Joe Jenkins
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
**Intisari ZDNET**
Konferensi AI Dev yang diadakan oleh DeepLearning.ai, baru saja melakukan debut perdana di New York City.
Kami sempat berbincang dengan Andrew Ng dalam acara tersebut untuk membahas perkembangan AI dan para pengembang.
Ng menyarankan agar setiap orang mempelajari dasar-dasar pemrograman.
AI Dev tahunan kedua, sebuah pertemuan puncak yang membahas segala hal tentang AI dan perangkat lunak yang dihost oleh DeepLearning.ai milik Andrew Ng, digelar di New York pada hari Jumat. Dalam beberapa panel dan sebuah wawancara dengan ZDNET, pendiri Google Brain ini memberikan berbagai nasihat mengenai masa depan bidang ini.
AI dengan cepat telah menjadi asisten pemrograman andal bagi banyak pengembang — bahkan sampai banyak yang mempertanyakan masa depan profesi ini secara keseluruhan. Pekerjaan pemrograman tingkat pemula semakin menyusut bagi lulusan baru seiring dengan pendelegasian tugas-tugas junior kepada asisten AI; sementara itu, para ahli mengutip keterbatasan nyata dari alat-alat ini sebagai bukti bahwa insinyur perangkat lunak tidak akan pernah benar-benar menjadi usang.
Berikut adalah pandangan Ng tentang bagaimana menghadapi masa depan yang tidak pasti ini, mengapa setiap orang harus belajar memprogram, dan bagaimana seharusnya tata kelola AI dilakukan.
Pemrograman Tetap Penting – Sekitar Itulah
“Karena pemrograman berbantuan AI telah sangat menurunkan batas masuk, saya harap kita dapat mendorong semua orang untuk belajar memprogram — bukan hanya insinyur perangkat lunak,” kata Ng dalam pidato kuncinya.
Bagaimana AI akan mempengaruhi pekerjaan dan masa depan dunia kerja masih terus berkembang. Terlepas dari itu, Ng mengatakan kepada ZDNET dalam sebuah wawancara bahwa ia berpikir setiap orang harus mengetahui dasar-dasar penggunaan AI untuk memprogram, setara dengan mengetahui “sedikit matematika” — tetap sebuah keterampilan keras, tetapi diterapkan lebih luas ke banyak karier untuk apa pun yang mungkin Anda butuhkan.
“Salah satu keterampilan paling penting di masa depan adalah kemampuan untuk memberi tahu komputer secara persis apa yang Anda ingin ia lakukan untuk Anda,” ujarnya, seraya mencatat bahwa setiap orang harus tahu cukup untuk ‘berbicara’ dalam bahasa komputer, tanpa perlu menulis kode sendiri. “Sintaksis, mantra misterius yang kita gunakan, itu kurang penting.”
**Juga:** OpenAI menguji GPT-5, Claude, dan Gemini pada tugas dunia nyata – hasilnya mengejutkan
Dia menambahkan bahwa ia ingin menyambut ‘vibecoders’ sebagai anggota komunitas, meskipun secara teknis mereka bukan pengembang. Namun, dia juga tidak berharap hal 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 terkuras.”
Menjadi Generalis
Dalam pidato kuncinya, Ng mencatat bahwa karena AI telah membuat pengembangan perangkat lunak begitu cepat, manajemen produk — bukan pembuatan purwarupa — menjadi titik perlambatan baru untuk meluncurkan produk. Untuk mempertahankan kecepatan yang dimungkinkan oleh AI, ia merekomendasikan agar para insinyur mempelajari beberapa keterampilan manajemen produk untuk mengatasi hambatan tersebut.
“Insinyur yang mempelajari sedikit pekerjaan produk sejujurnya bisa menjadi tim yang beranggotakan satu orang,” katanya.
**Juga:** Apa yang sebenarnya dikatakan Bill Gates tentang AI menggantikan pekerjaan pemrograman
Tema tentang semua profesional — bukan hanya pengembang — menjadi generalis ini berulang sepanjang konferensi. Selama panel tentang pengembangan di era AI, Fabian Hedin, CTO di platform pemrograman 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” dengan menggunakan keterampilan pemrograman. Moderator Laurence Moroney, direktur AI di Arm, mengatakan bahwa hal ini dapat memanfaatkan keahlian seorang ahli yang biasanya terkotak-kotak, sebuah pergeseran dalam cara keterampilan khusus berfungsi di tempat kerja.
Tantangan baru bagi para 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 suatu produk atau alat.
“Hal yang paling sulit bagi AI adalah memahami manusia,” ujarnya.
Mengapa Gelar Ilmu Komputer Tidak Lagi Melayani Mahasiswa
Realitas pemrograman di era AI telah mulai dirasakan oleh para lulusan yang kesulitan mencari pekerjaan. Ilmu komputer, yang dulu dianggap sebagai jurusan yang sangat menjanjikan dan menjamin karier yang menguntungkan, kini mengecewakan mahasiswa, kata Ng kepada ZDNET.
Dia menyebutkan gelombang perekrutan berlebihan yang dilakukan perusahaan-perusahaan teknologi — yang kemudian akhirnya dibatalkan — selama pandemi COVID-19 sebagai alasan utama sulitnya mendapatkan pekerjaan pemrograman tingkat pemula. Namun, di luar itu, ini juga soal apakah lulusan memiliki jenis keterampilan pemrograman yang tepat.
