Selama dua dekade terakhir, pemerintah dan pihak lain telah menghabiskan miliaran untuk mengajari orang menulis kode. Menulis kode dianggap sebagai salah satu dari sedikit profesi yang aman di dunia yang berubah, tetapi ternyata menulis dan memanipulasi kode adalah salah satu aktivitas yang paling cocok untuk model AI. Perusahaan teknologi telah memberhentikan lebih dari 1 juta karyawan dalam beberapa tahun terakhir, dan Microsoft menawarkan pesangon sukarela kepada 60.000 karyawan pekan lalu. Ini adalah momen yang menakutkan dan sangat membingungkan bagi orang-orang di industri perangkat lunak.

Sekitar sebulan yang lalu, saya menulis memo internal yang merinci jalur adopsi AI yang harus diikuti Proton agar tetap kompetitif dan aman, serta apa yang sejauh ini terlewatkan sebagai organisasi dan harus kita perbaiki agar transisi yang tak terelakkan ini berhasil. Tidak diragukan lagi bahwa organisasi yang gagal bertransformasi cukup cepat pada akhirnya akan mengecewakan timnya dan mereka yang bergantung padanya.

Memo itu juga memiliki tujuan lain, yaitu meyakinkan rekan-rekan saya bahwa kita bukan aktor pasif dalam perubahan ini, bahwa perusahaan membutuhkan talenta dan keahlian mereka untuk mewujudkannya, dan bahwa transisi ini menawarkan peluang bagi mereka yang memilih untuk bersiap dan terlibat di dalamnya.

Memo ini bukan dokumen rekayasa yang mendalam. Memo ini tidak membahas secara rinci keamanan, keandalan, atau infrastruktur. Sebaliknya, memo ini menunjukkan arah perjalanan industri kita secara keseluruhan.

Memo selengkapnya dapat dilihat di bawah ini.

Unduh PDF manifesto AI(jendela baru)


AI @ Proton, manifesto rekayasa

Tidak ada yang perlu terkejut di Proton, terutama di bidang rekayasa, bahwa rekayasa perangkat lunak telah berubah secara tak terpulihkan tahun ini, bahkan mungkin sebelumnya. LLM dan perangkat pendukungnya telah memperoleh kemampuan menulis kode sampai-sampai seorang insinyur senior Proton beberapa hari lalu berkata kepada saya, dan saya kutip, “Tidak ada lagi yang menulis kode di {business unit name}.” Seperti menghafal nomor telepon pada abad ke-20 atau menunggang kuda pada abad ke-19, menulis kode yang baik secara manual adalah keterampilan inti yang masanya telah berlalu.

Secara umum, itu hal yang fantastis. Sebagian besar penulisan kode, dulu dan sekarang, merupakan pekerjaan membosankan yang menyita waktu, setidaknya dalam produksi dan pada skala besar. Dokumentasi dan pengujian sama-sama diperlukan, tetapi sedikit orang yang suka melakukannya dan secara historis sering diabaikan dengan konsekuensi komunikasi yang buruk, inefisiensi, dan keandalan yang rendah. Kode boilerplate adalah contoh sempurna dari kerja keras yang melelahkan dalam rekayasa perangkat lunak, dan mungkin tidak akan pernah lagi menjadi sesuatu yang harus dikhawatirkan manusia. Model kini dapat menyarankan dan mengusulkan arsitektur serta desain sistem yang, meskipun sering tidak sempurna, berkontribusi secara berarti pada diskusi, pengambilan keputusan, dan pendidikan.

Di luar Proton, revolusi AI sedang mengguncang dunia. Banyak dari itu hanyalah gebrakan dan kampanye kosmetik yang dangkal, lebih untuk terlihat inovatif daripada benar-benar inovatif. Namun, sebagian besar darinya sangat nyata, dan investasi yang kini dilakukan perusahaan-perusahaan tersebut, termasuk para pesaing kita, akan menentukan lingkungan bisnis tempat kita beroperasi di masa depan. Ini bukan soal mengejar tren. Kita tertinggal di sini, dan ini merupakan ancaman eksistensial bagi keberhasilan misi itu sendiri.

