- 4 bulan lalu
Qualcomm mengakuisisi Arduino, perusahaan hardware asal Italia, untuk memperkuat posisinya di sektor robotika dan IoT. Simak detail dan dampaknya.
Loading...
Loading...
Loading...
Qualcomm mengakuisisi Arduino, perusahaan hardware asal Italia, untuk memperkuat posisinya di sektor robotika dan IoT. Simak detail dan dampaknya.
Tahun 2023 silam, banyak yang yakin AI akan menggantikan 80% developer pada 2025. Kenyataannya? Perusahaan teknologi justru merekrut lebih banyak programmer sekarang.
Bukan karena AI tidak berfungsi. Melainkan ekspektasi terhadap kemampuannya terlalu tinggi.
Raksasa teknologi seperti Meta dan Google bahkan berencana AI menangani setengah dari total coding mereka. Perusahaan yang sempat mem-PHK developer secara massal kini berbalik arah. Banyak tools AI canggih ternyata tidak sebanding dengan kemampuan pemecahan masalah manusia.
Di sisi lain, data menunjukkan tren menarik. September lalu, bisnis hanya merencanakan 32.000 PHK—turun 27% dibanding tahun sebelumnya. Menariknya, ini terjadi bersamaan dengan meningkatnya keraguan terhadap kapabilitas AI dalam menulis kode.
Beberapa tahun terakhir, narasi bahwa AI siap menggantikan programmer manusia mendominasi industri. Dari investor hingga CEO, ide bahwa sebagian besar kode akan ditulis mesin pada pertengahan dekade ini terus dikampanyekan.
Google mengklaim lebih dari seperempat kode baru mereka kini dihasilkan AI. Proyeksi ekstrem bahkan menyebut 80% pengembangan software bisa diotomasi sebelum 2026.
Namun, bukti empiris sepanjang 2024 dan 2025 menunjukkan realitas berbeda.
Antusiasme awal terhadap tools seperti GitHub Copilot dan model bahasa AI khusus mendorong banyak organisasi menuju otomasi penuh. Akibatnya, lebih dari 30% anggaran inovasi teknologi dialokasikan untuk solusi tersebut di beberapa kasus.
Begitu tools ini diterapkan di lingkungan produksi nyata—bukan sekadar demo terkontrol—masalah serius muncul. Produktivitas menurun. Tingkat kesalahan meningkat.
Celah keamanan bermunculan. Bahkan beberapa perusahaan yang mempromosikan pengembangan berbasis AI sebagai sepenuhnya otonom mengalami keruntuhan finansial.
Sebuah studi akademik 2025 menganalisis lebih dari 500.000 sampel kode dari developer manusia dan sistem AI. Fokusnya pada bahasa populer seperti Python, Java, dan JavaScript.
Hasilnya konsisten. Kode yang dihasilkan AI cenderung lebih sederhana, repetitif, dan kurang beragam secara struktural. Karakteristik ini menghasilkan software yang kurang tangguh dan lebih sulit dipelihara dalam jangka panjang.
Meskipun begitu, simplifikasi ini bukan tanpa konsekuensi. Studi yang sama menemukan kode produksi AI mengandung 20 hingga 45% lebih banyak kerentanan keamanan berisiko tinggi. Termasuk kegagalan validasi input, penanganan error yang buruk, dan praktik kriptografi yang lemah.
Sebaliknya, kode buatan manusia mencerminkan keputusan yang lebih matang dan pemahaman lebih baik terhadap kebutuhan sistem. Ini mengurangi kemungkinan kegagalan kritis saat produksi.
Solusi otomatis menunjukkan hingga 1,7 kali lebih banyak error parah atau kritis.
Temuan ini sejalan dengan analisis industri. Laporan Code Rabbit mengungkapkan pull request yang dihasilkan AI rata-rata mengandung 10,8 masalah terdeteksi, dibandingkan 6,4 pada yang ditulis manusia. Perbedaan ini bukan hal sepele. Setiap error tambahan meningkatkan biaya review, pemeliharaan, dan koreksi di tahap pengembangan selanjutnya.
Salah satu argumen utama mendukung AI adalah peningkatan produktivitas. Dalam tugas sederhana dan repetitif, janji ini sebagian terpenuhi.
Studi menunjukkan developer junior dapat meningkatkan kecepatan pengiriman sekitar 30 hingga 35% saat menggunakan bantuan AI untuk menghasilkan kode dasar atau template.
Namun, ketika produktivitas diperiksa dalam konteks enterprise nyata, gambarannya berubah drastis.
Engineer berpengalaman justru 19% lebih lambat saat menggunakan tools AI seperti Cursor. Alih-alih mempercepat, AI sering memberikan saran yang tampak membantu tapi sebenarnya membutuhkan koreksi memakan waktu.
Riset akademik dan laporan korporat menunjukkan lebih dari 90% proyek pilot pengembangan berbasis AI gagal terintegrasi secara stabil atau menghasilkan ROI jelas. Alasannya beragam: masalah keamanan, ketidakcocokan dengan arsitektur existing, dan kebutuhan intervensi manusia yang konstan.
