DamnwellMedia/iStock/Getty Images Plus
Ikuti ZDNET: **Tambahkan kami sebagai sumber pilihan** di Google.
**Poin penting ZDNET:**
– Hampir semua pengembang sekarang mengandalkan alat AI.
– AI memperkuat kelebihan dan memperbesar ketidakefektifan.
– Platform berkualitas tinggi sangat penting untuk kesuksesan AI.
Google merilis **Laporan pengembangan perangkat lunak DORA 2025** mereka. DORA (DevOps Research & Assessment) adalah program riset di Google (bagian dari organisasi Google Cloud). DORA meneliti 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 merupakan salah satu studi paling komprehensif tentang peran AI yang berubah dalam pengembangan perangkat lunak, terutama di tingkat perusahaan.
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, tetapi terlepas dari angka mana yang dipilih, hampir semua programmer sekarang menggunakan AI. Ini merupakan lonjakan 14% dari tahun lalu.
Rata-rata waktu yang dihabiskan untuk berinteraksi dengan AI adalah dua jam per hari. Namun, ada sedikit nuansa lagi. Misalnya, hanya 7% responden yang “selalu” melaporkan menggunakan AI ketika menghadapi masalah. Kelompok terbesar, 39%, melaporkan “kadang-kadang” beralih ke AI untuk bantuan. Tetapi yang mengejutkan saya adalah 60% penuh menggunakan AI “sekitar setengah waktu” atau lebih ketika mencoba menyelesaikan masalah.
Delapan puluh persen programmer melaporkan peningkatan produktivitas secara keseluruhan, tetapi hanya 59% yang melaporkan bahwa kualitas kode mereka membaik. Metrik kunci lainnya adalah: 70% responden mempercayai kualitas AI, sementara 30% tidak.
Biarkan saya berbagi pemikiran pribadi tentang ini. Saya baru saja menyelesaikan **sebuah sprint coding besar** yang dimungkinkan oleh AI. Kode yang dihasilkan hampir tidak pernah benar pada percobaan 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 mustahil saya bisa menyelesaikan pekerjaan sebanyak itu tanpa AI. Tapi mustahil juga saya akan mempercayai kode apa pun yang ditulis AI tanpa melakukan banyak tinjauan, validasi, dan pengujian. Tentu saja, ini tidak jauh berbeda dengan perasaan saya ketika menjadi manajer dan mendelegasikan coding kepada karyawan atau kontraktor.
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”, saya tunjukkan bahwa AI membuat kesalahan besar dengan cepat. Satu prompt yang salah bentuk dapat membuat AI menyebabkan kerusakan besar. Saya mengalami saat Codex memutuskan untuk menghapus sebagian besar file saya, dan kemudian segera meng-check-in perubahan tersebut ke GitHub.
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 banyak AI akan membantu. Semakin kacau atau sembrono sebuah tim, semakin banyak AI akan merugikan. Dalam kasus saya, saya memiliki praktik kontrol revisi yang sangat baik, jadi ketika AI “memakan” pekerjaan saya, saya bisa mendapatkannya kembali karena kontrol yang telah saya terapkan sebelum saya memberikan AI akses pertama ke basis kode saya.
Jadi siapa yang menang dan siapa yang kalah? Tim DORA mengidentifikasi delapan faktor yang menentukan kinerja keseluruhan sebuah tim.
Mereka kemudian mengukur faktor-faktor ini terhadap responden dan tim mereka. Ini membantu mengidentifikasi **tujuh tipe tim**.
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 menghasilkan kode yang baik, tetapi tidak keduanya. Ternyata, 30% responden teratas masuk dalam tipe *harmonious high-achievers* atau *pragmatic performers*, dan mereka menghasilkan output dengan cepat, dan kualitas outputnya tinggi.
Laporan tersebut menekankan, “Adopsi AI yang berhasil adalah masalah sistem, bukan masalah alat.” Tim DORA tampaknya menyukai angka tujuh. Mereka mengatakan **tujuh praktik kunci** berikut mendorong dampak AI (untuk baik atau buruk).
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 tampaknya menjatuhkan mereka.
Mereka merekomendasikan, “Anggap adopsi AI Anda sebagai transformasi organisasi. Hasil terbesar akan datang dari investasi dalam sistem dasar yang memperkuat manfaat AI: platform internal Anda, ekosistem data Anda, dan disiplin teknik inti tim Anda. Elemen-elemen ini adalah prasyarat penting untuk mengubah potensi AI menjadi kinerja organisasi yang terukur.”
Tahun lalu, cukup menjadi berita 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 pengembang.
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 *value stream management*). Idenya adalah bahwa manajer membuat peta tentang bagaimana pekerjaan berpindah dari ide menjadi 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 adopsi AI “sangat diperkuat” dalam organisasi dengan praktik VSM yang kuat.
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 lokal menjadi keunggulan organisasi yang signifikan alih-alih hanya menciptakan lebih banyak kekacauan di hilir.”
Ada beberapa kesimpulan jelas dari laporan ini. Pertama, AI telah berpindah 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 itu, AI memiliki sedikit keunggulan. Dan ketiga, AI adalah cermin. Ini 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 pendorong produktivitas yang genuine atau sebagai sesuatu yang menambah ketidakstabilan? Manakah dari tujuh tipe 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 update proyek harian saya di media sosial. Pastikan untuk berlangganan **newsletter update 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**.