Joe Jenkins
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
Poin penting ZDNET
AI Dev, konferensi AI DeepLearning.ai, melakukan debutnya di New York.
Kami berbincang dengan Andrew Ng di acara tersebut mengenai AI dan para pengembang.
Ng merekomendasikan agar semua orang belajar memprogram.
AI Dev tahunan kedua, sebuah pertemuan puncak mengenai segala hal tentang AI dan perangkat lunak yang dihost oleh DeepLearning.ai milik Andrew Ng, hadir di New York pada hari Jumat. Dalam beberapa panel dan sebuah wawancara dengan ZDNET, pendiri Google Brain ini memberikan nasihat mengenai masa depan bidang tersebut.
AI dengan cepat menjadi asisten pemrograman andal bagi banyak pengembang — bahkan hingga banyak yang mempertanyakan masa depan profesi ini secara keseluruhan. Pekerjaan pemrograman tingkat pemula menyusut bagi lulusan baru seiring tim mendelegasikan tugas junior ke asisten AI; di saat yang sama, para ahli mengutip keterbatasan nyata dari alat-alat ini sebagai bukti bahwa insinyur perangkat lunak tidak akan pernah benar-benar menjadi usang.
Berikut pandangan Ng tentang cara menavigasi masa depan yang tidak pasti ini, mengapa semua orang harus belajar coding, dan bagaimana seharusnya tata kelola dilakukan.
Pemrograman Masih Penting – Dalam Batas Tertentu
“Karena pemrograman AI telah sangat menurunkan hambatan masuk, saya harap kita dapat mendorong semua orang untuk belajar memprogram — bukan hanya insinyur perangkat lunak,” kata Ng selama presentasi utamanya.
Dampak AI terhadap pekerjaan dan masa depan pekerjaan masih terus terungkap. Terlepas dari itu, Ng mengatakan kepada ZDNET dalam sebuah wawancara bahwa ia berpikir setiap orang harus mengetahui dasar-dasar cara menggunakan AI untuk memprogram, setara dengan mengetahui “sedikit matematika” — masih merupakan keterampilan keras, tetapi diterapkan lebih umum ke banyak karir untuk apa pun yang Anda butuhkan.
Juga: Mengapa alat coding AI seperti Cursor dan Replit ditakdirkan gagal – dan apa yang berikutnya
“Salah satu keterampilan paling penting di masa depan adalah kemampuan untuk memberi tahu komputer secara persis apa yang Anda inginkan untuk dilakukannya bagi Anda,” ujarnya, seraya mencatat bahwa setiap orang harus mengetahui cukup untuk berbicara dalam bahasa komputer, tanpa perlu menulis kode sendiri. “Sintaksis, mantra misterius yang kita gunakan, itu kurang penting.”
Dia menambahkan bahwa ia ingin menyambut ‘vibecoders’ sebagai anggota komunitas, bahkan jika mereka secara teknis bukan pengembang sendiri. Tetapi ia juga tidak berharap itu akan mudah. Meski mencatat bahwa “sangat jelas bahwa kode harus ditulis dengan asisten AI,” Ng mengakui bahwa ‘vibecoding’ — yang ia lebih suka sebut “pemrograman AI” — membuatnya “secara mental lelah.”
Menjadi Generalis
Dalam presentasi utamanya, Ng mencatat bahwa karena AI telah membuat pengembangan perangkat lunak sangat cepat, manajemen produk — bukan pembuatan purwarupa — menjadi titik penghambat baru untuk meluncurkan produk. Untuk mempertahankan kecepatan yang dimungkinkan oleh AI, ia merekomendasikan agar para insinyur mempelajari beberapa keterampilan manajemen produk untuk menghindari kemacetan itu.
“Insinyur yang mempelajari sedikit pekerjaan produk jujur saja bisa menjadi tim yang beranggotakan satu orang,” katanya.
Juga: Apa yang sebenarnya dikatakan Bill Gates tentang AI menggantikan pekerjaan coding
Tema semua profesional — bukan hanya pengembang — menjadi generalis ini muncul kembali sepanjang pertemuan puncak tersebut. Selama panel tentang pengembangan di era AI, Fabian Hedin, CTO di platform coding Lovable — salah satu startup underdog dalam daftar terbaru a16z — mencatat bahwa ‘vibecoding’ dapat memungkinkan orang dengan pengetahuan mendalam dalam topik non-perangkat lunak untuk “beriterasi jauh lebih cepat dari sebelumnya” menggunakan keterampilan coding. Moderator Laurence Moroney, direktur AI di Arm, mengatakan bahwa ini dapat memanfaatkan ahli yang biasanya terkotak-kotak, sebuah pergeseran dalam cara keterampilan niche berfungsi di tempat kerja.
