Dalam beberapa tahun terakhir, alat bantu pemrograman berbasis kecerdasan buatan (AI) telah menjadi bagian tak terpisahkan dari alur kerja para pengembang. Banyak yang meyakini bahwa AI mampu meningkatkan kecepatan penulisan kode secara signifikan, namun di balik optimisme tersebut, muncul kekhawatiran serius mengenai kualitas kode dan efisiensi proyek secara keseluruhan.
Baca Juga: Huawei: Sanksi AS Justru Pacu Pertumbuhan Industri Semikonduktor China
Dilansir dari ithome.com, sebuah studi mengejutkan dari laboratorium riset AI terkemuka, METR, pada Februari 2026, menemukan bahwa sebagian besar pengembang kini sangat bergantung pada alat AI, bahkan untuk tugas-tugas kecil. Namun, temuan lanjutan dari METR justru menunjukkan bahwa meskipun AI mempercepat penulisan kode, ia justru memperlambat kemajuan proyek secara keseluruhan.
Pada tahun 2025, METR pernah melakukan penelitian awal yang mengindikasikan peningkatan efisiensi kerja berkat AI. Namun, ketika mereka mencoba mereplikasi studi tersebut setahun kemudian untuk membandingkan waktu yang dihabiskan pengembang sumber terbuka untuk pengkodean manual versus dengan bantuan AI, hasilnya tidak terduga.
Baca Juga: Acer HL6820GTV: Proyektor Laser 4K dengan Google TV dan Fitur Gaming 240Hz
Data menunjukkan bahwa AI justru memperlambat proses kerja secara keseluruhan.
Kecepatan AI dalam menghasilkan kode memang tidak diragukan. Namun, para pengembang harus mengalokasikan waktu ekstra yang signifikan untuk mengidentifikasi dan memperbaiki bug, serta terus-menerus memandu AI dan menunggu penyelesaian tugasnya.
Ketika tim METR berencana untuk mengulang eksperimen ini guna mengevaluasi kemajuan teknologi AI dan kemampuan programmer, mereka menghadapi kendala. Para peneliti mengakui bahwa pengembang menolak berpartisipasi karena mereka tidak dapat menerima bekerja tanpa bantuan AI, bahkan untuk tujuan pengujian.
Sebagai respons, METR kemudian merilis survei pada Mei di tahun yang sama, meminta para profesional teknologi untuk secara mandiri melaporkan peningkatan efisiensi yang mereka rasakan dari AI. Seperti yang diperkirakan, sebagian besar responden merasa bahwa AI telah menggandakan nilai pekerjaan mereka di perusahaan.
Namun, laporan-laporan terbaru mengenai penyalahgunaan token yang menyebabkan lonjakan biaya, ditambah dengan berbagai penelitian baru, mulai mempertanyakan validitas penilaian subjektif semacam itu.
Pengukuran efisiensi kantor AI menggunakan volume token, atau yang dikenal sebagai “penilaian kuantifikasi token“, telah menjadi tren industri sejak tahun 2026. Namun, tren ini kini mungkin mulai meredup. Menurut laporan Financial Times, Amazon telah menghentikan sistem peringkat internalnya yang disebut “Kilo Ranking”, yang mengukur penggunaan token. Alasannya, karyawan terlalu sering memanggil agen cerdas untuk meningkatkan peringkat, yang tidak hanya meningkatkan konsumsi token secara artifisial tetapi juga secara signifikan menambah biaya operasional. Fenomena ini menegaskan bahwa penggunaan AI tidak selalu berarti peningkatan efisiensi kerja.
Selain itu, media teknologi The Information melaporkan bahwa Uber menghabiskan seluruh anggaran AI untuk tahun 2026 hanya dalam empat bulan. Andrew Macdonald, Chief Operating Officer Uber, baru-baru ini mengakui dalam sebuah podcast bahwa investasi besar tersebut tidak menghasilkan pertumbuhan substansial dalam volume proyek atau efisiensi kerja.