Jadi, mengapa di Proton tidak terasa bahwa revolusi telah datang? Mengapa produktivitas tidak meningkat secara dramatis jika semua orang sudah menggunakan LLM sepanjang waktu? Saya percaya ini bermuara pada tiga hal, yang semuanya perlu kita perbaiki agar berhasil di era baru yang sudah ada hari ini, bukan baru akan datang.

Yang pertama adalah perubahan budaya rekayasa dan mentalitas insinyur. Pekerjaan Anda telah berubah secara fundamental. Tugas Anda bukan lagi menulis kode, dan LLM tidak hadir untuk membantu Anda menulis kode yang lebih baik dengan lebih cepat. Tugas Anda adalah membantu LLM menulis kode yang lebih baik dengan lebih cepat. Setiap insinyur kini adalah pemimpin tim sekaligus manajer, dan bawahan langsung Anda adalah model dan agen yang Anda gunakan. Membimbing mereka secara langsung dan mengoreksi mereka saat salah tentu termasuk di dalamnya. Namun, tim yang terdiri dari dua orang yang selalu melakukan pemrograman berpasangan tidak akan bisa disebut tim yang utuh, begitu pula tim yang tidak ada yang bekerja ketika pemimpin tim sedang rapat. AI harus mampu bekerja secara mandiri dan berkelanjutan dengan semakin sedikit pengawasan manusia. Tugas Anda adalah mengidentifikasi masalah yang tidak dapat dipecahkan LLM sendirian dan membantu LLM tidak hanya memecahkan masalah tersebut kali ini, tetapi juga mampu memecahkannya dengan lebih baik lain kali, bukan hanya untuk Anda tetapi untuk semua orang: file konteks tingkat repositori, keterampilan dan prompt bersama, serta kebiasaan memastikan bahwa kegagalan berulang memicu investigasi dan perbaikan. Tugas Anda adalah mendorong batas kemampuan LLM untuk bekerja secara mandiri, turun tangan untuk hal-hal yang tidak dapat dilakukannya, dan selalu memikirkan cara memperbaiki keadaan saat ini.

Ini bukan kematian keahlian. LLM itu cepat. Anda lambat, tetapi Anda membawa serta pengalaman seumur hidup, keputusan berdasarkan pertimbangan, dan pemahaman. Anda juga, semoga, jauh lebih kecil kemungkinannya untuk mengalami halusinasi dan disesatkan oleh input yang buruk atau berbahaya, serta bertanggung jawab kepada diri sendiri, rekan tim, dan Proton dengan cara yang tidak pernah bisa dilakukan model. Bersama-sama, Anda dapat melakukan jauh lebih banyak dan jauh lebih cepat daripada yang bisa dilakukan masing-masing sendirian.

Ini juga bukan kematian praktik rekayasa yang baik. Kemudahan pemeliharaan dan kecepatan lebih baik pada basis kode yang dirancang dengan baik. Dokumentasi dan pengujian tetap penting. Meskipun demikian, kita perlu terbuka terhadap perubahan praktik terbaik seiring perubahan biaya dan kemampuan. Pengujian adalah contoh yang baik untuk hal ini. Praktik terbaik lama menyatakan bahwa terlalu banyak pengujian, terutama pengujian end-to-end, merupakan pertukaran yang buruk di dunia ketika menulis dan memelihara pengujian itu mahal. Jika menulis dan memelihara pengujian menjadi murah, batas yang kita tetapkan kemungkinan juga akan berubah.

