Kodifikasi Vibe, AI, dan Kenyataan Baru dalam Teknik

Sepuluh tahun yang lalu, ide bahwa AI dapat menulis kode bukan oleh programmer terdengar seperti fantasi yang menarik. Hari ini, itu telah menjadi bagian dari kenyataan sehari-hari. MVP dibangun dalam beberapa hari, antarmuka dihasilkan dari prompt teks, dan asisten AI menjadi peserta penuh dalam tim teknik.

Melawan latar belakang ini, lebih banyak orang bertanya pertanyaan yang sama: Apakah AI benar-benar menggantikan programmer? Dapatkah kecerdasan buatan benar-benar sesuai dan menggantikan insinyur senior? Dan apa yang akan terjadi pada profesi di masa dekat?

Saya sendiri adalah pengembang, dan saya memiliki pendapat tentang hal ini. Mari kita pecahkan.

Apa inti masalahnya?

Ada narasi dominan tentang pemrograman AI yang berbunyi seperti ini:

AI menjadi sangat efektif dalam menulis kode dan, yang penting, sudah menghindari banyak kesalahan umum yang dilakukan manusia. Lebih menarik lagi, AI mungkin lebih baik dalam menangani kasus-kasus tepi: skenario langka dan tidak biasa yang ada di bidang teknik perangkat lunak dan sering kali sulit untuk diprediksi sebelumnya.

Ketika programmer mengatakan, “Saya ingin tombol di sini”, mereka mendapatkan respons: “Ini tombol, ini 18 kasus tepi yang harus Anda pertimbangkan, ini tes yang perlu Anda jalankan, dan oh, Anda mungkin juga ingin menambahkan ini dan itu.” Anda mungkin melihatnya dan berpikir: “Ya… itu sebenarnya masuk akal.” Sendiri, Anda mungkin menyadari masalah-masalah itu beberapa minggu kemudian – setelah sesuatu telah salah di produksi. AI sering menyarankan solusi segera. Untuk insinyur yang sudah memiliki pekerjaan, itu secara signifikan meningkatkan produktivitas dan efisiensi.

Dan narasi ini langsung menuju pertanyaan ekonomi: jika perusahaan sebelumnya membutuhkan 100 pengembang untuk menangani beban kerja tertentu, secara teoretis sekarang mereka mungkin hanya membutuhkan 20 – karena 20 orang tersebut dapat menyelesaikan jumlah pekerjaan yang sama dengan bantuan AI.

Apa yang tersembunyi di balik percepatan ini?

Semakin sering, saya melihat insinyur perangkat lunak yang sangat kuat takut akan posisi mereka, tempat di pasar, dan pendapatan. Terasa seperti tidak akan ada pekerjaan lagi bagi pengkode.

Dan jawaban saya biasanya: pria-pria, itu tidak sepenting yang terlihat. Pada kenyataannya, insinyur berpengalaman sedang mendapatkan nilai baru sekarang. Karena kita mungkin salah satu generasi terakhir pengembang yang benar-benar menulis kode dengan tangan dan memahami bagaimana sistem bekerja di bawah tudung. Generasi berikutnya semakin banyak bekerja melalui alat-alat AI – dan bersamaan dengan itu, praktik teknik itu sendiri berubah.

Inilah yang tidak dipertimbangkan oleh narasi sebelumnya:

Kode yang dihasilkan AI sering terlihat sempurna. Tugas-tugas diselesaikan, antarmuka bekerja, dan semuanya berjalan. Namun, dari waktu ke waktu, masalah-masalah yang lebih halus mulai muncul: kompromi arsitektur, keputusan teknik yang lemah, masalah dengan struktur data, atau masalah skalabilitas. Dan itu terjadi karena AI sudah sangat baik dalam menyelesaikan tugas-tugas lokal, sementara logika jangka panjang sistem besar masih memerlukan pengalaman dan penilaian insinyur.

Itulah mengapa, ketika proyek-proyek ini mencapai lingkungan produksi yang serius – bank, platform e-commerce, layanan skala besar – tim akhirnya masih membutuhkan orang-orang yang dapat menganalisis arsitektur, mengidentifikasi penyebab akar, dan memulihkan logika sistem secara keseluruhan.

Saya sering menerima panggilan dari teman-teman yang mengatakan hal-hal seperti: “Michael, bisakah Anda melompat dan membantu kami memahami mengapa sistem mulai runtuh?” Meskipun hari ini saya bekerja pada Physical AI di Introspector, saya masih terkadang membantu dengan jenis pekerjaan teknik manual yang sulit: merekonstruksi logika sistem, menganalisis arsitektur, dan mencari tahu di mana masalah mulai menumpuk.

