Satu PR per lagu?

하이라이트

• Spotify mencapai 4.500 penerapan produksi (production deployment) setiap hari.

• Sebanyak 73% dari seluruh pull request (PR) di Spotify kini dibantu oleh kecerdasan buatan (AI).

• Penggunaan agen AI memungkinkan pengembang untuk melakukan paralelisasi pekerjaan pada empat proyek secara bersamaan menggunakan Git worktrees.

• Tren industri saat ini bergeser dari maksimalisasi token ke arah maksimalisasi volume penerapan perangkat lunak.

• Ketergantungan berlebihan pada AI dalam penulisan kode dapat memicu penurunan pemahaman pengembang terhadap basis kode mereka sendiri.

타임라인

1. 00:00 - 01:43

   Skala Operasi Pengembangan Spotify

   Angka 4.500 penerapan per hari menunjukkan volume rilis yang sangat masif bagi sebuah perusahaan perangkat lunak. Meskipun didukung oleh penggunaan model AI dari Anthropic, efektivitas dan substansi dari perubahan sebanyak itu masih dipertanyakan oleh pengguna karena tidak adanya perubahan signifikan pada pengalaman aplikasi dalam satu tahun terakhir.

   • Spotify mencatat 4.500 penerapan produksi dalam satu hari.
   • Penggunaan agen AI seperti Claude Code menjadi motor penggerak volume penerapan yang tinggi tersebut.
2. 01:44 - 02:26

   Peran AI dalam Peninjauan dan Pembuatan PR

   Definisi 'dibantu AI' dalam proses ini mencakup spektrum yang luas, mulai dari alat pelengkapan otomatis dasar hingga penggunaan agen kompleks untuk meninjau kode. Angka 73% diperkirakan akan terus meningkat mendekati 100% seiring dengan integrasi agen otonom yang lebih dalam pada alur kerja peninjauan kode.

   • AI berkontribusi pada 73% dari seluruh pull request yang diajukan.
   • Kontribusi AI mencakup berbagai tahapan, mulai dari pelengkapan otomatis kode hingga analisis oleh agen AI.
3. 02:26 - 04:15

   Pergeseran Tren: Dari Token ke Volume

   Setelah menyadari bahwa maksimalisasi penggunaan token AI tidak menjamin hasil berkualitas tinggi, perusahaan mulai fokus pada kecepatan pengiriman. Namun, penggunaan AI secara berlebihan dapat menciptakan 'vibe coder' yang menghasilkan kode tanpa benar-benar memahami basis kodenya, yang berisiko pada akumulasi perubahan yang tidak efektif atau harus dibatalkan.

   • Industri beralih dari fokus efisiensi biaya token ke fokus pada volume penerapan.
   • Agen AI memfasilitasi paralelisasi tugas pengembangan pada beberapa proyek sekaligus menggunakan teknologi seperti Git worktrees.
4. 04:16 - 05:29

   Keseimbangan Antara Kualitas dan Kecepatan

   Kecepatan pengembangan yang tinggi dengan bantuan AI tidak boleh mengabaikan pentingnya pengujian manual dan keputusan kritis manusia. Fokus pada kuantitas penerapan perlu diimbangi dengan standar kualitas yang ketat agar tidak sekadar menghasilkan volume kode yang tidak memiliki nilai fungsional bagi pengguna.

   • Kualitas perangkat lunak tetap memerlukan pengujian manusia selain pengujian otomatis.
   • AI berisiko membuat pengujian otomatis yang sekadar lulus tanpa benar-benar menguji fungsionalitas.