Disiplin teknik dalam pengembangan perangkat lunak semakin menjadi sorotan sejak AI digunakan oleh para pengembang untuk menghasilkan kode. Banyak tim yang khawatir penggunaan AI bisa membawa risiko yang tidak perlu. Berita-berita yang beredar banyak menceritakan tentang masalah yang disebabkan oleh kode yang diluncurkan secara terburu-buru, atau eksekutif senior yang mengambil alih proses pengkodean tanpa prosedur yang tepat.
Namun, tim-tim ini menemukan cara untuk membangun kepercayaan pada kode yang dihasilkan oleh AI. Survei DORA 2025 dari Google menyimpulkan bahwa AI memiliki efek amplifikasi pada proses organisasi. Proses berkualitas yang ditingkatkan oleh AI menghasilkan keluaran yang lebih berkualitas dan dalam jumlah yang lebih banyak.
Penelitian kami menunjukkan bahwa kebanyakan tim tidak sembarangan dalam menerapkan langkah-langkah pengaman atau langsung menerima keluaran AI begitu saja. Mereka lebih disiplin dan memberikan perhatian yang sama terhadap keluaran AI seperti pekerjaan yang dibuat oleh rekan manusia. Ini menunjukkan bagaimana tim-tim berprestasi tinggi belajar untuk bekerja sama dengan AI.
Sebanyak tujuh puluh enam persen tim perusahaan meninjau pekerjaan yang dihasilkan AI dengan ketat, sama seperti pekerjaan yang ditulis oleh manusia. Tim yang menggunakan AI untuk mempercepat kerja mereka menemukan hasil positif dengan menerapkan praktik rekayasa terbukti untuk memastikan kode ditinjau dan diuji dengan baik.
Alih-alih dianggap tidak stabil secara inheren, munculnya kode yang dihasilkan AI justru menekankan bahwa pengaman adalah pondasi dari perangkat lunak yang andal. Tim-tim yang menggunakan AI paling efektif memperlakukannya seperti rekan virtual. Mereka tetap memegang kendali atas keputusan dan memanfaatkan AI untuk mempercepat eksekusi.
Anggap AI sebagai Rekan Virtual
Tim-tim yang memperlakukan kode yang dihasilkan AI seolah-olah itu ditulis oleh manusia mencerminkan kedewasaan mereka dalam memanfaatkan AI. Untuk mengadopsi AI sebagai proses yang bertahap, memulai dengan tugas berisiko rendah dan dapat diulang, serta menerapkan pengecekan ketat pada keluaran, memungkinkan teknologi ini berfungsi dengan baik tanpa mengharapkan hasil instan.
Seperti yang dilaporkan oleh Laboratorium Ilmu Komputer dan Kecerdasan Buatan MIT, adopsi luas mengenai pengkodean AI tidak berarti ia dapat menangani semua aspek rekayasa perangkat lunak berskala besar sendirian. Meluncurkan produk memiliki risiko yang lebih tinggi dibandingkan hanya menulis kode. Peninjauan oleh manusia nyata sangat penting untuk mencegah kesalahan yang bisa merugikan bisnis.
Pada tahap awal penggunaan AI dalam alur kerja, 43% tim sudah memperlakukan kode AI seperti kode yang ditulis manusia, dengan 33% menerapkan pengecekan yang lebih ketat. Bahkan pengembang terbaik dalam tim tidak luput dari proses dan pengaman yang menjamin peluncuran perangkat lunak yang andal dengan cepat. AI seharusnya diperlakukan dengan cara yang sama.
Kepercayaan pada AI Mengikuti Kurva Risiko
Seperti halnya teknologi baru lainnya, memperkenalkan AI dalam siklus hidup perangkat lunak adalah proses pembelajaran. Data kami menunjukkan bahwa tingkat kepercayaan pada AI sangat bervariasi tergantung pada tahap siklus hidup perangkat lunak, menunjukkan bahwa tim sedang membangun kepercayaan dengan hati-hati.
Pendekatan pragmatis dilakukan oleh perusahaan dengan performa terbaik. Pemimpin pemikiran dari Gartner, Forrester, dan tim DORA Google semua menekankan bahwa organisasi yang melihat keberhasilan dari pengembangan yang dibantu AI memperkuat kontrol rekayasa dan membangun kesuksesan dari waktu ke waktu.