James Shore, seorang programmer dan penulis, dalam sebuah artikel blog yang viral di Hacker News, dengan tajam menunjukkan bahwa kode yang dihasilkan AI tidak mengurangi pekerjaan pemeliharaan kode di kemudian hari, bahkan mungkin meningkatkan tekanan pemeliharaan. Ia menulis, "Bahkan jika Anda menulis kode dua kali lebih cepat sekarang, Anda harus berdoa agar biaya pemeliharaan berkurang setengahnya.
Jika tidak, Anda hanya akan terjebak dalam kesulitan — Anda hanya mendapatkan peningkatan kecepatan sesaat, tetapi terbebani dengan belenggu operasi dan pemeliharaan permanen. "
Lebih banyak bukti menunjukkan bahwa AI memperparah masalah pemeliharaan kode. Sebuah tweet dari Aishwarya Sankar, pendiri dan CEO Entelligence AI, sebuah startup rekayasa keandalan, menjadi viral.
Ia menyatakan bahwa sekitar 44% dari konsumsi token AI di perusahaan-perusahaan besar digunakan untuk memperbaiki bug program yang dihasilkan oleh AI itu sendiri. Sementara itu, CodeRabbit, vendor alat tinjauan kode, menganalisis permintaan penggabungan kode sumber terbuka dan menemukan bahwa kode yang ditulis oleh AI memiliki kemungkinan masalah 1,7 kali lebih tinggi dibandingkan kode yang ditulis manusia.
Secara objektif, data di atas berasal dari perusahaan yang menjual alat tinjauan kode AI, sehingga mungkin memiliki kecenderungan untuk mempromosikan produk mereka. Namun, tim peneliti independen juga mencapai kesimpulan serupa.
Peneliti dari Singapore Management University (SMU) pada April lalu mengeluarkan laporan yang memperingatkan bahwa kode yang dihasilkan AI dapat menimbulkan risiko pemeliharaan jangka panjang dalam proyek perangkat lunak nyata.
Mengingat para programmer sudah sangat bergantung pada asisten AI, bagaimana masalah ini dapat diatasi? Para vendor yang mempromosikan agen pemrograman AI menawarkan solusi: pengembang dapat menggunakan alat serupa untuk dengan cepat menangani pekerjaan perbaikan yang rumit yang dihasilkan oleh kode AI.
Scott Wu, pendiri dan CEO Cognition, pengembang agen pemrograman AI terkenal Devin, menganut pandangan ini. Namun, ia juga mengakui bahwa meskipun Devin mampu bekerja secara mandiri, kemampuannya saat ini, jika dilihat dari berbagai tugas, hanya berada di antara programmer junior dan menengah, jauh dari kondisi ideal "setelah dikirimkan tidak perlu lagi dipertanyakan".
Tim peneliti dari Singapore Management University (SMU) mengusulkan pendekatan yang lebih berpusat pada manusia. Mereka menyarankan agar programmer, sama seperti menguasai bahasa pemrograman umum, harus memahami batasan kemampuan AI, mengetahui apa yang AI kuasai dan tidak kuasai.
Selain itu, perlu dibangun sistem kontrol kualitas yang komprehensif yang secara khusus disesuaikan dengan proses AI, dan setiap hasil yang diproduksi oleh AI harus diperiksa secara cermat, seperti halnya meninjau kode dari programmer baru.
Baca Juga: Fokus pada Xbox, CEO Asha Sharma Akui Tampilan Logo Kompetitor di Presentasi adalah “Kesalahan”
Para peneliti juga menyebutkan (dan Scott Wu juga menyetujuinya) bahwa pekerjaan inti tingkat atas seperti arsitektur perangkat lunak dan desain keamanan, masih harus dipimpin dan diselesaikan oleh programmer manusia.
Leave a Comment