스크립트
00:00:00“Spotify melakukan 4.500 penerapan produksi sehari
00:00:05dan 73% dari semua pull request kini dibantu oleh AI.”
00:00:10Wow.
00:00:11Terutama 4.500 penerapan produksi sehari,
00:00:15itu sangat mengesankan.
00:00:16Dan saya tidak yakin apakah itu mengesankan dalam artian yang baik.
00:00:19Dan ada komentar lucu di bawah postingan itu di X,
00:00:23yang cukup saya nikmati.
00:00:25Apakah mereka melakukan PR, pull request untuk setiap lagu?
00:00:28Dan ya, sepertinya memang begitu.
00:00:30Maksud saya, ini dari akun X Claude Devs.
00:00:35Ini adalah iklan untuk Claude Code,
00:00:37karena seperti yang kita pelajari di utas ini,
00:00:39mereka tentu saja menggunakan Claude Code
00:00:42dan model Anthropic untuk mengirimkan sebanyak itu.
00:00:45Dan tentu saja, jika Anda menonton beberapa video saya sebelumnya,
00:00:48Anda tahu, saya juga menggunakan Agen AI, tentu saja.
00:00:50Ini adalah masa depan.
00:00:52Begitulah cara kerja pengembangan perangkat lunak saat ini.
00:00:54Dan saya memiliki kursus Claude Code di mana saya membagikan semua wawasan saya,
00:00:57serta tips dan trik, dan cara menggunakan alat ini secara efektif.
00:01:00Tapi 4.500 penerapan produksi sehari, benarkah?
00:01:05Maksud saya, ya, Spotify jelas merupakan perusahaan besar.
00:01:08Itu bukan rahasia, tapi Anda harus bertanya-tanya apa yang mereka lakukan?
00:01:12Saya adalah pengguna aktif Spotify.
00:01:15Dan saya merasa aplikasinya, yah, tidak banyak berubah,
00:01:21tentu saja tidak menjadi lebih baik selama setahun terakhir ini.
00:01:26Dan sungguh terlalu sulit bagi saya untuk memahami apa yang mungkin ada dalam 4.500 penerapan produksi sehari itu.
00:01:37Dan tolong, dan ini bukan lelucon, saya benar-benar bersungguh-sungguh.
00:01:40Tolong bagikan di komentar apa yang menurut Anda mereka kirimkan sepanjang hari.
00:01:44Sekarang, 73% dari semua pull request, ya, tentu saja.
00:01:48Maksud saya, dibantu AI bisa berarti apa saja secara teoretis.
00:01:51Jelas, penyelesaian sederhana, pelengkapan otomatis (tab completion), gaya lama,
00:01:58sementara Anda meninjau PR dan mungkin membuat beberapa perubahan bisa dihitung sebagai dibantu AI.
00:02:04Dan tentu saja, memiliki agen AI yang menganalisis hal itu juga akan dibantu AI.
00:02:08Dan terus terang, saya heran mengapa angkanya bukan 100% karena AI, saya bayangkan,
00:02:13akan terlibat dalam hampir semua peninjauan PR atau pembuatan hampir semua PR.
00:02:20Tapi ya, saya yakin angka ini akan berubah.
00:02:22Tidak akan aneh untuk melihat hal itu.
00:02:26Tapi angka pertama itu sebenarnya semacam tren yang bisa kita lihat secara umum, bukan?
00:02:34Kita mengalami perdebatan tentang maksimalisasi token beberapa bulan yang lalu.
00:02:38Kemudian banyak perusahaan menyadari bahwa ini terlalu mahal dan hanya memberitahu insinyur perangkat lunak Anda
00:02:44untuk membakar token sebanyak mungkin mungkin bukan strategi yang baik
00:02:48karena jelas sangat mudah untuk membakar token dan tidak menjamin hasil yang baik.
00:02:53Sekarang kita tampaknya beralih ke era di mana cukup populer untuk melakukan banyak pengiriman.
