Gambar: narvo vexar/iStock/Getty Images Plus via Getty Images
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
**Ringkasan Utama ZDNET**
* Hampir sepertiga kode sekarang dihasilkan oleh AI.
* Produktivitas pengembang meningkat 4% berkat AI generatif.
* Peningkatan produktivitas terbatas pada pengembang yang lebih berpengalaman.
Jumlah kode yang dihasilkan AI secara global telah melonjak enam kali lipat dalam dua tahun terakhir, dari 5% di tahun 2022 menjadi hampir 30% pada akhir 2024. Bersamaan dengan itu, terjadi peningkatan yang terukur dalam produktivitas programmer.
Ini adalah sebagian temuan dari sebuah studi baru oleh Complexity Science Hub (CSH), yang mengkaji dampak alat dan platform AI terhadap pengembangan perangkat lunak. Para peneliti mengembangkan model yang diterapkan pada dataset besar yang mencakup aktivitas pengembangan perangkat lunak di enam negara.
Juga: Saya menyelesaikan pengembangan produk 4 tahun dalam 4 hari dengan $200, dan saya masih terpana
Implikasi biaya dari penghematan jam pengembangan sangat besar, sebagaimana penulis studi tunjukkan; perusahaan AS saja diperkirakan menghabiskan lebih dari $600 miliar per tahun untuk biaya tenaga kerja terkait pemrograman.
Peningkatan Produktivitas Berkorelasi dengan Pengalaman
Mereka perkirakan AI generatif telah meningkatkan produktivitas programmer mendekati 4%. Namun, ada celah dalam data: programmer yang kurang berpengalaman menggunakan AI lebih sering (37%), tetapi peningkatan produktivitas hampir secara eksklusif terlihat pada pengembang yang berpengalaman.
Menurut tim peneliti CSH yang dipimpin Simone Daniotti, AI generatif membentuk ulang volume dan sifat pekerjaan pemrograman. “Membandingkan pengembang yang sama sebelum dan setelah mengadopsi gen AI, kami menunjukkan bahwa adopsi AI secara substansial meningkatkan output. Pengembang yang menggunakan gen AI juga lebih cenderung memasukkan kombinasi baru pustaka perangkat lunak ke dalam kode mereka, menunjukkan mereka menjelajahi domain teknis baru menggunakan blok bangunan yang tidak familier.”
Eksekutif industri menyambut baik setiap peningkatan produktivitas, namun mengingatkan bahwa itu hanyalah satu dimensi dari transisi sukses ke ranah AI. “Ketika AI ditambahkan ke operasi, organisasi melihat berbagai manfaat yang lebih selaras dengan tujuan bisnis,” kata Cameron van Orman dari Planview.
“Pekerjaan manual seperti mengejar pembaruan, mengidentifikasi risiko, dan menormalisasi pelaporan dapat diotomatisasi,” lanjutnya. “AI juga dapat mengungkapkan ketergantungan lintas-portofolio dan aliran nilai yang sebelumnya hanya dilihat oleh segelintir manajer proyek yang sangat berpengalaman, menghilangkan kesenjangan visibilitas akibat sistem, data, dan keterbatasan alat.”
Jangan Abaikan Struktur dan Akuntabilitas
Manfaat bagi pengembang melampaui kecepatan dan produktivitas. “Survei kami terhadap 1.000+ pengembang menemukan bahwa 76% percaya AI membuat pekerjaan mereka lebih memuaskan, karena memungkinkan mereka fokus pada inovasi dan pemecahan masalah kreatif,” kata Guillermo Carreras dari BairesDev. “Tim Anda dapat mengerjakan tugas yang lebih bermakna karena pekerjaan rutin ditangani. Ini membuat investasi berharga; kecepatan hanyalah efek samping.”
Selain itu, mengejar kecepatan dan produktivitas saja melewatkan elemen penting dari proses pengembangan perangkat lunak. “Tanpa struktur dan akuntabilitas, bahkan proyek AI paling menjanjikan akan mandek, dan AI tidak akan memiliki dampak yang seharusnya pada siklus hidup pengembangan perangkat lunak,” tambah van Orman. “Ketika berkembang dari eksperimen ke adopsi di seluruh perusahaan, pemimpin perangkat lunak harus memprioritaskan perencanaan, prioritisasi, dan tindak lanjut yang disiplin.”
Lalu ada kekurangan produktivitas yang mencolok di kalangan pengembang pemula dalam studi CSH. Tingkat adopsi gen AI “lebih tinggi di antara pengembang pemula,” ungkap studi tersebut. “Namun, peningkatan produktivitas dan eksplorasi terkonsentrasi hampir secara eksklusif di antara pengembang tingkat senior. Sebaliknya, meskipun pengembang pemula lebih banyak menggunakan gen AI, mereka tidak mendapatkan manfaat yang sama.”
Alasannya “mungkin mencerminkan perbedaan dalam seberapa baik pengembang memanfaatkan gen AI di seluruh rangkaian tugas yang lebih luas,” teoretisasi Daniotti dan rekan penulisnya. “Pengembang tingkat senior akan, misalnya, lebih cepat dalam menafsirkan dan menemukan kesalahan dalam kode yang dihasilkan AI.”
‘Lakukan Lebih Banyak dengan Sumber Daya yang Sama’
Ini, pada gilirannya, berarti peluang yang lebih besar bagi profesional perangkat lunak berpengalaman. “Mengingat kecepatan pasar bergerak dan laju inovasi yang eksponensial, saya kira ini akan menciptakan lebih banyak permintaan bagi pengembang perangkat lunak untuk memberikan lebih banyak fitur per unit waktu,” kata Venky Veeraraghavan dari DataRobot. “Kalkulasinya bukan ‘lakukan hal yang sama dengan lebih sedikit’ tetapi ‘lakukan lebih banyak dengan sumber daya yang sama.'”
Dengan alat AI yang menangani pengkodean lebih cepat, “pengembang dapat memikirkan arsitektur dan kasus tepi yang benar-benar membutuhkan pertimbangan,” kata Carreras. “Ini juga memfasilitasi proses dokumentasi dan pembuatan kasus uji.”
Pengembang yang sukses “akan menjadi mereka yang memperlakukan AI seperti insinyur junior di tim: membantu, cepat, tetapi memerlukan pengawasan,” kata Eric Cheng dari Jobright. “Mengetahui cara memberikan perintah, meninjau, dan meningkatkan output AI akan sama pentingnya dengan menulis kode yang bersih.”
Gen AI meningkatkan eksperimen dengan pustaka baru, menurut studi CSH. “Ini menunjukkan gen AI memungkinkan pengguna maju lebih cepat ke area pemrograman baru, menyematkan jenis fungsionalitas baru dalam kode mereka,” tulis laporan itu. “Gen AI meningkatkan inovasi individu, mendorong kapabilitas individu dalam hal penggunaan kombinasi baru pustaka. Namun, sekali lagi, hanya pengguna berpengalaman tingkat senior yang tampaknya mampu memanfaatkan gen AI dengan cara ini, dengan konsekuensi penting untuk perkembangan karier dan pembelajaran di hadapan gen AI.”