Tantangan baru bagi pengembang, kata Ng selama panel, adalah merumuskan konsep tentang apa yang mereka inginkan. Hedin setuju, menambahkan bahwa jika AI yang melakukan pemrograman di masa depan, pengembang harus fokus pada intuisi mereka ketika membangun produk atau alat.
“Hal yang akan paling buruk dilakukan AI adalah memahami manusia,” ujarnya.
Mengapa Gelar Ilmu Komputer Tidak Melayani Mahasiswa
Realitas pemrograman di era AI telah mulai dirasakan oleh lulusan yang kesulitan mencari pekerjaan. Ilmu komputer, yang dulunya dianggap sebagai jurusan yang menjamin karir yang menguntungkan, kini mengecewakan mahasiswa, kata Ng kepada ZDNET.
Dia menyebutkan gelombang perekrutan berlebihan yang dilakukan perusahaan teknologi — dan pada akhirnya dibatalkan — selama pandemi COVID-19 sebagai alasan utama pekerjaan coding tingkat pemula sulit didapat. Namun, di luar itu, ini adalah pertanyaan tentang apakah lulusan memiliki jenis keterampilan coding yang tepat.
“AI telah mengubah cara kode seharusnya ditulis, tapi sejujurnya, banyak universitas lambat beradaptasi dengan kurikulum,” katanya. “Jadi, jika sebuah universitas tidak secara signifikan mengubah kurikulumnya sejak 2022, maka mereka tidak mempersiapkan lulusan untuk pekerjaan pasar saat ini.”
Juga: AI akan menyebabkan ‘kekacauan pekerjaan’ dalam beberapa tahun ke depan, kata Gartner – apa artinya
Ng mengatakan ia menganggapnya sebagai “malpraktik” jika universitas memberikan gelar Ilmu Komputer tanpa mengajarkan para mahasiswa tersebut cara mengoptimalkan kerja dengan asisten AI.
“Saya sebenarnya merasa kasihan bahwa masih ada orang hari ini yang menerima gelar sarjana dalam ilmu komputer yang belum pernah melakukan satu panggilan API pun ke satu model AI,” katanya. Baginya, mengarahkan ulang gelar CS di sekitar realitas itu akan menjembatani kesenjangan antara lulusan yang kurang siap dan kebutuhan akan koder yang berpengalaman AI. “Untuk lulusan perguruan tinggi baru yang mengetahui keterampilan itu, kami tidak dapat menemukan cukup banyak dari mereka,” kata Ng, sebuah kekhawatiran yang juga dia catat awal musim gugur ini dalam postingan X.
Ketakutan Publik terhadap AI
Dalam presentasi utamanya, Ng mengakui bahwa “AI belum memenangkan hati dan pikiran Amerika,” mengacu pada persepsi publik yang sering beredar tentang apa yang bisa terjadi pada AI dalam skenario terburuknya. Beberapa panelis menyerukan ratusan pengembang yang hadir untuk mengubah persepsi itu.
“Anda memiliki wawasan unik tentang apa yang AI bukan,” kata Miriam Vogel, presiden dan CEO Equal AI. Dia mendesak para pengembang untuk tidak mengabaikan ketakutan orang tentang teknologi tersebut, tetapi untuk berpartisipasi aktif dalam literasi AI, dengan menambahkan bahwa “kita akan gagal” jika sentimen itu tidak membaik.
Ng berpikir pihak ketiga dengan sengaja telah menabur ketakutan AI sejauh ini.
“Saya pikir banyak ketakutan akan AI didorong oleh segelintir bisnis yang menjalankan, terus terang, kampanye PR untuk membuat orang takut pada AI, seringkali untuk lobi,” katanya kepada ZDNET selama wawancara kami. “Saya pikir itu telah menyebabkan banyak kerusakan pada bidang AI dan kepemimpinan Amerika bagi para pengembang.”
