Insinyur 10x Baru Tidak Menulis 10x Kode. Mereka Membangun Sistem Yang Menulisnya.

Insinyur 10x telah menjadi mitos di Lembah Silikon selama beberapa dekade. Jenius tunggal, headphone di telinga, memproduksi kode yang elegan dengan kecepatan superhuman. Kami telah mendebatkan apakah mereka ada, berargumen tentang bagaimana merekrut mereka, dan diam-diam membenci siapa saja yang mengklaim menjadi salah satu dari mereka.

Tapi sesuatu yang menarik terjadi di jalan menuju masa depan AI-pertama: insinyur 10x menjadi nyata. Mereka hanya terlihat tidak seperti yang kita bayangkan.

OpenAI baru-baru ini berbagi tentang bagaimana tim tiga orang menggunakan Codex untuk mengirim 1.500 permintaan tarik dan sekitar satu juta baris kode, tanpa menulis satu baris kode secara manual. Tiga insinyur, dan tidak ada kode yang ditulis secara manual. Produk produksi yang digunakan oleh ratusan pengguna internal.

Itu tidak 10x; itu lebih dekat dengan 100x. Dan keterampilan yang membuatnya memungkinkan tidaklah mengetik lebih cepat atau mengetahui lebih banyak algoritma. Itu adalah membangun sistem yang membuat agen AI produktif: alur kerja, pengaman, loop verifikasi, antarmuka yang agen masuki dan manusia tinjau melalui.

Saya percaya ini adalah munculnya fungsi kunci baru di organisasi teknik. Saya akan menyebutnya sebagai Teknik Orkestrasi AI.

Tiga Disiplin Ilmu Masuk ke Standup

Jika Anda memandang apa yang sebenarnya dilakukan oleh Insinyur Orkestrasi AI, Anda akan mengenali tiga disiplin ilmu yang familiar yang dilebur menjadi satu.

Bahan paling jelas adalah DevOps. DevOps mengentralisasi pipa pengiriman. Satu tim mengkonfigurasi alur kerja CI/CD yang setiap insinyur gunakan ketika mengirim kode. Teknik Orkestrasi AI melakukan hal yang sama, tetapi untuk alur kerja agen. Ini mendefinisikan bagaimana tugas ditugaskan kepada agen, bagaimana output divalidasi, bagaimana retry dan fallback bekerja. Ini adalah infrastruktur bersama yang agen jalankan.

Kemudian ada arsitektur, yang tumpang tindih dengan DevOps lebih dari yang Anda harapkan. Arsitek memutuskan antarmuka mana yang dikunci, pola mana yang ditegakkan, batas mana yang tidak dapat dilintasi. Dalam dunia agen-pertama, ini sangat penting. Agen memerlukan kodebase yang bersih, didokumentasikan dengan baik, dengan kontrak yang jelas. Insinyur Orkestrasi AI mendefinisikan batasan-batasan tersebut, tidak hanya untuk keterbacaan manusia, tetapi juga untuk pemahaman agen. Repositori yang kacau tidak hanya hutang teknis lagi. Ini adalah batas produktivitas untuk setiap agen yang menyentuhnya.

Bagian yang paling tidak dipahami adalah lapisan AI-spesifik. Teknik pengembangan prompt, manajemen konteks, pemilihan model, konfigurasi agen. Hari ini, sebagian besar insinyur melakukan ini dengan cara yang tersebar, tugas-per-tugas. Setiap orang menemukan gaya prompting mereka sendiri, pengaturan agen mereka sendiri, solusi mereka sendiri. Insinyur Orkestrasi AI mengentralisasi ini. Mereka membangun buku pegangan bersama, konfigurasi yang dapat digunakan kembali, pengetahuan organisasi tentang apa yang berhasil dan apa yang tidak di seluruh model dan kasus penggunaan.

