Model AI Memaksa Developer untuk Mendesain Ulang API Berdasarkan "Ekspektasi" Mereka

Developer perangkat lunak menghadapi tantangan baru yang tidak biasa: model artificial intelligence pada dasarnya mendikte bagaimana interface pemrograman mereka seharusnya bekerja. Perusahaan-perusahaan kini mendesain ulang API mereka bukan berdasarkan feedback pengguna atau kebutuhan teknis, tetapi karena chatbot AI terus mengasumsikan fungsi-fungsi tertentu ada padahal sebenarnya tidak.

Tren ini muncul ketika developer menyadari bahwa model AI, yang dilatih dengan jutaan contoh kode, secara konsisten menyarankan apa yang mereka anggap sebagai desain API yang jelas. Ketika saran-saran ini tidak sesuai dengan kenyataan, perusahaan menghadapi pilihan: memperbaiki AI atau mengubah kode mereka agar sesuai dengan ekspektasi AI.

Munculnya Keputusan Pengembangan yang Didorong AI

Beberapa perusahaan telah mengadaptasi perangkat lunak mereka untuk mengakomodasi asumsi AI. Perusahaan perangkat lunak musik Soundslice menambahkan fitur-fitur hanya karena ChatGPT terus memberi tahu pengguna bahwa fitur tersebut ada. Demikian pula, perusahaan database Instant mengubah struktur API mereka setelah model AI secara konsisten menulis tx.create alih-alih fungsi tx.update yang sebenarnya.

Respons komunitas menunjukkan perasaan yang campur aduk tentang perkembangan ini. Beberapa developer melihatnya sebagai hal yang membantu, berargumen bahwa model AI menyarankan desain yang paling intuitif yang secara alami akan diharapkan oleh developer manusia. Yang lain khawatir tentang implikasi membiarkan model AI mempengaruhi keputusan arsitektur perangkat lunak yang fundamental.

Contoh Perubahan API yang Didorong AI:

• Soundslice: Menambahkan fitur karena ChatGPT memberi tahu pengguna bahwa fitur tersebut ada
• Instant: Menambahkan fungsi tx.create karena model AI secara konsisten menulis kode tersebut alih-alih tx.update
• Tren umum: Perusahaan menyesuaikan API untuk memenuhi ekspektasi model AI daripada memperbaiki AI-nya

Mengubah Prinsip Coding untuk Dunia yang Mengutamakan AI

Pergeseran ini meluas melampaui perubahan API individual ke praktik pemrograman yang lebih luas. Developer mulai mempertimbangkan apakah kode mereka akan mudah dipahami oleh model AI, daripada fokus semata-mata pada keterbacaan manusia atau prinsip-prinsip rekayasa perangkat lunak tradisional.

Prinsip coding masa depan akan berkisar pada apakah IDE agentik Anda dapat mengindeksnya dengan baik untuk menjadi sadar konteks, apakah itu cocok dengan context window atau tidak.

Ini merepresentasikan perubahan fundamental dalam bagaimana perangkat lunak dirancang. Alih-alih mengoptimalkan untuk pemahaman manusia atau performa, developer mungkin perlu mengoptimalkan untuk pemahaman dan generasi AI.

Prinsip Coding Tradisional vs Era AI:

Efek Standardisasi

Beberapa developer menyambut baik tren ini sebagai bentuk standardisasi alami. Bekerja dengan banyak klien sering berarti harus berurusan dengan konvensi penamaan yang tidak konsisten dan desain API yang unik yang menghabiskan energi mental tanpa menambah nilai. Model AI, setelah melihat pola di jutaan codebase, cenderung menyarankan pendekatan yang lebih terstandar.

Namun, standardisasi ini datang dengan biaya. Desain API yang inovatif atau unik mungkin menjadi lebih sulit diimplementasikan jika model AI tidak mengenali atau mendukungnya. Tekanan untuk menyesuaikan diri dengan ekspektasi AI bisa menghambat kreativitas dalam desain perangkat lunak.

Resistensi dan Adaptasi

Tidak semua orang menerima pendekatan yang didorong AI ini dengan sukarela. Beberapa developer mempertanyakan apakah perusahaan harus secara otomatis mengakomodasi asumsi AI daripada mempertahankan keputusan desain asli mereka. Perdebatan ini mencerminkan kekhawatiran yang lebih luas tentang seberapa besar pengaruh yang seharusnya dimiliki AI terhadap pengambilan keputusan manusia di bidang teknis.

Fenomena ini menyoroti realitas baru dalam pengembangan perangkat lunak: alat AI bukan lagi hanya asisten pasif tetapi partisipan aktif yang membentuk bagaimana perangkat lunak dibangun. Seiring AI menjadi lebih umum dalam alur kerja coding, pengaruh ini kemungkinan akan semakin kuat.

Implikasi jangka panjang masih belum jelas, tetapi satu hal yang pasti: hubungan antara developer manusia dan alat AI berkembang dari bantuan sederhana menjadi kemitraan yang lebih kompleks di mana kedua belah pihak saling mempengaruhi perilaku satu sama lain.

Referensi: Gaslight-driven development