Dan itulah mengapa saya percaya insinyur yang kuat akan tetap sangat berharga untuk waktu yang lama. Pada saat yang sama, itu sering insinyur berpengalaman yang membantu meningkatkan dan melatih model AI hari ini. Di Keymakr, kami melihat ini secara langsung ketika mencari pengembang berpengalaman untuk memvalidasi kode dan membantu melatih model – orang-orang yang dapat mengandalkan pemikiran teknik yang nyata, pengalaman praktis, dan pemahaman yang mendalam tentang bagaimana sistem berperilaku di dunia nyata.

Hipotesis utama

Dan ini membawa kita ke pertanyaan terbesar tentang masa depan: ke mana semua ini akhirnya menuju? Bagaimana kita tumbuhkan generasi berikutnya insinyur jika mereka memasuki industri melalui jalur yang sama sekali berbeda dari awal?

Jika kita melihat situasi secara objektif, tanpa sensasi atau ketakutan, saya melihat beberapa skenario yang mungkin.

• Masa depan yang tidak jelas

Jawaban pertama dan mungkin yang paling jujur adalah bahwa sangat sedikit orang saat ini benar-benar berpikir tentang hal itu. Karena tidak ada yang benar-benar memahami bagaimana masa depan itu akan terlihat dalam praktek.

Mungkin, dalam beberapa tahun, agen AI benar-benar akan mampu menulis kode yang hampir sempurna – dengan arsitektur yang kuat, skalabilitas, dan pemahaman kontekstual. Saat ini, pertanyaan itu masih sepenuhnya terbuka.

Pada saat yang sama, perusahaan teknologi besar seperti Apple, Microsoft, dan Google terus-menerus merekrut peneliti kuat, spesialis PhD, dan orang-orang dari lingkungan akademis. Itu mungkin menunjukkan bahwa mereka percaya pemahaman teknik yang mendalam akan tetap penting bahkan di dunia di mana sebagian besar kode dihasilkan secara otomatis.

Perusahaan yang lebih kecil, bagaimanapun, sering beroperasi dengan cakrawala perencanaan yang sangat berbeda. Ketika Anda tidak tahu apakah startup Anda masih akan ada dalam enam bulan, itu menjadi sulit untuk serius memikirkan apa yang mungkin terjadi sepuluh tahun dari sekarang. Tentu saja, tidak ada yang sengaja ingin membangun sesuatu yang fondasinya rusak. Tim masih mencoba mengidentifikasi risiko dan kelemahan potensial.

Namun, dalam kenyataan, logika sering kali lebih sederhana: pertama, bangun produk yang berfungsi dan menghasilkan pendapatan – lalu urusi arsitektur, optimasi, dan menulis ulang sistem nanti. Masalahnya adalah bahwa, dalam banyak proyek, “nanti” terus-menerus ditunda tanpa batas.

• Evolusi dalam spiral

Jawaban kedua, menurut pendapat saya, bahkan lebih menarik. Jika Anda melihat sejarah industri, itu telah melewati transisi serupa banyak kali sebelumnya. Programmer pertama bekerja dengan kartu punched. Lalu datang generasi insinyur yang menulis dalam Assembly – sesuatu yang sudah sulit bagi banyak pengembang modern untuk membayangkannya. Di masa lalu, Anda harus benar-benar memahami bagaimana perangkat keras bekerja, berpikir dalam logika prosesor, dan menyimpan sejumlah besar kompleksitas tingkat rendah di kepala.

Lalu datang era COBOL. Seluruh mainframe perbankan dibangun di atasnya, dan bagian yang paling mengejutkan adalah bahwa sebagian besar infrastruktur perbankan global masih berjalan pada sistem lama itu hari ini. Masih ada programmer di usia 60-an dan 70-an yang memelihara basis kode tersebut, dan mereka tetap menjadi spesialis yang sangat berharga.

Generasi berikutnya pindah ke C++, Python, dan JavaScript. Saya sendiri berasal dari era itu. Misalnya, saya hampir tidak memahami bagaimana COBOL bekerja. Secara teori, saya bisa belajar – tetapi bagi saya itu sudah terasa seperti sesuatu yang jauh dan asing.

Dan ketika Anda melihat ini secara historis, pola yang menarik muncul: setiap generasi baru insinyur tidak lagi perlu memahami bagaimana teknologi generasi sebelumnya bekerja. Dari waktu ke waktu, pengetahuan menjadi tertanam dalam infrastruktur itu sendiri.

