Fakta bahwa AI bisa menghasilakan hasil yang sangat mengesankan hingga sangat bermasalah mungkin menjelaskan mengapa para pengembang terlihat terpecah soal teknologi ini. WIRED melakukan survei terhadap para programmer di bulan Maret untuk menanyakan pendapat mereka tentang coding berbasis AI, dan menemukan bahwa proporsi yang antusias (36 persen) hampir sama dengan yang skeptis (38 persen).
“Tidak diragukan lagi AI akan mengubah cara kode diproduksi,” kata Daniel Jackson, ilmuwan komputer dari MIT yang saat ini meneliti integrasi AI ke pengembangan perangkat lunak berskala besar. “Tapi aku tidak akan terkejut jika kita akan kecewa—hype ini akan berlalu.”
Jackson memperingatkan bahwa model AI pada dasarnya berbeda dengan kompiler yang mengubah kode bahasa tingkat tinggi menjadi bahasa lebih rendah yang efisien untuk mesin, karena AI tidak selalu mengikuti instruksi. Terkadang AI mungkin mengeksekusi tugas lebih baik dari pengembang—di lain waktu justru lebih buruk.
Dia menambahkan bahwa ‘vibe coding’ gagal ketika dipakai untuk pembuatan perangkat lunak serius. “Hampir tidak ada aplikasi di mana ‘sebagian besar bekerja’ cukup baik,” ujarnya. “Begitu kamu peduli pada suatu perangkat lunak, kamu akan peduli bahwa ia berfungsi dengan benar.”
Banyak proyek perangkat lunak kompleks, dan perubahan pada satu bagian kode bisa memicu masalah di bagian lain. Pemrogram berpengalaman paham gambaran besarnya, kata Jackson, tapi “model bahasa besar tidak bisa bernalar melalui dependensi semacam itu.”
Jackson yakin pengembangan perangkat lunak mungkin berevolusi dengan basis kode lebih modular dan sedikit dependensi untuk mengakomodasi keterbatasan AI. Dia memperkirakan AI mungkin mengganti beberapa pengembang tapi juga memaksa lebih banyak orang untuk memikirkan ulang pendekatan mereka dan lebih fokus pada desain proyek.
Ketergantungan berlebihan pada AI bisa menjadi “bencana yang mengancam,” tambah Jackson, karena “tidak hanya akan ada banyak kode rusak penuh kerentanan keamanan, tapi juga muncul generasi baru programmer yang tak mampu menanganinya.”
Belajar Coding
Bahkan perusahaan yang telah mengintegrasikan alat coding ke proses pengembangan perangkat lunak mengakui teknologi ini masih terlalu tidak andal untuk penggunaan lebih luas.
Christine Yen, CEO Honeycomb—perusahaan penyedia teknologi pemantau kinerja sistem perangkat lunak besar—mengatakan proyek sederhana atau terstruktur seperti pembuatan pustaka komponen lebih cocok menggunakan AI. Meski begitu, produktivitas pengembang di perusahaannya yang memakai AI hanya meningkat sekitar 50 persen.
Yen menambahkan bahwa untuk hal yang membutuhkan pertimbangan baik, kinerja penting, atau kode yang menyentuh sistem/data sensitif, “AI sejujurnya belum cukup baik untuk benar-benar membantu.”
“Bagian tersulit dalam membangun sistem perangkat lunak bukan sekadar menulis banyak kode,” katanya. “Insinyur masih akan dibutuhkan, setidaknya saat ini, untuk mengurus kurasi, pertimbangan, panduan, dan arahan.”
Beberapa orang menyarankan akan adaa pergeseran tenaga kerja. “Kami tidak melihat penurunan permintaan untuk pengembang,” kata Liad Elidan, CEO Milestone. “Kami melihat penurunan permintaan untuk pengembang dengan kinerja rata-rata atau buruk.”
“Jika membangun produk, dulu butuh 50 insinyur, sekarang mungkin hanya 20-30,” ujar Naveen Rao, VP AI di Databricks. “Itu sangat nyata.”
Namun Rao mengatakan belajar coding akan tetap menjadi keahlian berharga. “Ini seperti bilang ‘Jangan ajari anakmu matematika,'” katanya. Memahami cara memaksimalkan komputer kemungkinan akan tetap sangat bernilai.
Yegge dan Kim, programmer berpengalaman, percaya kebanyakan pengembang bisa beradaptasi. Dalam buku mereka tentang vibe coding, mereka merekomendasikan strategi baru termasuk basis kode modular, pengujian terus-menerus, dan banyak eksperimen. Yegge mengatakan penggunaan AI untuk menulis perangkat lunak berkembang menjadi bentuk seni yang agak berisiko. “Ini tentang bagaimana melakukannya tanpa merusak hard disk dan menguras rekening bank,” katanya.