Vibe coding, AI, dan realitas baru rekayasa perangkat lunak

Sepuluh tahun yang lalu, ide bahwa AI dapat menulis kode menggantikan 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 anggota penuh dalam tim rekayasa perangkat lunak.

Dengan latar belakang ini, semakin banyak orang mengajukan pertanyaan yang sama: Apakah AI benar-benar menggantikan programmer? Dapatkah kecerdasan buatan benar-benar menyamai kemampuan dan menggantikan insinyur senior? Dan apa yang akan terjadi pada profesi ini dalam waktu dekat?

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

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 batas: skenario langka dan tidak biasa yang muncul di berbagai bagian rekayasa perangkat lunak dan sering kali sulit diprediksi sebelumnya oleh para pengembang.

Ketika programmer mengatakan, “Saya ingin tombol di sini”, mereka mendapatkan respons: “Ini tombol, ini 18 kasus batas 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 terjadi masalah dalam lingkungan 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 kompeten mengkhawatirkan posisi mereka, tempat di pasar, dan pendapatan. Terasa seperti tidak akan ada pekerjaan lagi bagi programmer.

Dan jawaban saya biasanya: teman-teman, situasinya mungkin tidak sedramatis kelihatannya. 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 secara mendalam cara kerja internal sistem. 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 sepenuhnya baik-baik saja. 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 manusia dan pertimbangan rekayasa.

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 secara mendalam, mengidentifikasi akar penyebab, dan memulihkan logika sistem secara keseluruhan.

Saya sering menerima panggilan dari teman-teman yang mengatakan hal-hal seperti: “Michael, bisakah Anda turun tangan 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 kompeten akan tetap sangat berharga untuk waktu yang lama. Pada saat yang sama, sering kali insinyur berpengalamanlah 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 mendidik generasi insinyur berikutnya 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 kemungkinan besar yang paling jujur adalah bahwa sangat sedikit orang saat ini benar-benar memikirkan masa depan sejauh itu. Karena tidak ada yang benar-benar memahami bagaimana masa depan itu akan terlihat dalam praktik.

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 (AAPL ), Microsoft (MSFT ), dan Google terus-menerus merekrut peneliti unggul, spesialis bergelar doktor, dan orang-orang dari lingkungan akademis. Itu kemungkinan besar 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 berlubang. 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 bagian yang signifikan dari 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 secara mendalam bagaimana teknologi generasi sebelumnya bekerja. Dari waktu ke waktu, pengetahuan menjadi tertanam dalam infrastruktur itu sendiri.

Kartu berlubang 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 sedalam pemahaman kita.

• Ekonomi pasar

Hipotesis lain yang saya miliki adalah bahwa vibe coding – 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 biaya dan manfaat sebenarnya di baliknya.

Model, token, infrastruktur, permintaan konstan, pemeliharaan seluruh alur kerja 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 mengajukan 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 dalam hal pemeliharaan, pengembangan, dan dukungan produk dalam jangka panjang.

Namun, saya pikir ini sebenarnya di mana tim teknik baru mungkin muncul: kelompok yang sangat kecil berisi para spesialis yang sangat berpengalaman dan berfokus menjaga stabilitas serta 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 insinyur berikutnya kemungkinan besar akan harus membangun karier 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 bagian yang signifikan dari pekerjaan intelektual rutin.

Meskipun semua ini, saya masih cenderung memandang apa yang terjadi dengan cukup 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 mengemudi 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 programmer, 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 menemukan keseimbangan dengannya, berkomunikasi dengannya, dan mungkin bahkan mengembangkan bentuk baru hidup berdampingan.