Pemimpin pemikiran
Bangkitnya Teknik Orkestrasi AI

Poin utamaTim tiga orang OpenAI mengirimkan satu juta baris kode melalui Codex tanpa menulis kode…
Lihat selengkapnya
- Tim tiga orang OpenAI mengirimkan satu juta baris kode melalui Codex tanpa menulis kode apa pun secara manual.
- Rekayasa Orkestrasi AI menggabungkan arsitektur DevOps dan keahlian AI ke dalam satu peran terpusat.
- Organisasi yang memusatkan alur kerja agen akan mencapai throughput 2x sementara yang lain stagnan pada fitur pelengkapan otomatis.
Insinyur 10x telah menjadi mitos di Lembah Silikon selama beberapa dekade. Sang genius penyendiri, headphone di telinga, memproduksi kode yang elegan dengan kecepatan melampaui manusia biasa. 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 yang mengutamakan AI: insinyur 10x menjadi nyata. Hanya saja, sosoknya sama sekali tidak seperti yang kita bayangkan.
OpenAI baru-baru ini berbagi tentang bagaimana tim tiga orang menggunakan Codex untuk mengirim 1.500 pull request dan sekitar satu juta baris kode, tanpa menulis satu baris kode secara manual. Tiga insinyur, dan tidak ada kode yang ditulis secara manual. Produk yang berjalan di lingkungan produksi yang digunakan oleh ratusan pengguna internal.
Itu bukan 10x; itu lebih dekat dengan 100x. Dan keterampilan yang memungkinkan hal itu bukanlah mengetik lebih cepat atau mengetahui lebih banyak algoritma. Itu adalah membangun sistem yang membuat agen AI produktif: alur kerja, pengaman, loop verifikasi, antarmuka tempat agen terhubung dan yang digunakan manusia untuk meninjau pekerjaan.
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 memusatkan pipeline deployment. 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 tempat agen dijalankan.
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 yang mengutamakan agen, 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 bukan lagi sekadar utang teknis. Ini adalah batas produktivitas untuk setiap agen yang menyentuhnya.
Bagian yang paling tidak dipahami adalah lapisan khusus AI. 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 memusatkan 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 mengambil gambar dekat dan kapan menarik kamera untuk gambar lebar. Mereka mengatur lingkungan (pencahayaan, desain set, penempatan dan pergerakan aktor) 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 bisa dituntaskan dan diserahkan.
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 dengan tujuan yang saling bertentangan, dan insinyur menghabiskan lebih banyak waktu untuk memperbaiki kode yang dihasilkan AI daripada waktu yang mereka perlukan seandainya 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 masih jauh dari cukup dalam sistem di sekitarnya.
Insinyur mendapatkan akses ke Copilot, Claude, Codex. Mereka bereksperimen secara individual. Beberapa menjadi pengguna mahir. Sebagian besar mengalami stagnasi pada tahap “autocomplete mewah”. Keuntungan produktivitas 20% yang dilaporkan studi? Itu adalah gejala adopsi alat tanpa pemikiran sistem.
Organisasi yang berhasil menembus batas ini, yang melaporkan throughput 2x atau lebih, memiliki sesuatu yang sama. Mereka telah memusatkan pekerjaan orkestrasi. Seseorang (atau suatu tim) bertanggung jawab atas alur kerja agen, persiapan repositori, infrastruktur verifikasi, konteks bersama yang setiap agen dapat akses.
Seperti Apa Peran Ini Sebenarnya
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 linting, pemindaian keamanan, dan kerangka evaluasi yang harus dilalui agen 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.
- Memusatkan strategi prompt dan konteks: prompt sistem bersama, pipeline pengambilan informasi, keputusan perutean model, dan templat konfigurasi yang digunakan seluruh tim.
- Memantau dan meningkatkan kinerja agen: melacak tingkat keberhasilan, mode kegagalan, biaya per tugas, dan waktu hingga penggabungan kode 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.
Pola 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 memusatkan pekerjaan ini, dan Teknik Platform berkembang untuk membangunnya menjadi infrastruktur bersama dengan layanan mandiri.
AI mengikuti lintasan 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 memusatkan 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. Transisi yang ini mungkin hanya memakan waktu beberapa kuartal, meskipun saya 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 kemajuan tim Anda saat ini.
- 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.
- Buatlah eksplisit. Beri fungsi nama, mandat, dan sumber daya. Jangan biarkan tetap menjadi proyek sampingan yang terikat pada “pekerjaan nyata” seseorang.
- Mulai dengan kesiapan repositori. Sebelum berinvestasi dalam alur kerja agen yang canggih, pastikan kodebase Anda adalah sesuatu yang benar-benar dapat ditelusuri agen. Antarmuka yang bersih, dokumentasi yang baik, tes yang komprehensif, arsitektur yang disederhanakan.
- Pusatkan apa yang berhasil. Ketika seseorang menemukan strategi prompting atau pola alur kerja yang secara dramatis meningkatkan output agen, catatlah. Buatlah itu default untuk seluruh tim, bukan pengetahuan tersirat yang terkunci di kepala seseorang.
- Ukur pada tingkat sistem. Jangan hanya melacak penggunaan alat individual. Lacak berapa banyak tugas yang diselesaikan agen dari awal hingga akhir, bagaimana tingkat peninjauan dan pengerjaan ulang, serta di mana letak hambatannya.
10x Baru
Mitos insinyur 10x selalu tentang heroisme individual. Satu orang, mengungguli semua orang semata-mata berkat bakat dan kafein.
Kenyataan 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 selama ini hanya dibicarakan oleh pihak-pihak lain.