Alasan kedua kita belum mampu memanfaatkan sepenuhnya revolusi AI adalah kita hampir sepenuhnya terjebak di fase 1, yaitu menggunakan LLM untuk mempercepat tugas sebagai bagian dari alur kerja yang ada. Namun, menulis kode bukan satu-satunya bagian dari siklus hidup pengembangan perangkat lunak, dan apa yang terjadi ketika Anda menghilangkan hambatan? Hambatan lain akan menggantikannya. Mungkin itu kecepatan dan kapasitas CI. Mungkin itu desain, persetujuan, spesifikasi, dan tinjauan kode. Ya, kita perlu dan akan sampai pada titik ketika sebagian besar tinjauan kode oleh manusia akan berakhir. Mungkin alur kerjanya tidak banyak berubah, tetapi LLM memungkinkan kita akhirnya berinvestasi dalam otomatisasi yang sebelumnya terlalu mahal. Jika kita tidak melihat semua proses kita secara holistik dan menghilangkan hambatan tanpa ragu, kita tidak akan mencapai potensi penuh. Sering kali menghilangkan hambatan ini tidak hanya melibatkan optimalisasi bagian dari alur kerja yang ada, tetapi juga merombak dan memikirkan ulang alur kerja tersebut secara keseluruhan. Ini adalah fase 2, dan kita perlu segera mencapainya.

Alasan ketiga adalah masalah aksi kolektif. Menggunakan LLM secara efektif untuk menulis kode adalah sesuatu yang dapat dilakukan seorang insinyur untuk dirinya sendiri. Membangun ulang atau mengoptimalkan proses CI untuk seluruh tim, unit bisnis, atau perusahaan adalah pekerjaan yang jauh lebih berat, dan disertai biaya peluang serta kompromi. Bukan hal yang mustahil, dan banyak orang di Proton telah melakukan hal-hal luar biasa secara mandiri, beberapa di antaranya menyebar luas. Namun, untuk merombak perusahaan secara keseluruhan diperlukan organisasi dan sumber daya yang belum kita investasikan. Terkait pembahasan siklus hidup pengembangan perangkat lunak pada paragraf sebelumnya, dalam banyak kasus kita bahkan tidak tahu di mana hambatannya karena kita belum berinvestasi pada alat yang diperlukan untuk mengetahuinya. Sejumlah kehati-hatian mungkin memang diperlukan di masa lalu. Butuh waktu untuk mengetahui cara terbaik menggunakan alat-alat baru ini, dan kita akan terus mendorong eksperimen. Namun, sudah saatnya untuk berkomitmen, sebagai organisasi, pada transformasi yang dibutuhkan saat ini.

Jadi, apa artinya ini bagi Anda, seorang insinyur? Nah, wewenang dan tanggung jawab Anda sama-sama meluas. Anda tidak hanya bertanggung jawab agar pekerjaan selesai, tetapi kini juga memiliki tanggung jawab atas cara pekerjaan itu dilakukan, dan karena itu bertanggung jawab atas optimalisasi berkelanjutan serta otomatisasi maksimal, termasuk membagikan peningkatan tersebut kepada rekan-rekan Anda; keberhasilan di Proton adalah kerja tim. Anda juga bertanggung jawab untuk menandai dan mengeskalasi perbaikan yang diperlukan tetapi tidak dapat Anda jalankan sendiri. Proton, pada bagiannya, akan mengatur dan menyediakan sumber daya untuk investasi kritis yang diperlukan guna melewati fase 2 dan sepenuhnya mewujudkan potensi revolusi AI.

Intinya, kita berada di dunia baru. “Pemrograman” sudah mati. Rekayasa tidak, begitu pula keahlian. Pekerjaan lama Anda telah hilang. Pekerjaan baru Anda sebagai pembangun akan memungkinkan Anda melakukan lebih banyak hal dan memberikan dampak lebih besar daripada sebelumnya, jika Anda menangkap peluang ini. Dan Proton akan menyiapkan Anda untuk melakukannya, upaya yang akan Anda dengar lebih lanjut dalam hari-hari dan minggu-minggu mendatang. Era eksperimen berlanjut, tetapi waktu untuk bertindak adalah sekarang. Masa depan sudah ada di sini. Mari kita jadikan milik kita.


Gambar sampul oleh: Bernard Leonardo
Instagram: @dranreboel
Situs web: https://dranreboel.myportfolio.com/work