Terpisah, tiga fungsi ini ada di sebagian besar organisasi teknik hari ini. Argumennya adalah bahwa menggabungkan mereka menjadi satu peran terpusat menciptakan sesuatu yang secara kualitatif berbeda.

Metafora Showrunner

Seorang sutradara film tidak mengoperasikan kamera, tidak berakting dalam adegan, tidak menyunting footage. Namun setiap bingkai mencerminkan keputusan mereka.

Mereka memilih komposisi shot, ritme, nada. Mereka memutuskan kapan harus mendorong ke depan dan kapan harus menarik ke belakang. Mereka mengatur lingkungan (pencahayaan, desain set, blocking) sehingga setiap orang di set dapat melakukan pekerjaan terbaik mereka dalam visi yang koheren. Kru sangat berbakat, tetapi tanpa koordinasi tersebut, Anda akan mendapatkan kekacauan yang tidak pernah dikirim.

Teknik Orkestrasi AI bekerja dengan cara yang sama. Agen-agen sangat mampu. Model-model sangat kuat. Namun tanpa seseorang yang merancang sistem yang mengoordinasikan mereka, mendefinisikan batasan-batasan, membangun loop umpan balik, mengatur alur kerja, Anda akan mendapatkan apa yang telah kita alami semua: output yang tidak konsisten, komputasi yang terbuang, agen bekerja pada tujuan yang berbeda, dan insinyur menghabiskan lebih banyak waktu untuk memperbaiki kode yang dihasilkan AI daripada yang mereka habiskan untuk menulisnya sendiri.

Sutradara membuat film yang lebih besar dari jumlah bagian-bagiannya. Insinyur Orkestrasi AI melakukan hal yang sama untuk armada agen.

Mengapa Sebagian Besar Organisasi Berinvestasi Terlalu Sedikit

Inilah yang saya lihat di seluruh industri: perusahaan berinvestasi besar-besaran dalam alat AI dan tidak cukup dalam sistem di sekitarnya.

Insinyur mendapatkan akses ke Copilot, Claude, Codex. Mereka bereksperimen secara individual. Beberapa menjadi pengguna daya. Sebagian besar mencapai tahap “autocomplete mewah”. Keuntungan produktivitas 20% yang dilaporkan studi? Itu adalah gejala adopsi alat tanpa pemikiran sistem.

Organisasi yang memecahkan, yang melaporkan throughput 2x atau lebih, memiliki sesuatu yang sama. Mereka telah mengentralisasi pekerjaan orkestrasi. Seseorang (atau tim) memiliki alur kerja agen, persiapan repositori, infrastruktur verifikasi, konteks bersama yang setiap agen dapat akses.

Apa Peran yang Sebenarnya Terlihat

Hari kerja Insinyur Orkestrasi AI mungkin termasuk:

• Merancang alur kerja agen: mendefinisikan bagaimana permintaan fitur menjadi spesifikasi, menjadi rencana, menjadi tugas agen paralel, menjadi kode yang ditinjau dan digabungkan.
• Membangun infrastruktur verifikasi: tes otomatis, aturan pelintiran, pemindaian keamanan, dan kerangka evaluasi yang agen harus lulus sebelum pekerjaan mereka digabungkan.
• Memelihara kesehatan repositori untuk konsumsi agen: dokumentasi, antarmuka yang jelas, manajemen ketergantungan, dan penyederhanaan kodebase, semua dioptimalkan untuk pemahaman agen, bukan hanya keterbacaan manusia.
• Mengentralisasi strategi prompt dan konteks: sistem prompt bersama, pipa pengambilan, keputusan pengaturan model, dan templat konfigurasi yang tim gunakan.
• Memantau dan meningkatkan kinerja agen: melacak tingkat keberhasilan, mode kegagalan, biaya per tugas, dan waktu-ke-gabungkan di seluruh armada agen, lalu menyetel sistem berdasarkan data.

Orang ini duduk di persimpangan teknik platform, arsitektur perangkat lunak, dan keahlian AI. Mereka tidak menulis fitur. Mereka membangun sistem yang membuat pengiriman fitur cepat, andal, dan scalable.

