DamnwellMedia/iStock/Getty Images Plus
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
Poin Penting ZDNET
Hampir semua pengembang kini mengandalkan alat-alat AI.
AI memperkuat kelebihan dan memperbesar disfungsi.
Platform berkualitas tinggi merupakan suatu keharusan untuk kesuksesan AI.
Google telah merilis laporan pengembangan perangkat lunak DORA 2025. DORA (DevOps Research & Assessment) adalah program riset di Google (bagian dari organisasi Google Cloud). DORA mengeksplorasi kemampuan dan faktor-faktor yang mendorong kinerja pengiriman dan operasi perangkat lunak.
Tahun ini, proyek DORA mensurvei 5.000 profesional pengembangan perangkat lunak di berbagai industri dan melakukan tindak lanjut dengan lebih dari 100 jam wawancara. Ini mungkin menjadi salah satu studi paling komprehensif tentang peran AI yang berubah dalam pengembangan perangkat lunak, terutama di tingkat perusahaan.
Juga: 10 rahasia ChatGPT Codex yang baru saya ketahui setelah 60 jam pemrograman berpasangan dengannya
Hasil tahun ini sangat relevan karena AI telah menyusup ke dalam pengembangan perangkat lunak pada tingkat yang cukup ekstrem. Laporan tersebut menunjukkan beberapa catatan yang menggembirakan tetapi juga menampilkan beberapa area tantangan nyata.
Dalam menulis artikel ini, saya telah membaca laporan setebal 142 halaman dan menarik lima observasi utama yang menembus hiruk-pikuk untuk mengungkap apa yang benar-benar berubah dalam pengembangan perangkat lunak.
1. AI Kini Digunakan Secara Luas dalam Pengembangan
Menurut responden survei, sekitar 90 hingga 95% bergantung pada AI untuk pekerjaan pengembangan perangkat lunak. Laporan menyebutkan 95% di bagian pendahuluan dan 90% di bagian detail, tetapi terlepas dari angka mana yang dipilih, hampir semua programmer kini menggunakan AI. Menurut laporan tersebut, ini adalah lonjakan 14% dari tahun lalu.
Waktu rata-rata yang dihabiskan untuk berinteraksi dengan AI adalah dua jam per hari. Namun, ada sedikit nuansa lagi untuk ini. Misalnya, hanya 7% responden yang “selalu” melaporkan penggunaan AI ketika menghadapi masalah untuk dipecahkan. Kelompok terbesar, 39%, melaporkan “kadang-kadang” beralih ke AI untuk meminta bantuan. Tetapi yang mengejutkan saya adalah bahwa 60% penuh menggunakan AI “sekitar setengah waktu” atau lebih ketika mencoba memecahkan masalah atau menyelesaikan tugas.
Delapan puluh persen programmer melaporkan peningkatan produktivitas secara keseluruhan, tetapi hanya 59% yang melaporkan bahwa kualitas kode mereka membaik. Metrik kunci lainnya adalah ini: 70% responden mempercayai kualitas AI, sementara 30% tidak.
Juga: Saya menyelesaikan pengembangan produk 4 tahun dalam 4 hari dengan $200, dan saya masih terkejut
Izinkan saya berbagi pemikiran pribadi tentang ini. Saya baru saja menyelesaikan sprint coding besar-besaran yang dimungkinkan oleh AI. Kode yang dihasilkan hampir tidak pernah benar pada proses pertama. Saya harus menghabiskan banyak waktu untuk membujuk AI agar mendapatkannya dengan benar. Bahkan setelah pekerjaan selesai, saya kembali melakukan pemeriksaan QA penuh, di mana saya menemukan lebih banyak kesalahan.
Kesimpulan saya adalah bahwa mustahil saya bisa menyelesaikan pekerjaan sebanyak yang baru saja saya lakukan tanpa AI. Tetapi sama sekali tidak mungkin saya mempercayai kode apa pun yang ditulis AI tanpa melakukan banyak tinjauan, validasi, dan pengujian. Tentu saja, itu tidak jauh berbeda dengan perasaan saya ketika saya menjadi manajer dan mendelegasikan pengkodean kepada karyawan atau kontraktor.
2. Anggap AI sebagai Penguat
Ini adalah salah satu hasil yang lebih menarik dari studi tersebut. Tim DORA berpendapat bahwa AI telah menjadi penguat. Pada dasarnya, AI “memperbesar kekuatan organisasi berkinerja tinggi dan disfungsi organisasi yang berjuang.”