“AI telah mengubah cara kode seharusnya ditulis, tapi sejujurnya, banyak universitas yang lambat dalam menyesuaikan kurikulum,” katanya. “Jadi, jika sebuah universitas belum mengubah kurikulumnya secara signifikan sejak 2022, maka mereka tidak mempersiapkan lulusan untuk pekerjaan di pasar saat ini.”
**Juga:** AI akan menyebabkan ‘kekacauan pekerjaan’ dalam beberapa tahun ke depan, kata Gartner – apa artinya
Ng mengatakan ia menganggapnya sebagai “kelalaian” jika universitas memberikan gelar sarjana ilmu komputer tanpa mengajarkan para mahasiswa tersebut cara mengoptimalkan kerja dengan asisten AI.
“Saya sungguh merasa prihatin bahwa masih ada orang hari ini yang menerima gelar sarjana di bidang ilmu komputer tanpa pernah melakukan satu pun panggilan API ke satu model AI,” ujarnya. Baginya, mengarahkan ulang gelar ilmu komputer pada realitas tersebut akan menjembatani kesenjangan antara lulusan yang kurang siap dan kebutuhan akan pemrogram yang berpengalaman dengan AI. “Untuk lulusan perguruan tinggi baru yang memiliki keterampilan tersebut, kami tidak dapat menemukan cukup banyak dari mereka,” kata Ng, sebuah keprihatinan yang juga dia sampaikan awal musim gugur ini dalam postingan X.
Ketakutan Publik terhadap AI
Dalam pidato kuncinya, Ng mengakui bahwa “AI belum memenangkan hati dan pikiran masyarakat Amerika,” mengacu pada persepsi publik yang sering beredar tentang apa yang bisa terjadi pada AI dalam skenario terburuknya. Beberapa panelis meminta ratusan pengembang yang hadir untuk mengubah persepsi itu.
“Anda memiliki wawasan unik tentang apa yang *bukan* AI,” kata Miriam Vogel, presiden dan CEO Equal AI. Dia mendesak para pengembang untuk tidak mengabaikan ketakutan orang terhadap teknologi ini, 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 akan 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 tujuan lobi,” katanya kepada ZDNET selama wawancara kami. “Saya pikir itu telah menyebabkan banyak kerusakan pada bidang AI dan kepemimpinan Amerika bagi para pengembang.”
Ketika ditanya bagaimana para pengembang dapat mempengaruhi 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,” ujarnya.
Banyak dari ketakutan itu berasal dari AGI, setara dengan kecerdasan setara manusia yang agak tidak jelas definisinya, yang telah menjadi fokus OpenAI dan Microsoft, di antara lab lainnya, dengan intensitas yang semakin meningkat. Ng sejak lama berpendapat bahwa proyeksi semacam itu berlebihan.
“Jika Anda melihat resep pelatihan yang sangat berantakan yang digunakan untuk 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. “Sebagian besar pengetahuan itu masih, sejujurnya, direkayasa ke dalam sistem ini, oleh orang-orang yang sangat cerdas, dengan banyak data.”
Keamanan dan Tata Kelola
Dalam sebuah diskusi panel, Ng mengakui bahwa publik tidak benar-benar tahu apa yang dilakukan oleh 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 gaya keselamatan dan tata kelola ala Anthropic, yang ia anggap agak membatasi. Alih-alih menekankan 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-prinsip menjadi alur kerja yang dapat ditindaklanjuti,” bukan menciptakan birokrasi. Kekhawatirannya lebih sedikit tentang hyperscaler seperti OpenAI dan Meta, dan lebih tentang perusahaan-perusahaan AI kecil yang melaju kencang sebelum mereka mengembangkan struktur tata kelola apa pun.
Meregulasi AI
“Anda tidak bisa memimpin dalam AI dengan mengeluarkan regulasi,” kata Ng selama sebuah panel, berbicara tentang pendekatan Uni Erupa dalam membuat undang-undang AI. Dia memberikan penghargaan kepada Rencana Aksi AI pemerintahan Trump, yang dirilis musim panas lalu, karena menjaga regulasi federal tetap longgar.
Banyak ahli AI khawatir dengan kurangnya regulasi AI di AS. Beberapa melihat kegagalan pemerintah federal dalam meregulasi platform media sosial ketika mereka berkembang biak sebagai contoh apa yang bisa terjadi jika AI terus melampaui undang-undang. Ng mengatakan kepada ZDNET bahwa ia menganggap itu sebagai kesetaraan yang salah.
**Juga:** 8 cara menjadikan AI yang bertanggung jawab sebagai bagian dari DNA perusahaan Anda
“Saya melihat jauh lebih banyak proposal regulasi yang buruk daripada yang baik,” kata Ng dalam wawancara tersebut, seraya menambahkan bahwa ia melihat pelarangan deepfake non-konsensual dan tindakan FTC terhadap perusahaan yang menggunakan AI untuk memperbanyak “perilaku menipu atau tidak adil” sebagai contoh kebijakan AI yang baik.
Ketika ditanya apakah ada regulasi lain yang akan ia buat di tingkat federal, dia mengatakan ia menginginkan lebih banyak persyaratan transparansi untuk perusahaan-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 itu sendiri tidak benar-benar mengetahuinya,” kata Ng kepada ZDNET. “Jika kita memiliki regulasi yang mewajibkan perusahaan terbesar — hanya yang besar, sehingga kita tidak membebani startup kecil dengan beban kepatuhan yang tidak masuk akal — tetapi jika kita menuntut tingkat transparansi tertentu dari bisnis dengan jumlah pengguna yang sangat besar, itu bisa memberi kita sinyal yang lebih baik untuk menemukan masalah yang sebenarnya, daripada mengandalkan keberuntungan adanya pelapor.”