan benchmark dan A/B test
• Melalui sistem ini, Replit Agent memiliki siklus yang membuatnya memperbaiki diri sendiri berdasarkan feedback

Perubahan dalam pertimbangan build vs buy

• Karena agen internal terintegrasi mendalam dengan knowledge base dan sistem kerja serta dikustomisasi untuk perusahaan, muncul kasus ketika agen ini lebih berguna daripada solusi komersial eksternal
• Replit menilai aplikasi yang dibuat secara internal lebih unggul, sehingga membatalkan kontrak SaaS tahunan bernilai tujuh digit dolar; karyawan pun sudah berpindah ke alat internal
• Dibandingkan produk eksternal yang terspesialisasi untuk tugas tertentu, agen internal juga menunjukkan daya saing
  • Alat klasifikasi alert dan analisis akar masalah insiden memberikan kualitas serupa, tetapi biaya eksekusinya 10 kali lebih tinggi daripada agen internal
  • Alat penetration testing otomatis menemukan lebih sedikit kerentanan daripada versi internal, dengan biaya 10 kali lebih tinggi
• Kedua alat internal tersebut sudah dideploy ke produksi, mengurangi MTTM insiden dan memperkuat pertahanan terhadap serangan pada sistem inti

Peralihan analisis data ke self-service

• Ketika karyawan lain melihat engineer meminta pekerjaan kepada agen di Slack, penggunaan meluas ke luar engineering
• Pada tahap awal, penggunaan paling umum adalah menggabungkan kondisi knowledge base dan codebase untuk menanyakan perilaku produk serta ekspektasi
• Karyawan dapat memeriksa informasi produk tanpa menunggu jawaban engineer, lalu memperbaiki copy atau dokumen sendiri
• Tim data menyediakan semantic layer di atas data warehouse agar agen memahami tabel data acuan dan relasi antar tabel
  • Semua karyawan dapat memperoleh jawaban atas pertanyaan business intelligence dan membuat chart serta materi presentasi dengan data real-time
  • Tim data dapat fokus pada masalah yang lebih sulit, bukan permintaan berulang
• Seorang product manager melakukan analisis peluncuran sendiri dengan menggabungkan event di codebase, cara event dicatat di customer data platform, dan status langganan yang kompleks
• Semua chart yang disertakan dalam artikel juga dibuat menggunakan agen internal

Perubahan pada sales, marketing, dan customer support

• Tim sales development memanfaatkan pengetahuan internal untuk menemukan dan memperkaya informasi product-qualified lead
  • Mereka membuat outreach yang lebih spesifik dengan memanfaatkan konteks yang tidak dapat diakses alat sales umum
• Saat menyiapkan percakapan dengan pelanggan, sales rep meneliti nilai produk bagi masing-masing pelanggan, proyek aktif, dan penggunaan kredit dibanding kontrak
  • Hasil analisis otomatis disusun menjadi materi presentasi bermerek untuk tiap akun
  • Jumlah dan kualitas touchpoint pelanggan sama-sama meningkat
• Tim marketing menyusun draf spesifikasi produk dari satu prompt berdasarkan percakapan dan dokumen tim engineering/produk
  • Mereka dapat mulai menyiapkan peluncuran lebih awal dan mengikuti perubahan tanpa harus hadir di semua rapat
  • Waktu yang diperoleh digunakan untuk perencanaan dan pekerjaan kreatif
• Tim customer support menambahkan kemampuan investigasi masalah berdasarkan prosedur standar ke agen
  • Agen mengusulkan jawaban dengan gaya komunikasi pelanggan standar, atau mengeskalasi ke tim engineering dengan ringkasan tiket dan hasil investigasi
  • Waktu penyelesaian tiket sulit yang dialihkan ke manusia berkurang 60%

Lingkungan kerja otonom untuk pengguna

• Replit memandang operasi otonom bukan sebagai penghapusan pelaksana, melainkan peralihan peran menjadi pendefinisi hasil dan penentu arah
• Untuk menyediakan cara ini kepada pengguna enterprise dan founder di Replit, Replit sedang mengembangkan fitur kebijakan, izin, keamanan, dan kontrol biaya
• Untuk diterapkan pada pengguna yang menjalankan bisnis nyata, Replit menilai perlu adanya guardrail yang dapat diskalakan sesuai ukuran organisasi