MustafaU/E+ via Getty Images
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
**Poin Penting ZDNET**
Banyak eksekutif IT khawatir AI justru menciptakan lebih banyak *tech debt*, bukannya mengurangi.
AI mungkin berjalan di platform yang sudah dibebani utang.
Perlu pemikiran jangka panjang untuk perangkat lunak.
*Tech debt* sejak lama telah menjadi beban yang terus membesar bagi implementasi teknologi, dan tampaknya masalah ini tidak akan hilang dalam waktu dekat — bahkan jika AI mengambil alih sebagian beban berat dalam pengembangan dan *deployment* aplikasi. Faktanya, AI justru bisa memperburuk keadaan.
Sebuah studi baru, yang diterbitkan bersama oleh HFS Research dan Unqork, menemukan bahwa 43% manajer IT khawatir AI akan menciptakan *technical debt* baru — meskipun 84% mengharapkan pengurangan biaya dari adopsi AI.
Survei yang dilakukan pada bulan September ini melibatkan 123 eksekutif dan manajer dari perusahaan-perusahaan besar. Ada harapan besar bahwa AI akan membantu memotong dan membersihkan berbagai masalah, sekaligus mengurangi biaya. Setidaknya 80% mengharapkan peningkatan produktivitas, dan 55% mengantisipasi AI akan membantu mengurangi *technical debt*.
Namun, segmen besar yang berharap AI akan meningkatkan *technical debt* mencerminkan “kecemasan nyata tentang keamanan, integrasi sistem warisan (*legacy*), dan perilaku *black-box* seiring AI berkembang di seluruh lapisan (*stack*),” ungkap para peneliti. Kekhawatiran utama meliputi kerentanan keamanan (59%), kompleksitas integrasi sistem warisan (50%), dan hilangnya visibilitas (42%).
Apa itu *technical debt*? Ini terjadi ketika tim teknologi, biasanya di bawah tekanan, menerapkan perbaikan cepat atau *shortcut* untuk masalah perangkat lunak, alih-alih proyek yang lebih terencana. Hasilnya adalah kebutuhan akan perbaikan ulang dan pemeliharaan yang lebih mahal di masa depan untuk akhirnya mengurai *shortcut* awal tersebut.
“*Technical debt* ada di berbagai tingkat yang berbeda dalam *technology stack*,” kata Gary Hoberman, CEO Unqork, kepada ZDNET. “Anda bisa memiliki insinyur 10X terbaik atau model AI terbaik yang menulis kode paling indah dan efisien yang pernah ada, tetapi kode itu masih bisa berjalan pada *runtime* yang itu sendiri penuh dengan *technical debt* dan masalah keamanan. Atau mereka mungkin juga mengandalkan pustaka *open-source* yang sudah tidak didukung lagi.”
Juga: Kunci implementasi AI mungkin hanyalah skeptisisme yang sehat – inilah alasannya
Sebagai contoh, salah satu klien Unqork saat ini sedang mengurai 25 tahun *tech debt* yang timbul melalui aplikasi Java mereka, tutur Hoberman. “Hanya memperbarui *Java Virtual Machine* yang mendasarinya sangat mahal dan lambat — butuh berbulan-bulan — dengan manfaat yang sangat sedikit. Pada saat mereka menyelesaikan pembaruan satu versi, versi baru akan dirilis dan perlu ditingkatkan. Itulah definisi dari *inherited tech debt*.”
AI menghadirkan segudang masalah baru bagi tantangan *tech debt*. Meningkatnya penggunaan kode berbantuan AI berisiko menimbulkan “konsekuensi yang tidak diinginkan, seperti biaya pemeliharaan yang tidak terkendali dan peningkatan *tech debt*,” lanjut Hoberman. IT sudah kewalahan dengan pemeliharaan sistem yang ada.
4 cara untuk menghindari menciptakan lebih banyak *technical debt*
Bagaimana cara menjaga agar tidak menciptakan bentuk baru *tech debt* melalui AI? Berikut empat rekomendasi:
**1. Kendalikan proyek AI yang dengan cepat menghasilkan kode tanpa kemampuan pelacakan, *rollback*, atau pengaman integrasi**
Implementasinya perlu menunjukkan siapa yang melakukan apa, kapan, dan mengapa. Tanpa ini, sistem berbasis AI “tidak hanya rapuh, tapi juga liabilitas di masa depan,” kata Hansa Iyengar, *practice leader* di HFS dan ko-penulis laporan survei. “Upaya AI yang paling rentan menimbulkan utang terlihat cepat pada awalnya, tetapi diam-diam mengukuhkan kompleksitas dan membuat setiap perubahan di kemudian hari menjadi lebih sulit.”
Juga: 8 cara menjadikan AI yang bertanggung jawab sebagai bagian dari DNA perusahaan Anda
**2. Awasi pergeseran dalam model dan arsitektur**
Beralihlah ke hasil yang terproduktifikasi dalam arsitektur “yang meminimalkan pembuatan kode khusus pelanggan, memaksimalkan penggunaan ulang, dan menanamkan tata kelola sehingga AI mengurangi, bukan menciptakan lebih banyak *tech debt*,” ujar Hoberman.
**3. Tekan manajemen puncak mengenai urgensi pemikiran jangka panjang dalam pengembangan perangkat lunak**
Tekankan bagaimana pengeluaran untuk perangkat lunak akan memberikan hasil bisnis seperti pertumbuhan pendapatan. “Ketika Anda mengkuantifikasi apa yang akan menjalankan bisnis versus apa yang mendorong perubahan, akan menjadi jauh lebih mudah untuk melibatkan dewan direksi dalam percakapan berbasis fakta tentang realokasi pengeluaran,” kata Iyengar.
Juga: *Forensic vibers* dibutuhkan – dan 10 peran pekerjaan baru lain yang bisa diciptakan AI
**4. Modernisasikan sistem warisan (*legacy*)**
Tanpa modernisasi seperti itu, dan tanpa mengubah arsitektur yang mendasarinya, manfaat AI akan terpendam. “Dalam kasus itu, AI akan menghasilkan lebih banyak *tech debt*, bukan kurang,” kata Hoberman.