AI Writes the Code. So What's Left for Engineers? - Laurie Voss, Arize AI

하이라이트

• Pengembang yang menggunakan agen AI menulis 741% lebih banyak kode, namun kecepatan peluncuran ke produksi hanya naik 30%.

• Kemampuan manusia untuk memahami kode menurun drastis setelah meninjau lebih dari 450 baris kode per jam.

• Tingkat kelulusan kode AI turun dari 87% pada pengujian standar menjadi 54% ketika dinilai berdasarkan kesediaan pengelola proyek untuk menggabungkan pull request.

• Lowongan kerja untuk posisi insinyur yang dikerahkan ke depan (forward deployed engineer) melonjak 800% dalam sembilan bulan sepanjang tahun 2025 dengan rata-rata kompensasi $240.000.

• Program Associate Product Manager di Google hanya melatih 50 orang per tahun, sedangkan industri membutuhkan minimal 10.000 insinyur produk baru setiap tahun.

• Perekrutan insinyur perangkat lunak junior berusia 22 hingga 25 tahun anjlok tajam sejak Januari 2023 karena tugas entri data dan tiket kode dasar dialihkan ke agen AI.

타임라인

1. 00:00 - 04:39

   Pergeseran Hambatan dari Penulisan Kode ke Peninjauan Kode

   Peran teknik bergeser karena keberadaan agen AI yang membuat pembuatan kode menjadi instan. Perbedaan besar muncul antara lonjakan volume kode sebesar 741% dan kenaikan peluncuran sebesar 30%. Manusia tidak mampu mengimbangi perbedaan volume tersebut karena batasan biologis peninjauan kode, sehingga diff 10.000 baris menciptakan penumpukan kerja yang parah.

   • Agen AI menurunkan biaya penulisan kode mendekati nol, namun proses setelah penulisan kode tetap lambat.
   • Pengembang menghasilkan kode delapan kali lipat lebih banyak tetapi hanya meluncurkan 30% lebih cepat.
   • Kapasitas kognitif peninjau manusia anjlok drastis setelah membaca 450 baris kode per jam.
2. 04:39 - 08:43

   Kelemahan Peninjauan Kode Otomatis dan Batasan Agen AI

   Pengujian pada empat peninjau AI menunjukkan bahwa masing-masing alat menemukan masalah berbeda tanpa kesepakatan pada satu bug yang sama. Kegagalan peluncuran kode otonom memaksa perusahaan seperti Amazon kembali mewajibkan persetujuan insinyur senior. Model bahasa besar kehilangan konteks implisit di luar basis kode, seperti standar gaya, sistem eksternal, dan batasan tak tertulis yang hanya dipahami oleh pengelola repositori.

   • GitHub Copilot menangani lebih dari 20% peninjauan kode, tetapi sistem peninjau AI belum memiliki konsensus saat mendeteksi bug.
   • Pelepasan kode tanpa tinjauan manusia menyebabkan insiden pemadaman sistem di Amazon dan bug di Anthropic.
   • Tingkat penerimaan kode turun dari 87% menjadi 54% saat pengujian beralih dari sekadar lulus tes ke kelayakan penggabungan riil.
3. 08:43 - 12:04

   Teori Kendala dan Hambatan Pengembangan Perangkat Lunak

   Prinsip Eliyahu Goldratt dari novel The Goal membuktikan bahwa menyelesaikan masalah peninjauan kode otomatis akan segera memindahkan sumbatan kerja ke operasional dan keamanan sistem. Kebutuhan dunia akan perangkat lunak tidak memiliki batas atas karena banyak layanan publik dan bisnis masih beroperasi dengan sistem berkualitas rendah akibat mahalnya tenaga kerja. Begitu agen mengatasi operasional dan keamanan menggunakan data historis, hambatan akhir terletak pada pendefinisian kebutuhan manusia.

   • Mempercepat satu bagian sistem hanya memindahkan titik hambatan ke proses berikutnya sesuai Teori Kendala.
   • Operasional, penskalaan, dan keamanan menjadi hambatan berikutnya sebelum diatasi dalam lima hingga sepuluh tahun.
   • Permintaan perangkat lunak tidak terbatas karena keterbatasan pasokan manusia sebelumnya membatasi kualitas aplikasi publik.
4. 12:04 - 16:34

   Kompleksitas Esensial dan Munculnya Peran Insinyur Produk

   Kebutuhan perangkat lunak seperti pelacakan pesanan sangat berbeda antara toko roti, toko suku cadang, dan pabrik manufaktur, sehingga tidak dapat disamaratakan oleh data pelatihan AI. Berdasarkan konsep Fred Brooks, perkakas hanya memangkas kompleksitas aksidental sintaksis, sementara inti masalah tetap memerlukan komunikasi langsung dengan pemilik bisnis. Nilai rekayasa kini berpindah ke pihak yang menyusun spesifikasi masalah dan memformalkan intuisi manusia ke dalam rubrik evaluasi yang dapat dipelajari agen.

   • Definisi perangkat lunak yang baik bersifat unik untuk tiap bisnis dan tidak ada di dalam bobot model AI.
   • Kompleksitas esensial dari masalah bisnis adalah sumber kesulitan utama, bukan kompleksitas sintaksis aksidental.
   • Cursor Bugbot mengonversi penolakan manusia menjadi 44.000 aturan otomatis untuk melatih model.
5. 16:34 - 23:00

   Krisis Pengembang Junior dan Transformasi Pelatihan Industri

   Peran analis sistem dari era 1960-an muncul kembali dalam bentuk insinyur produk yang menentukan solusi bisnis sambil mengarahkan agen AI untuk menulis kodenya. Mekanisme pelatihan tradisional yang menggunakan tiket tugas terperinci untuk mengajari lulusan baru kini ditangani langsung oleh agen AI, memicu krisis lapangan kerja bagi pengembang muda. Kurikulum universitas dan boot camp masih berfokus pada sintaksis seperti React dan struktur data, alih-alih melatih keterampilan menggali kebutuhan pengguna dan merumuskan spesifikasi teknis.

   • Pekerjaan pemrograman terpisah dari rekayasa perangkat lunak, menggabungkan peran manajer produk dan insinyur ke dalam insinyur produk.
   • Perekrutan insinyur junior umur 22-25 tahun runtuh sejak 2023 karena tugas awal mereka digantikan oleh agen AI.
   • Industri membutuhkan lebih dari 10.000 insinyur produk per tahun, melampaui kapasitas gabungan program pelatihan korporat yang ada.
6. 23:00 - 27:00

   Tindakan Praktis Menghadapi Otomatisasi Rekayasa Perangkat Lunak

   Keahlian mengetik kode manual akan bertransisi seperti seni kriya atau pertukangan kayu independen yang tetap digemari tanpa menjadi penggerak nilai ekonomi utama. Tim rekayasa harus mendelegasikan verifikasi murah kepada agen otomatis dan memfokuskan tenaga insinyur terbaik pada pembuatan rubrik evaluasi serta spesifikasi sistem. Lingkungan produksi bertindak sebagai peninjau akhir, menuntut tim beralih dari sekadar menghitung produktivitas baris kode menjadi pemantauan evaluasi berkelanjutan.

   • Kepuasan inti pemrograman tetap bertahan pada tahap perancangan logika dan pemecahan masalah sebelum pengetikan kode.
   • Tinjauan manusia hanya boleh dialokasikan untuk kode dengan radius dampak kegagalan kritis.
   • Metrik keberhasilan tim harus diukur dari volume peluncuran fitur riil dan evaluasi di produksi, bukan jumlah baris kode.