Kartu punched telah lama menghilang – logikanya sekarang terintegrasi ke dalam prosesor. Assembly sebagian besar menghilang sebagai alat utama karena kompleksitasnya menjadi tersembunyi di dalam sistem operasi, driver, dan abstraksi tingkat rendah. Bahkan headphone Anda hari ini kemungkinan besar berisi sistem operasi kecil yang menjalankan semua kompleksitas tersembunyi di latar belakang – kebanyakan orang hanya tidak pernah memikirkannya.

Tentu saja, masih ada spesialis yang memahami semua sihir tingkat rendah ini. Namun bagi sebagian besar industri, itu telah menjadi lapisan abstraksi.

Dan itu membawa kita ke ide yang sangat logis: mungkin AI hanya tahap berikutnya dari evolusi ini. Mungkin generasi berikutnya tidak perlu memahami pemrograman klasik sebaik kita.

• Ekonomi pasar

Hipotesis lain yang saya miliki adalah bahwa pengkodean vibe – atau pengembangan yang dibantu AI – akhirnya akan berhenti dianggap sebagai “percepatan gratis.” Pada kenyataannya, itu sudah tidak sepenuhnya gratis; itu hanya bahwa, untuk sekarang, tidak semua orang dengan hati-hati menghitung ekonomi sebenarnya di baliknya.

Model, token, infrastruktur, permintaan konstan, memelihara seluruh pipa AI – semua ini secara bertahap menjadi biaya operasional yang signifikan. Itulah mengapa saya percaya perusahaan akan segera mulai melihat lebih dekat biaya sebenarnya dari pengembangan yang dibantu AI dan bertanya pertanyaan yang sangat pragmatis: apa yang sebenarnya lebih efisien – memperluas tim teknik atau memelihara seluruh infrastruktur AI di sekitar pengembangan?

Skenario yang sangat realistis adalah bahwa tim teknik yang kuat mungkin akhirnya terbukti lebih berkelanjutan secara ekonomi, terutama ketika datang ke pemeliharaan, evolusi, dan dukungan produk jangka panjang.

Namun, saya pikir ini sebenarnya di mana tim teknik baru mungkin muncul: kelompok kecil spesialis berpengalaman yang sangat fokus pada memelihara stabilitas dan ketahanan infrastruktur itu sendiri. Dari waktu ke waktu, ini mungkin menjadi salah satu spesialisasi teknik paling berharga di industri.

• Orang-orang yang akan bekerja bersama AI

Dan asumsi terakhir – meskipun sangat realistis – adalah bahwa generasi berikutnya insinyur kemungkinan besar akan harus membangun karir mereka dalam lingkungan yang sama sekali berbeda. Dan ini jauh melampaui pemrograman saja. Perubahan serupa sudah mulai membentuk kembali hukum, keuangan, kedokteran, dan hampir setiap bidang di mana AI dapat mengambil alih sebagian besar pekerjaan intelektual rutin.

Meskipun semua ini, saya masih cenderung memandang apa yang terjadi dengan sangat positif. Mungkin karena, secara keseluruhan, saya benar-benar menyukai kemajuan. Saya menyukai gagasan bahwa teknologi dapat memperbaiki kehidupan orang, membebaskan manusia dari sejumlah besar pekerjaan berulang, dan membuat banyak proses lebih aman dan lebih efisien.

Misalnya, sistem pengemudi otonom seperti Tesla atau Waymo sudah menunjukkan tingkat keselamatan yang luar biasa dalam banyak skenario dibandingkan dengan pengemudi manusia. Dan itu benar-benar mengesankan.

Pada saat yang sama, dunia yang anak-anak kita masuki akan jauh lebih rumit dalam hal identitas profesional. Mereka akan harus mencari tempat dan tujuan mereka dalam lanskap yang berubah dengan cepat.

Jika seorang anak hari ini ingin menjadi pengacara, analis keuangan, atau pengembang, ada kemungkinan besar bahwa profesi tersebut akan terlihat sangat berbeda di masa depan. Mungkin mereka akan menjadi spesialis yang bekerja erat dengan AI hukum, AI keuangan, atau AI pengkodean – orang-orang yang mengoperasikan sistem AI, memvalidasi output, menyediakan konteks, dan membuat keputusan kunci.

Saya pikir itu penting untuk mengakui bahwa hampir setiap skenario ini sudah terasa realistis hari ini. Dan apakah kita suka atau tidak, semua yang terjadi sekarang adalah bagian dari gelombang kemajuan teknologi yang jauh lebih besar. Sangat tidak mungkin bahwa proses ini dapat dihentikan. Yang berarti kita akan harus belajar bagaimana hidup di dunia baru ini – secara bertahap belajar bagaimana menyeimbangkannya, berkomunikasi dengannya, dan mungkin bahkan mengembangkan bentuk baru koeksistensi di sampingnya.