Komunitas teknologi sedang bergulat dengan masalah yang semakin berkembang dalam pengembangan berbantuan AI. Meskipun tool kecerdasan buatan telah merevolusi kecepatan dan kemampuan coding, para developer menemukan kelemahan kritis: tool-tool ini akan dengan percaya diri menciptakan solusi rumit untuk masalah yang tidak ada atau tidak seharusnya diselesaikan dengan cara yang kompleks.
Tool AI Unggul dalam Kecepatan Namun Kesulitan dengan Arah
Developer berpengalaman melaporkan bahwa asisten coding AI bekerja paling baik ketika digunakan sebagai versi cepat dari apa yang akan mereka lakukan sendiri. Tool-tool ini unggul dalam menangani error compiler, mencari dokumentasi, dan melakukan edit cepat di berbagai file. Namun, mereka konsisten gagal ketika developer tidak memiliki arahan yang jelas tentang apa yang perlu dibangun.
Masalah intinya bukanlah teknologinya sendiri, tetapi bagaimana ia memperbesar masalah yang sudah ada. Ketika seseorang tidak memahami kebutuhan pengguna mereka atau tidak memiliki penilaian yang baik tentang solusi, AI hanya membantu mereka membangun hal yang salah dengan lebih efisien. Tool-tool ini mengisi celah pengetahuan dengan percaya diri, bahkan ketika celah tersebut mewakili titik keputusan penting yang memerlukan wawasan manusia.
Aplikasi Umum Tool Coding AI:
- Granola: Mentranskrip sesi riset pengguna
- Visual Electric: Menghasilkan gambar stok yang beragam
- ChatGPT: Review kode dan perbaikan copy
- Cursor: Pengembangan website dan prototipe
- Custom agents: Copywriting khusus brand
Masalah Gold-Plating dalam Kode yang Dihasilkan AI
Pola signifikan telah muncul dalam kode yang dihasilkan AI: kompleksitas berlebihan untuk tugas sederhana. Developer yang bekerja pada codebase konservatif melaporkan bahwa tool AI secara konsisten menyarankan pendekatan yang terlalu canggih. Misalnya, ketika diminta untuk memeriksa tiga bit dalam byte, AI mungkin mengusulkan pembuatan struktur dasar dengan fungsi virtual, template, dan vektor pointer alih-alih ekstraksi bit sederhana.
Tool-tool ini tampaknya selalu mencari apa yang saya sebut solusi pristine sebagai upaya pertama mereka, dan banyak yang akan menyebutnya gold-plating.
Kecenderungan terhadap over-engineering ini menciptakan beban pemeliharaan dan memperkenalkan kompleksitas yang tidak perlu. Kode yang dihasilkan sering kali menyertakan komentar ekstensif yang menjelaskan bagaimana dan apa daripada mengapa yang lebih berharga yang biasanya dibutuhkan developer manusia.
Masalah Kualitas Kode AI:
- "Gold-plating" berlebihan dengan kompleksitas yang tidak perlu
- Solusi yang terlalu rumit untuk masalah sederhana
- Komentar yang berfokus pada "bagaimana/apa" alih-alih "mengapa"
- Saran yang percaya diri terhadap pendekatan yang tidak tepat
- Kurangnya keputusan desain yang disengaja
Penggunaan AI Strategis Memerlukan Keahlian Manusia
Developer yang sukses memperlakukan tool AI sebagai leverage daripada pengganti untuk berpikir. Mereka menggunakan AI untuk tugas-tugas spesifik seperti mentranskrip sesi riset, menghasilkan gambar stok yang sulit ditemukan, dan membangun prototipe. Namun, mereka menghindari penggunaan AI untuk tugas yang memerlukan pemahaman sejati, seperti melakukan wawancara pengguna atau membuat keputusan arsitektural.
Keterampilan kunci untuk developer ke depan tampaknya adalah mengetahui kapan dan bagaimana memandu tool AI secara efektif. Ini memerlukan pemahaman tentang apa yang seharusnya menjadi output yang diharapkan sebelum melibatkan AI, dan mempertahankan kemampuan untuk menemukan dan memperbaiki kesalahan tool secara real-time.
Masa Depan Milik Kolaborasi Manusia-AI
Pembagian antara developer yang sukses dan yang kesulitan semakin berpusat pada pendekatan mereka terhadap tool AI. Mereka yang menolak AI sepenuhnya mungkin menemukan diri mereka dalam posisi yang tidak menguntungkan, sementara mereka yang memperlakukannya sebagai solusi ajaib akan berjuang dengan hasil yang buruk. Pemenangnya adalah developer yang menggabungkan wawasan manusia yang mendalam dengan kemampuan AI, menggunakan tool untuk memperkuat keterampilan yang sudah ada daripada menggantikan penilaian mereka.
Seiring kemampuan coding AI terus berkembang pesat dengan model baru yang muncul setiap beberapa bulan, pentingnya pengawasan dan arahan manusia menjadi semakin kritis. Teknologi dapat membantu developer berpengalaman bekerja lebih cepat dan mengeksplorasi lebih banyak kemungkinan, tetapi tidak dapat menggantikan pemahaman masalah, pengguna, dan solusi yang tepat.