Itu sangat masuk akal. Jika Anda membaca artikel terbaru saya tentang “10 rahasia ChatGPT Codex yang baru saya ketahui setelah 60 jam pemrograman berpasangan dengannya,” saya menunjukkan bahwa AI membuat kesalahan besar dengan cepat. Satu prompt yang salah bentuk dapat mengirim AI untuk menimbulkan kerusakan besar. Saya mengalami pengalaman di mana Codex memutuskan untuk menghapus sebagian besar salah satu file saya, dan kemudian segera memeriksa perubahan tersebut ke GitHub.
Juga: Saya melakukan coding 24 hari dalam 12 jam dengan alat AI $20 – tetapi ada satu jebakan besar
Untungnya, saya dapat mengembalikan perubahan tersebut, tetapi saya melihat sejumlah besar pekerjaan lenyap lebih cepat daripada saya menyesap kopi.
Pada dasarnya, semakin efektif dan terorganisir sebuah tim, semakin AI akan membantu. Semakin kacau atau sembrono sebuah tim, semakin AI akan merugikan. Dalam kasus saya, saya memiliki praktik kontrol revisi yang sangat baik, jadi ketika AI “memakan pekerjaan rumah” saya, saya bisa mendapatkannya kembali karena kontrol yang telah saya terapkan sebelum saya memberikan akses pertama AI ke basis kode saya.
3. Tujuh Arketipe Tim di Era AI
Jadi siapa yang menang dan siapa yang kalah? Tim DORA mengidentifikasi delapan faktor yang menentukan kinerja keseluruhan sebuah tim.
Kinerja tim: Efektivitas dan kekuatan kolaboratif sebuah tim
Kinerja produk: Kualitas dan kesuksesan produk yang diproduksi
Kelancaran pengiriman perangkat lunak: Kecepatan dan efisiensi proses pengiriman
Ketidakstabilan pengiriman perangkat lunak: Kualitas dan keandalan proses pengiriman
Efektivitas individu: Efektivitas dan rasa pencapaian untuk anggota tim individu
Pekerjaan bernilai: Tingkat di mana anggota tim individu merasa pekerjaan mereka berharga
Gesekan: Seberapa banyak halangan yang menghadang individu mencoba menyelesaikan pekerjaan mereka
Kejenuhan: Perasaan kelelahan dan sinisme di antara anggota tim
Kemudian mereka mengukur faktor-faktor ini terhadap responden dan tim mereka. Ini membantu mengidentifikasi tujuh arketipe tim.
Tantangan Fondasional: Mode bertahan hidup, celah di mana-mana
Kemacetan Warisan: Pemadaman kebakaran konstan, sistem tidak stabil
Dibatasi oleh Proses: Stabil tetapi terbebani oleh birokrasi
Dampak Tinggi, Irama Rendah: Output kuat, pengiriman tidak stabil
Stabil dan Metodis: Langkah hati-hati, kualitas konsisten
Pelaku Pragmatis: Andal, cepat, keterlibatan sedang
Pencapai Tinggi yang Harmonis: Berkelanjutan, stabil, kinerja teratas
AI, kata laporan itu, adalah cerminan organisasi. Menggunakan AI membuat kekuatan dan kelemahan tim lebih jelas. Tetapi yang saya anggap sangat menarik adalah gagasan bahwa pertukaran “kecepatan vs. stabilitas” adalah mitos.
Ini adalah gagasan bahwa Anda bisa cepat atau Anda dapat menghasilkan kode yang baik, tetapi tidak keduanya. Ternyata, 30% responden teratas masuk dalam arketipe pencapai tinggi yang harmonis atau pelaku pragmatis, dan mereka menghasilkan output dengan cepat, dan kualitas output tersebut tinggi.
4. Tujuh Praktik Kunci
Laporan tersebut menekankan, “Adopsi AI yang berhasil adalah masalah sistem, bukan masalah alat.” Tim DORA sepertinya menyukai angka tujuh. Mereka mengatakan tujuh praktik kunci berikut mendorong dampak AI (untuk baik atau buruk).
Kebijakan AI: Sikap AI organisasi yang jelas dan dikomunikasikan.
Ekosisitem data: Kualitas keseluruhan data internal suatu organisasi.
Data yang dapat diakses: Alat AI terhubung ke sumber data internal.
Kontrol versi: Cara sistematis untuk mengelola perubahan pada kode.
Batch kecil: Memecah perubahan menjadi unit-unit kecil yang dapat dikelola.
Fokus pengguna: Tim memprioritaskan pengalaman pengguna akhir.
Platform berkualitas: Kemampuan bersama yang tersedia di seluruh organisasi.
Seperti yang bisa Anda bayangkan, tim yang sukses menerapkan lebih banyak praktik ini. Sementara tim yang tidak sukses mungkin memiliki programmer individu yang sangat produktif, kurangnya dasar-dasar inilah yang sepertinya menjatuhkan mereka.
