Gambar: enot-poloskun/iStock / Getty Images Plus
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
**Poin Penting ZDNET**
* Hampir semua pengembang kini bergantung pada alat AI.
* AI memperkuat keunggulan dan memperbesar disfungsi.
* Platform berkualitas tinggi merupakan 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 meneliti kapabilitas 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 *pair programming* dengannya
Hasil tahun ini sangat relevan karena AI telah menyusup ke dalam pengembangan perangkat lunak pada tingkat yang cukup ekstrem. Laporan ini menunjukkan beberapa catatan yang menggembirakan tetapi juga menampilkan beberapa area tantangan yang nyata.
Dalam menulis artikel ini, saya telah membaca laporan setebal 142 halaman tersebut dan mengidentifikasi 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 pengembangan perangkat lunak untuk bekerja. Laporan menyebutkan 95% di bagian pendahuluan dan 90% di bagian detail, namun terlepas dari angka mana yang Anda pilih, hampir semua *coder* kini menggunakan AI. Menurut laporan, ini adalah lonjakan 14% dari tahun lalu.
Rata-rata waktu yang dihabiskan untuk berinteraksi dengan AI adalah dua jam per hari. Namun, ada sedikit nuansa lagi mengenai 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 separuh 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 meningkat. 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 *run* pertama. Saya harus menghabiskan banyak waktu untuk membujuk AI agar mendapatkannya dengan benar. Bahkan setelah pekerjaan selesai, saya kembali melakukan *sweep* QA penuh, di mana saya menemukan lebih banyak kesalahan.
Kesimpulan saya adalah tidak mungkin saya dapat menyelesaikan pekerjaan sebanyak yang baru saja saya lakukan tanpa AI. Tetapi mustahil bagi saya untuk 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 (*Amplifier*)
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 bermasalah.”
Itu sangat masuk akal. Jika Anda membaca artikel terbaru saya tentang “10 rahasia ChatGPT Codex yang baru saya ketahui setelah 60 jam *pair programming* dengannya,” saya mencatat bahwa AI membuat kesalahan besar dengan cepat. Satu *prompt* yang salah bentuk dapat membuat AI menyebabkan kerusakan besar. Saya mengalami pengalaman di mana Codex memutuskan untuk menghapus sebagian besar dari salah satu file saya, dan kemudian segera *check in* perubahan tersebut ke GitHub.
**Juga:** Saya melakukan *coding* 24 hari dalam 12 jam dengan alat AI $20 – tapi ada satu *pitfall* 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 *revision control* yang sangat baik, sehingga ketika AI “memakan” pekerjaan rumah saya, saya dapat mengembalikannya berkat kontrol yang telah saya terapkan sebelum saya memberikan akses pertama AI ke *codebase* 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 dihasilkan.
* ***Throughput* 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 (*Friction*):** Seberapa banyak halangan yang menghadang individu dalam menyelesaikan pekerjaan mereka.
* **Kejenuhan (*Burnout*):** Perasaan kelelahan dan sinisme di antara anggota tim.
Kemudian mereka mengukur faktor-faktor ini terhadap responden dan tim mereka. Hal ini membantu mengidentifikasi tujuh *arketipe* tim.
* **Tantangan Fondasional:** Mode bertahan hidup, celah di mana-mana.
* ***Bottleneck* Warisan (*Legacy*):** Pemadaman kebakaran terus-menerus, sistem tidak stabil.
* **Dibatasi Proses:** Stabil tetapi terbebani birokrasi.
* **Dampak Tinggi, Irama Rendah:** *Output* kuat, pengiriman tidak stabil.
* **Stabil dan Metodis:** Langkah hati-hati, kualitas konsisten.
* ***Performer* Pragmatis:** Andal, cepat, keterlibatan moderat.
* ***High-achiever* Harmonis:** Berkelanjutan, stabil, kinerja puncak.
AI, kata laporan itu, adalah cermin organisasi. Menggunakan AI membuat kekuatan dan kelemahan tim lebih jelas. Tetapi yang saya anggap sangat menarik adalah gagasan bahwa *trade-off* “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 high-achiever* harmonis atau *performer* pragmatis, dan mereka menghasilkan *output* dengan cepat, dan kualitas *output* tersebut tinggi.
4. Tujuh Praktik Kunci
Laporan 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.
* ***Ekosistem Data*:** Kualitas keseluruhan data internal organisasi.
* **Data yang Dapat Diakses:** Alat AI terhubung ke sumber data internal.
* ***Version Control*:** Cara sistematis untuk mengelola perubahan pada kode.
* ***Batch* Kecil:** Memecah perubahan menjadi unit-unit kecil yang dapat dikelola.
* **Fokus Pengguna:** Tim yang memprioritaskan pengalaman pengguna akhir.
* **Platform Berkualitas:** Kapabilitas bersama yang tersedia di seluruh organisasi.
Seperti yang mungkin Anda bayangkan, tim yang berhasil menerapkan lebih banyak praktik ini. Sementara tim yang tidak berhasil mungkin memiliki programmer individu yang sangat produktif, kurangnya dasar-dasar inilah yang tampaknya menjatuhkan mereka.
Mereka merekomendasikan, “Anggap adopsi AI Anda sebagai transformasi organisasi. Hasil 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 yang cukup besar ketika laporan DORA sebelumnya menunjukkan bahwa AI justru mengurangi produktivitas pengembangan perangkat lunak, alih-alih meningkatkannya. Tahun ini, yang terjadi adalah sebaliknya. Penjelajah DORA dapat mengidentifikasi dua faktor kunci yang mengubah hasil tersebut.
Organisasi pengembangan lebih familiar dengan AI dan tahu cara menggunakannya lebih efektif daripada setahun yang lalu. Studi menunjukkan bahwa 90% organisasi pengembang telah mengadopsi *platform engineering*. Ini adalah praktik membangun platform pengembangan internal yang kuat yang mengagregasi alat, otomasi, dan layanan bersama untuk tim pengembangan.
**Juga:** AI terbaik untuk *coding* di tahun 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 *buzzword* dari *sitcom* tempat kerja tetapi cukup penting. Ini adalah VSM (atau *value stream management*). Gagasannya adalah bahwa manajer membuat peta tentang bagaimana pekerjaan berpindah dari ide hingga pengiriman. Ini pada dasarnya adalah diagram alir untuk operasi, bukan hanya bit.
Dengan melihat setiap langkah, tim dapat mengidentifikasi area masalah, seperti tinjauan kode yang sangat lama atau rilis yang macet di berbagai tahap. Laporan 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 *force multiplier* 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 hanya menciptakan lebih banyak kekacauan *downstream*.”
Apa Artinya Semua Ini untuk Pengembangan Perangkat Lunak
Ada beberapa kesimpulan jelas dari laporan ini. Pertama, AI telah bergerak dari *hype* 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 AI dalam pengembangan perangkat lunak? Apakah Anda melihat AI sebagai peningkatan produktivitas yang nyata 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 membuat perbedaan? 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.