Juga: Gemini 3 Google akhirnya tiba dan lebih pintar, lebih cepat, dan gratis diakses
Ketika ditanya bagaimana pengembang dapat memengaruhi hal itu, dia mengatakan ia ingin mereka terlibat dalam percakapan yang jujur tentang apa yang berhasil dan apa yang tidak. “Jika publik memahaminya dengan lebih baik, maka kita semua dapat sampai pada kesimpulan yang lebih rasional tentang teknologi,” katanya.
Banyak dari ketakutan itu berasal dari AGI, setara dengan kecerdasan setara manusia yang agak tidak jelas definisinya, yang menjadi target OpenAI dan Microsoft, di antara lab lain, dengan intensitas yang semakin meningkat. Ng sejak lama berpendapat bahwa proyeksi tersebut berlebihan.
“Jika Anda melihat resep pelatihan yang sangat berantakan yang masuk ke dalam melatih model-model AI ini, tidak mungkin ini adalah AGI — jika, yang Anda maksud dengan AGI adalah tugas intelektual apa pun yang dilakukan manusia,” kata Ng kepada ZDNET. “Begitu banyak pengetahuan itu masih, terus terang, direkayasa ke dalam sistem ini, oleh orang-orang yang sangat pintar, dengan banyak data.”
Keamanan dan Tata Kelola
Dalam sebuah percakapan panel, Ng mengakui bahwa publik tidak benar-benar tahu apa yang dilakukan lab AI, yang dapat menciptakan kepanikan, tetapi mendesak orang untuk tidak “mengambil latihan red teaming dan mengubahnya menjadi sensasi media.” Ng menambahkan bahwa ia kurang mendukung merek keamanan dan tata kelola ala Anthropic, yang ia anggap agak membatasi. Alih-alih menekan upaya tata kelola, ia menekankan lingkungan ‘sandboxed’ “yang dijamin aman” sebagai jalan menuju AI yang bertanggung jawab tanpa menghambat kecepatan.
Vogel mendefinisikan tata kelola sebagai “memecah prinsip menjadi alur kerja yang dapat ditindaklanjuti,” bukan menciptakan birokrasi. Kekhawatirannya lebih sedikit tentang hyperscaler seperti OpenAI dan Meta, dan lebih tentang perusahaan AI yang lebih kecil yang melaju kencang sebelum mereka mengembangkan struktur tata kelola apa pun.
Mengatur AI
“Anda tidak bisa memimpin dalam AI dengan mengeluarkan peraturan,” kata Ng selama sebuah panel, berbicara tentang pendekatan UE dalam mengatur AI. Ia memberikan penghargaan kepada Rencana Aksi AI administrasi Trump, yang dirilis musim panas lalu, karena menjaga regulasi federal tetap longgar.
Banyak ahli AI khawatir dengan kurangnya regulasi AI AS. Beberapa melihat kegagalan pemerintah federal dalam mengatur platform media sosial ketika mereka berkembang biak sebagai contoh dari apa yang bisa terjadi jika AI terus melampaui undang-undang. Ng mengatakan kepada ZDNET bahwa ia pikir itu adalah kesetaraan yang salah.
Juga: 8 cara menjadikan AI yang bertanggung jawab sebagai bagian dari DNA perusahaan Anda
“Saya melihat lebih banyak proposal regulasi yang buruk daripada yang baik,” kata Ng dalam wawancara itu, seraya menambahkan bahwa ia melihat larangan deepfake non-konsensual dan tindakan FTC terhadap perusahaan yang menggunakan AI untuk mengeskalasikan “tindakan menipu atau tidak adil” sebagai contoh kebijakan AI yang baik.
Ketika ditanya apakah ada peraturan lain yang akan ia buat di tingkat federal, ia mengatakan ia menginginkan lebih banyak persyaratan transparansi untuk perusahaan AI besar sejak awal.
“Ketika banyak hal buruk terjadi dengan media sosial, tidak ada dari kita yang mengetahuinya. Bahkan orang-orang di dalam bisnis tidak benar-benar mengetahuinya,” kata Ng kepada ZDNET. “Jika kita memiliki peraturan yang mewajibkan perusahaan terbesar — hanya yang besar, sehingga kita tidak membebani startup kecil dengan beban kepatuhan yang tidak masuk akal — tetapi jika kita menuntut beberapa tingkat transparansi dari bisnis dengan jumlah pengguna yang sangat besar, itu dapat memberi kita sinyal yang lebih baik untuk menemukan masalah yang sebenarnya, daripada mengandalkan keberuntungan adanya pelapor.”