Dalam kasus developer senior, beberapa studi bahkan menunjukkan pengurangan produktivitas netto. Senior engineer melaporkan menghabiskan 8 hingga 11 jam tambahan per minggu untuk mereview, mengoreksi, atau menulis ulang kode yang dihasilkan AI. Upaya ini terkonsentrasi terutama pada sistem kompleks di mana kesalahan kontekstual dapat menghasilkan efek berjenjang.
Masalah paling kritis terkait kode yang dihasilkan AI adalah keamanan.
Menurut laporan keamanan kode Virode, sekitar 45% kode yang dihasilkan AI mengandung kerentanan yang diklasifikasikan sebagai kritis dalam bahasa yang banyak digunakan di lingkungan enterprise. Tingkat kegagalan melebihi 70% pada beberapa bahasa, sementara di Python dan JavaScript berkisar antara 38 hingga 45%.
Kerentanan ini bukan sekadar teoretis. Survei yang dikutip Reuters menunjukkan satu dari lima pemimpin keamanan melaporkan insiden produksi nyata yang disebabkan langsung oleh kode yang dihasilkan AI.
Dalam beberapa kasus, organisasi terpaksa membatalkan seluruh deployment atau menerapkan patch darurat dengan biaya ekonomi dan reputasi yang signifikan.
Masalahnya tidak terbatas pada statistik abstrak. Ada contoh konkret perusahaan yang bertaruh agresif pada otomasi pengembangan berbasis AI dan menghadapi konsekuensi serius.
Salah satu kasus paling emblematik adalah Builder AI—perusahaan yang menjanjikan pembuatan aplikasi lengkap menggunakan kecerdasan buatan dengan intervensi manusia minimal. Meski telah mengumpulkan ratusan juta dolar dan mencapai valuasi miliaran dolar, terungkap bahwa sebagian besar pekerjaan masih bergantung pada developer manusia.
Pada 2025, perusahaan tersebut mengajukan kebangkrutan dan mengurangi tenaga kerja sekitar 80%, memengaruhi hampir 1.000 karyawan.
Kasus mengkhawatirkan lain terjadi Desember 2025 ketika seorang developer melaporkan kegagalan kritis pada tool pengembangan berbasis AI dengan akses mendalam ke sistem operasi. Google Anti-gravity AI secara tidak sengaja menghapus semua konten seluruh drive disk setelah mengeksekusi perintah salah dengan flag silencing.
Insiden ini menyoroti risiko mendelegasikan otomasi kritis tanpa pengawasan manusia—di mana satu kegagalan dapat mengakibatkan kehilangan data ireversibel dan hilangnya pekerjaan selama berminggu-minggu atau berbulan-bulan.
Di luar kesalahan terisolasi, ada konsensus teknis yang berkembang mengenai keterbatasan model AI saat ini. Khususnya ketidakmampuannya membuat keputusan engineering kompleks yang membutuhkan konteks luas dan penilaian manusia.
Tools otomatis bekerja baik dalam tugas yang terdefinisi jelas dan sangat terstruktur. Namun gagal saat berinteraksi dengan arsitektur saling bergantung, sistem legacy, dan kebutuhan bisnis yang ambigu—realitas umum di sebagian besar proyek enterprise.
Studi sebelumnya menunjukkan manfaat lebih langsung bagi junior engineer dari tools AI, terutama untuk tugas sederhana dan terdefinisi baik. Riset terbaru menunjukkan bahwa meskipun dapat membantu grup tersebut naik level, AI justru meningkatkan ketergantungan pada talenta senior. Karena seseorang masih perlu men-debug, menyempurnakan, dan mengirimkan produk final.
Salah satu alasan paling berulang untuk kegagalan ini adalah ketidakmampuan AI menangani kebutuhan yang tidak lengkap atau implisit. Tidak seperti developer manusia yang bertanya dan mengantisipasi edge case, AI bergantung ketat pada informasi yang diberikan.
Ini problematik mengingat lebih dari 70% proyek software enterprise mengalami perubahan kebutuhan signifikan selama pengembangan.
Dalam aplikasi dunia nyata, fungsi yang tampaknya sederhana seperti pemrosesan pembayaran bisa menyembunyikan kompleksitas substansial. Dalam praktiknya, sering melibatkan lusinan aturan bisnis terkait pengembalian dana, pajak, dan kepatuhan regulasi.
AI tidak bisa mengantisipasi kompleksitas ini kecuali ditentukan secara eksplisit. Ini menjelaskan mengapa proporsi besar proyek otomatis akhirnya ditulis ulang sebagian oleh developer manusia sebelum rilis.
Ini diperparah oleh fakta bahwa meskipun hype AI dipromosikan perusahaan teknologi, sebagian besar tools kecerdasan buatan pada umumnya sangat mirip satu sama lain.
Kasus perusahaan yang menderita kerugian jutaan dolar atau bahkan kebangkrutan setelah bertaruh buta pada solusi ini menjadi peringatan jelas.
Transformasi nyata bukan terletak pada eliminasi developer, melainkan pada peningkatan pekerjaan mereka melalui tools cerdas yang mengurangi tugas repetitif. Pada saat yang sama, penilaian manusia, pengalaman, dan akuntabilitas tetap terjaga di setiap baris kode.