00:02:58Karena, tentu saja, dengan AI, Anda bisa, kan?
00:03:01Anda bisa mengirim banyak.
00:03:02Anda bisa memiliki lima agen yang berjalan secara bersamaan menggunakan Gitwork trees,
00:03:06mengerjakan empat proyek berbeda sekaligus.
00:03:08Dan ya, Anda bisa melakukan paralelisasi sampai tingkat tertentu.
00:03:12Anda pasti bisa membangun banyak hal dengan AI.
00:03:15Tidak diragukan lagi.
00:03:17Dan itu bisa mempercepat Anda sebagai pengembang perangkat lunak.
00:03:20Itu juga bisa memperlambat Anda.
00:03:21Kita semua pernah berada di posisi di mana Anda mengikuti jalan dengan AI,
00:03:25di mana Anda menjadi semakin seperti 'vibe coder'
00:03:28karena Anda menjadi terlalu malas untuk benar-benar mengevaluasi apa yang dihasilkan AI
00:03:32karena rasanya sangat cepat untuk terus maju.
00:03:36Dan kemudian pada titik tertentu, Anda sama sekali tidak memahami basis kode Anda,
00:03:39tapi ada sesuatu yang tidak berhasil atau Anda tidak senang dengan arah yang diambilnya
00:03:42dan Anda meninggalkan proyek itu atau Anda membatalkan banyak hal.
00:03:48Dan yah, kita bisa berdebat apakah Anda benar-benar lebih produktif saat itu.
00:03:52Tapi terlepas dari itu, dan kita semua masih mencoba mencari tahu cara terbaik menggunakan AI,
00:03:58Anda bisa lebih produktif dengannya.
00:04:01Maksud saya, bahkan jika Anda hanya memberikannya rencana yang cukup jelas tentang apa yang harus dilakukan
00:04:05dan itu akan menjadi fitur kecil,
00:04:06hanya dengan memintanya mengeluarkan potongan kode yang besar dapat mempercepat Anda.
00:04:10Saya tidak yakin apakah itu peningkatan 10x lipat atau bahkan lebih seperti yang diklaim beberapa orang.
00:04:14Dan saya tidak yakin apakah 4.500 penerapan sehari adalah ukuran yang harus kita tuju.
00:04:22Saya pikir kita harus benar-benar bertujuan untuk mencari tahu cara menggunakan AI secara efektif,
00:04:28cara, tentu saja, mempercepat pengiriman perangkat lunak kita,
00:04:32tapi mungkin, mungkin juga fokus sedikit pada kualitas, bukan hanya kuantitas.
00:04:37Saat ini, kita semua berada di era kuantitas itu, bukan?
00:04:39Maksimalisasi token, jumlah penerapan.
00:04:41Kualitas juga penting dan AI bisa membantu dengan itu.
00:04:45Tapi pengujian lama yang bagus, juga pengujian manusia,
00:04:48bukan hanya tes otomatis yang dihasilkan oleh AI,
00:04:51di mana ia juga memiliki kecenderungan atau bisa memiliki kecenderungan menulis tes yang lulus
00:04:56tapi sebenarnya tidak menguji apa pun.
00:04:57Tapi terlepas dari itu, pengujian manual yang bagus
00:05:00dan benar-benar hanya memasukkan selera dan keputusan Anda sebagai manusia ke dalam alur kerja.
00:05:07Ini semua mungkin ide yang bagus, saya rasa.
00:05:09Dan ya, akan menarik untuk melihat kapan tren ini berakhir.
00:05:13Saya baru saja menemukan angka itu, ingin berbagi kekaguman saya dengan angka itu.
00:05:18Dan seperti yang saya sebutkan sebelumnya, saya benar-benar ingin mendengar,
00:05:20menurut Anda apa yang dikirimkan Spotify sepanjang hari?
00:05:25Karena saya benar-benar tidak bisa memahaminya.
00:05:29Maaf.