Industri teknologi mendapati dirinya terjebak di antara narasi yang saling bertentangan tentang dampak AI pada pengembangan perangkat lunak. Sementara beberapa CEO mengklaim peningkatan produktivitas yang dramatis, para developer dan peneliti sesungguhnya melaporkan hasil yang lebih bernuansa yang menantang hype tersebut.
Kesenjangan Produktivitas yang Besar
Ketidaksesuaian antara janji AI dan realitas menjadi semakin jelas di tahun 2025. Di satu sisi, eksekutif seperti CEO Perplexity Aravind Srinivas mengklaim alat AI memangkas tugas engineering dari tiga atau empat hari menjadi satu jam. Publikasi besar telah menyatakan bahwa AI memang telah mengubah segalanya dalam rekayasa perangkat lunak. Namun ketika peneliti melakukan studi terkontrol, mereka menemukan cerita yang sama sekali berbeda.
Sebuah studi terbaru oleh perusahaan evaluasi AI METR mengungkapkan bahwa developer berpengalaman yang menggunakan alat coding AI tidak menunjukkan peningkatan performa yang substansial dan justru lebih lambat dalam beberapa kasus. Kontras yang mencolok ini menyoroti masalah mendasar: mereka yang membuat klaim paling berani seringkali bukanlah orang yang benar-benar menulis kode setiap hari.
Klaim Performa yang Bertentangan:
- Klaim CEO: Tugas berkurang dari 3-4 hari menjadi 1 jam (CEO Perplexity )
- Hasil Penelitian: Studi METR menemukan "tidak ada peningkatan substansial" dan performa lebih lambat dalam uji coba terkontrol
- Laporan Developer: Pengalaman beragam mulai dari peningkatan produktivitas signifikan hingga waktu debugging yang bertambah
- Realitas Industri: Pemotongan pekerjaan terutama karena faktor ekonomi, bukan penggantian AI
Konteks Lebih Penting Daripada Hype
Komunitas developer telah mengidentifikasi beberapa faktor kunci yang menentukan kegunaan AI dalam coding. Bahasa pemrograman membuat perbedaan besar - developer yang bekerja dengan bahasa yang terdokumentasi dengan baik seperti JavaScript dan TypeScript melihat hasil yang lebih baik dibanding mereka yang menggunakan bahasa yang kurang umum seperti Rust . Jenis proyek juga sangat berpengaruh, dengan AI terbukti lebih membantu untuk proyek kecil dan greenfield dibanding codebase yang besar dan kompleks.
AI dapat menghasilkan banyak kode dengan sangat cepat. AI tidak menghasilkan kode yang mengikuti selera dan atau praktik terbaik.
Pengamatan ini menangkap keterbatasan kritis yang diabaikan oleh banyak klaim produktivitas. Sementara AI unggul dalam membuat boilerplate code dan menangani tugas rutin, AI kesulitan dengan pengambilan keputusan bernuansa yang dibawa developer berpengalaman ke arsitektur perangkat lunak dan maintainability jangka panjang.
Faktor Kunci yang Mempengaruhi Efektivitas Tool Coding AI:
- Bahasa Pemrograman: JavaScript / TypeScript menunjukkan hasil yang lebih baik dibandingkan Rust atau bahasa khusus lainnya
- Jenis Proyek: Proyek greenfield lebih diuntungkan dibandingkan codebase besar yang sudah ada
- Pengalaman Developer: Developer senior dengan pengalaman tool AI melihat lebih banyak manfaat
- Kompleksitas Tugas: Generasi boilerplate sederhana bekerja dengan baik, keputusan arsitektur kompleks tidak
- Kebutuhan Konteks: Tool kesulitan ketika perlu memahami sejumlah besar kode yang sudah ada
Kisah Nyata di Balik Pemotongan Pekerjaan
Meskipun ada headline yang mengaitkan PHK dengan kemajuan AI, pemeriksaan lebih dekat mengungkapkan gambaran yang lebih kompleks. Pemotongan yang dilaporkan secara luas oleh Microsoft sebenarnya bukan tentang mengganti pekerja dengan AI, melainkan realokasi sumber daya lintas divisi untuk mendanai inisiatif AI. Kontraksi sektor teknologi saat ini tampaknya lebih terhubung dengan koreksi pasca-pandemi dan perubahan suku bunga daripada perpindahan AI.
Banyak developer berpengalaman membandingkan momen AI saat ini dengan pergeseran teknologi sebelumnya. System administrator, misalnya, telah menghadapi dekade teknologi pengganti - dari NoOps hingga berbagai platform cloud - hanya untuk menemukan peran mereka berevolusi daripada menghilang. Pola tersebut menunjukkan bahwa sementara AI akan mengubah cara developer bekerja, penggantian total tetap tidak mungkin.
Melihat Melampaui Kebisingan
Pengguna alat AI yang paling berpengalaman melaporkan realitas yang lebih terukur. AI berfungsi sebagai asisten yang sangat baik untuk tugas-tugas spesifik: menghasilkan boilerplate code, menjelaskan konsep yang tidak familiar, dan mempercepat pekerjaan rutin. Namun, ini memerlukan bimbingan yang hati-hati dan seringkali menghasilkan kode yang membutuhkan penyempurnaan signifikan untuk penggunaan produksi.
Industri tampaknya sedang menetap ke dalam pola di mana AI bertindak sebagai pengganda produktivitas untuk developer berpengalaman daripada pengganti. Mereka yang memahami baik kemampuan maupun keterbatasan teknologi dapat memanfaatkannya secara efektif, sementara mereka yang mengharapkan solusi ajaib seringkali mendapati diri mereka kecewa.
Saat pasar alat coding AI matang, pendekatan yang paling berkelanjutan tampaknya melibatkan perlakuan terhadap sistem ini sebagai autocomplete yang canggih daripada programmer otonom. Developer yang menyesuaikan alur kerja mereka untuk menggabungkan bantuan AI sambil mempertahankan keterampilan inti mereka kemungkinan akan melihat manfaat terbesar, sementara mereka yang berharap transformasi lengkap mungkin perlu menyesuaikan ekspektasi mereka.
Referensi: No One Knows Anything About AI