Mayoritas besar (82%) sekarang menggunakan AI pada tahap pembangunan, menurun menjadi 58% pada tahap peluncuran di mana risiko produksi paling tinggi. Menggunakan AI terutama untuk tahap awal pengembangan perangkat lunak adalah langkah rasional untuk memastikan kegagalan tidak berdampak pada bisnis yang lebih luas.
Ini bukan menunjukkan kurangnya kepercayaan terhadap teknologi. Hampir setengah (46%) tim merasa yakin pada performa kode yang dihasilkan AI, menunjukkan bahwa penggunaannya yang lebih hati-hati dalam produksi adalah keputusan bisnis yang terukur dan bukan sekadar skeptisisme.
Keluaran jauh lebih mudah ditinjau dan disempurnakan sebelum tahap rilis. Ketika banyak bisnis masih kurang dalam observabilitas, tim sering kali hanya mengetahui kesalahan dalam kode yang digunakan setelah pengguna memberi tahu mereka. Meskipun ada klaim bahwa pengembangan perangkat lunak bisa sepenuhnya otomatis, tim menunjukkan kesadaran yang jelas tentang di mana pengawasan manusia itu penting.
Mereka tidak hanya membuat penilaian umum tentang kemampuan AI, tetapi membuat pandangan yang lebih nuansa, yang menunjukkan prospek cerah untuk pengiriman perangkat lunak yang dibantu AI di masa depan.
Kombinasikan Kecepatan dengan Disiplin untuk Menang
Ada kesinambungan dalam bagaimana tim-tim yang matang memastikan kode yang dihasilkan AI layak digunakan, tetapi dampaknya tetap signifikan bagi peran insinyur perangkat lunak. Saat berbincang dengan pengembang, umpan balik mereka seragam: waktu yang dihemat AI sangat berharga untuk fokus pada bagian-bagian dari proses mereka yang sering terabaikan.
AI memindahkan beban kognitif dari menulis kode dan membangun konfigurasi menjadi meninjau dan mengarahkan proses tersebut. Dengan waktu yang tersedia lebih banyak, tim memiliki lebih banyak ruang untuk memprioritaskan observabilitas, cakupan pengujian, atau skenario pemulihan bencana – elemen-elemen penting dalam kebersihan perangkat lunak yang sering kali terabaikan.
Adopsi AI meningkatkan kualitas dokumentasi menurut laporan DORA, menunjukkan banyak tim mengambil kesempatan ini untuk memperbaiki praktik rekayasa yang lebih luas yang mendukung pengiriman perangkat lunak yang andal.
Seiring AI mengambil lebih banyak aspek mekanis dari pengembangan perangkat lunak, tanggung jawab insinyur menjadi semakin mengarah kepada hal-hal yang paling penting: memvalidasi keluaran, memahami risiko, dan memastikan keluaran selaras dengan tujuan bisnis. Jika seseorang bertanya “mengapa kita membangunnya seperti ini?” menjadi masalah jika tidak ada yang bisa menjawab pertanyaan itu tanpa bertanya kepada AI. Manusia harus tetap terlibat.
Organisasi yang paling diuntungkan dari AI bukanlah yang memiliki lebih banyak otomatisasi, melainkan yang menggabungkan kecepatan yang didorong AI dengan disiplin rekayasa dan kepatuhan yang ketat terhadap proses yang dapat diulang.
Adopsi AI adalah Tantangan DevOps
Perdebatan seputar kode yang dihasilkan AI sering kali berfokus pada apakah teknologi ini dapat dipercaya dalam DevOps. Dalam kebanyakan kasus, tim telah membangun kepercayaan ini secara bertahap tanpa mengabaikan penilaian manusia untuk mencapai hasil terbaik.
Seiring kemampuan AI yang terus berkembang, kesenjangan antara tim berkinerja tinggi dan lainnya tampaknya tidak akan ditentukan oleh akses terhadap model terbaru.
Para insinyur dan tim yang akan berhasil adalah mereka yang memadukan kemampuan AI dengan penilaian mereka sendiri.