Mereka merekomendasikan, “Anggap adopsi AI Anda sebagai transformasi organisasi. Pengembalian terbesar akan datang dari berinvestasi dalam sistem fondasional yang memperkuat manfaat AI: platform internal Anda, ekosistem data Anda, dan disiplin teknik inti tim Anda. Unsur-unsur ini adalah prasyarat penting untuk mengubah potensi AI menjadi kinerja organisasi yang terukur.”
5. Dua Faktor yang Mempengaruhi Kesuksesan AI
Tahun lalu, menjadi berita cukup besar ketika laporan DORA sebelumnya menunjukkan bahwa AI justru mengurangi produktivitas pengembangan perangkat lunak, alih-alih meningkatkannya. Tahun ini, yang terjadi sebaliknya. Penjelajah DORA dapat mengidentifikasi dua faktor kunci yang mengubah hasil tersebut.
Organisasi pengembangan lebih familiar dengan AI dan tahu cara menggunakannya dengan lebih efektif dibandingkan setahun yang lalu. Penelitian menunjukkan bahwa 90% organisasi pengembang telah mengadopsi platform engineering. Ini adalah praktik membangun platform pengembangan internal yang kuat yang mengagregasi alat, otomatisasi, dan layanan bersama untuk tim pengembangan.
Juga: AI terbaik untuk coding di 2025 (dan yang tidak boleh digunakan)
Menurut DORA, ketika platform internal bekerja dengan baik, pengembang menghabiskan lebih sedikit waktu untuk melawan sistem dan lebih banyak waktu untuk menciptakan nilai. Jika Anda melihat AI sebagai penguat, maka Anda dapat melihat bagaimana sistem yang baik dapat benar-benar meningkatkan hasil. Menariknya, jika platform lemah, AI tampaknya tidak meningkatkan produktivitas organisasi. Platform internal yang baik adalah prasyarat yang sangat jelas untuk penggunaan AI yang efektif.
Faktor berikutnya terdengar seperti jargon dari sitkom tempat kerja tetapi cukup penting. Ini adalah VSM (atau manajemen aliran nilai). Gagasannya adalah bahwa manajer membuat peta tentang bagaimana pekerjaan bergerak dari ide ke pengiriman. Ini pada dasarnya adalah diagram alir untuk operasi daripada sekadar bit.
Dengan melihat setiap langkah, tim dapat mengidentifikasi area masalah, seperti tinjauan kode yang sangat lama atau rilis yang mandek di berbagai tahap. Laporan tersebut menyatakan bahwa dampak positif dari adopsi AI “diperkuat secara dramatis” dalam organisasi dengan praktik VSM yang kuat. Sebagai catatan, kata “dramatis” muncul dalam laporan sebanyak empat kali.
Laporan tersebut menyatakan, “VSM bertindak sebagai pengganda kekuatan untuk investasi AI. Dengan memberikan pandangan tingkat sistem, VSM memastikan AI diterapkan pada masalah yang tepat, mengubah keuntungan produktivitas yang terlokalisasi menjadi keunggulan organisasi yang signifikan alih-alih sekadar menciptakan lebih banyak kekacauan hilir.”
Apa Artinya Semua Ini untuk Pengembangan Perangkat Lunak
Ada beberapa kesimpulan jelas dari laporan tersebut. Pertama, AI telah berpindah dari hiruk-pikuk ke arus utama dalam dunia pengembangan perangkat lunak perusahaan. Kedua, keunggulan nyata bukan tentang alat (atau bahkan AI yang Anda gunakan). Ini tentang membangun sistem organisasi yang solid. Tanpa sistem tersebut, AI memiliki sedikit keunggulan. Dan ketiga, AI adalah cermin. Ia mencerminkan dan memperbesar seberapa baik (atau buruk) Anda sudah beroperasi.
Apa pendapat Anda? Apakah organisasi Anda telah menggunakan alat-alat AI dalam pengembangan perangkat lunak? Apakah Anda melihat AI sebagai pendorong produktivitas yang sejati atau sebagai sesuatu yang menambah ketidakstabilan? Manakah dari tujuh arketipe tim yang paling dekat dengan pengalaman Anda sendiri? Dan apakah Anda berpikir praktik seperti platform engineering atau VSM benar-benar membedakan? Bagikan pemikiran Anda di komentar di bawah.
Anda dapat mengikuti pembaruan proyek harian saya di media sosial. Pastikan untuk berlangganan buletin pembaruan mingguan saya, dan ikuti saya di Twitter/X di @DavidGewirtz, di Facebook di Facebook.com/DavidGewirtz, di Instagram di Instagram.com/DavidGewirtz, di Bluesky di @DavidGewirtz.com, dan di YouTube di YouTube.com/DavidGewirtzTV.