Perintis pendidikan AI, pendiri deeplearning.ai, Andrew Ng, pada 13 April memublikasikan sebuah artikel panjang di buletin The Batch, membahas masa depan rekayasa perangkat lunak setelah AI agent mempercepat pengembangan program. Poin inti yang ia ajukan adalah: ketika pembangunan menjadi mudah, “menentukan apa yang akan dibangun” akan menjadi bottleneck yang sesungguhnya—ia menyebutnya “bottleneck Manajemen Produk” (Product Management Bottleneck).
Lima tren yang sudah jelas
Ng mencantumkan lima tren yang dampak AI pada rekayasa perangkat lunak terlihat secara jelas:
Setelah AI membuat menulis kode menjadi lebih mudah, akan ada lebih banyak orang yang terlibat dalam pengembangan perangkat lunak
Menulis kode secara manual, bahkan membaca kode yang dihasilkan AI, menjadi tidak begitu penting, karena Anda bisa langsung menanyakan masalah terkait kode kepada LLM, dan beroperasi pada tingkat abstraksi yang lebih tinggi
Menjadikan pengembangan perangkat lunak yang dikustomisasi untuk audiens yang lebih niche menjadi layak secara ekonomi, sehingga aplikasi yang dikustomkan akan meningkat secara signifikan
Menentukan “apa yang harus dibangun” lebih menjadi bottleneck daripada “benar-benar membangun”
Biaya untuk melunasi utang teknis sedang menurun (AI dapat membantu Anda melakukan refactor)
Melawan “kiamat pengangguran AI”
Ng secara tegas menentang narasi “AI akan menyebabkan pengangguran massal” yang sedang populer di kalangan teknologi dan kebijakan. Ia menyebut pandangan ini sebagai “kiamat pekerjaan AI” (AI jobpocalypse), yang menganggap dampak aktualnya “tidak akan seseram yang diprediksi oleh para pengomentar yang mencoba menunjukkan seberapa hebat AI versi mereka”.
Ia mengutip laporan terbaru Citadel Research yang menyatakan bahwa lowongan pekerjaan rekayasa perangkat lunak sedang tumbuh dengan cepat. Jika dampak AI terhadap rekayasa perangkat lunak adalah yang paling besar, tetapi pekerjaan di bidang rekayasa perangkat lunak justru berkembang, itu merupakan sinyal yang menggembirakan bagi industri lain.
Ng juga mengakui bahwa lulusan baru memang menghadapi kesulitan saat mencari pekerjaan, dan ada CEO yang mengaitkan pemutusan hubungan kerja (PHK) dengan AI—tetapi ia menunjukkan bahwa sebagian besar adalah “AI washing”, yaitu perusahaan memilih menyalahkan PHK kepada AI, meskipun AI pada kenyataannya tidak mengubah cara kerja internal mereka.
Masalah terbuka masa depan rekayasa perangkat lunak
Ng mengajukan serangkaian pertanyaan yang masih dieksplorasi: keterampilan kunci apa yang akan dimiliki oleh insinyur perangkat lunak senior di masa depan? Bagaimana seharusnya kurikulum ilmu komputer berubah? Jika semua orang dapat membangun fitur, apa keunggulan kompetitif individu dan perusahaan? Bagaimana sebaiknya tim perangkat lunak disusun? Bagaimana agent AI mengubah alur kerja insinyur rekayasa pembelajaran mesin (machine learning)?
Pertanyaan-pertanyaan ini terkait langsung dengan tren Harness Engineering dan Vibe Coding. Ketika biaya pembangunan mendekati nol, selera, kemampuan menilai, dan kemampuan memilih masalah—bukan sekadar kemampuan teknis—akan menjadi keunggulan manusia yang tak tergantikan.
Artikel ini, Andrew Ng: AI membuat menulis program menjadi mudah, tetapi “menentukan melakukan apa” kini menjadi bottleneck baru, pertama kali muncul di Jaringan Berita ABMedia.
Artikel Terkait
OpenAI Codex Mencapai 4 Juta Pengguna Aktif Bulanan dalam Kurang dari Dua Minggu
Dua Startup AI Afrika Selatan Terpilih untuk Google for Startups Accelerator Africa Kelas 10
Daftar Forbes AI 50 Menampilkan 20 Perusahaan Baru; OpenAI dan Anthropic Menguasai 80% dari Total Pendanaan
Zi Variabel Meluncurkan Model Embodied AI WALL-B; Robot Masuk ke Rumah Nyata dalam 35 Hari
OpenAI Menyiapkan Fitur Agents untuk ChatGPT, dengan Kode Nama Hermes
SpaceX Memulai Roadshow IPO dengan Pertemuan Analis di Starbase dan Memphis