Polanya Historis

Di hari-hari awal komputasi awan, pengiriman adalah misi sampingan setiap insinyur. Setiap tim memiliki skrip mereka sendiri, konfigurasi server mereka sendiri, cara mereka sendiri untuk mendapatkan kode ke produksi. DevOps muncul untuk mengentralisasi pekerjaan ini, dan Teknik Platform berkembang untuk membangunnya menjadi infrastruktur bersama, self-service.

AI mengikuti busur yang sama. Saat ini, penggunaan agen adalah misi sampingan setiap insinyur. Setiap orang memiliki gaya prompting mereka sendiri, preferensi alat mereka sendiri, model mental mereka sendiri tentang kapan AI membantu dan kapan tidak. Organisasi yang mengentralisasi ini, yang memperlakukannya sebagai infrastruktur daripada eksperimen individual, akan mendahului dengan cara yang sama seperti organisasi dengan praktik DevOps yang matang mengungguli mereka yang tidak.

Perbedaannya adalah kecepatan. Transisi DevOps memakan waktu satu dekade. Yang satu mungkin memakan waktu beberapa kuarta, meskipun saya akan mengakui bahwa prediksi ini mengasumsikan organisasi mengenali pola lebih cepat daripada yang biasanya mereka lakukan.

Jalan Menuju Masa Depan

Jika Anda adalah pemimpin teknik, berikut adalah apa yang saya sarankan, meskipun hasilnya akan bervariasi tergantung pada seberapa jauh tim Anda sudah.

1. Identifikasi siapa yang sudah melakukan pekerjaan ini secara tidak resmi. Setiap organisasi memiliki seseorang yang telah menemukan alur kerja agen, yang insinyur lainnya datangi untuk mendapatkan saran tentang pengaturan alat atau prompt. Orang itu adalah Insinyur Orkestrasi AI proto Anda.
2. Buatlah eksplisit. Beri fungsi nama, mandat, dan sumber daya. Jangan biarkan tetap menjadi proyek sampingan yang terikat pada “pekerjaan nyata” seseorang.
3. Mulai dengan kesiapan repositori. Sebelum berinvestasi dalam alur kerja agen yang canggih, pastikan kodebase Anda adalah sesuatu yang agen dapat navigasi. Antarmuka yang bersih, dokumentasi yang baik, tes yang komprehensif, arsitektur yang disederhanakan.
4. Centralisasi apa yang berhasil. Ketika seseorang menemukan strategi prompting atau pola alur kerja yang secara dramatis meningkatkan output agen, tangkaplah. Buatlah itu default untuk seluruh tim, bukan pengetahuan suku yang terkunci di kepala seseorang.
5. Ukur pada tingkat sistem. Jangan hanya melacak penggunaan alat individual. Lacak berapa banyak tugas yang diselesaikan agen dari awal hingga akhir, apa yang terlihat seperti tingkat tinjauan dan pekerjaan ulang, di mana bottleneck ada.

10x Baru

Mitos insinyur 10x selalu tentang heroisme individual. Satu orang, mengungguli semua orang melalui bakat dan kafein yang luar biasa.

Kenyaatan insinyur 10x di era AI adalah tentang pemikiran sistem. Orang yang membuat setiap insinyur lain (dan setiap agen) lebih produktif dengan membangun infrastruktur yang tepat, alur kerja yang tepat, batasan yang tepat.

Mereka tidak menulis 10x kode. Mereka membangun sistem yang menulisnya.

Saya tidak yakin peran ini akan mengkristal secara tepat seperti yang saya deskripsikan di sini. Tapi saya cukup yakin bahwa organisasi yang memahami lapisan orkestrasi (apa pun yang mereka sebut) akan menjadi mereka yang benar-benar merealisasikan keuntungan produktivitas yang semua orang lain hanya berbicara tentang.