Kecerdasan buatan (AI) diharapkan dapat merevolusi rekayasa perangkat lunak, dan sampai batas tertentu, hal tersebut telah terjadi. Hampir 90% profesional teknologi kini menggunakan alat AI di tempat kerja, dengan lebih dari 80% melaporkan peningkatan produktivitas. Namun, meski banyak yang heboh, data menunjukkan tren yang meresahkan: pengembang bekerja dengan jam kerja yang lebih panjang, bukan lebih sedikit. Janji AI untuk mengotomatiskan tugas-tugas yang membosankan dan meningkatkan efisiensi berbenturan dengan realitas kode yang tidak stabil, tekanan yang meningkat, dan potensi kelelahan.
Paradoks Produktivitas
AI dapat menghasilkan kode untuk aplikasi web, perangkat lunak seluler, dan alat data – bahkan memungkinkan pengembang yang tidak berpengalaman membuat prototipe dasar melalui “vibe coding”. Namun, kode yang dihasilkan AI jarang sekali yang sempurna. Pengembang masih menghabiskan banyak waktu untuk memverifikasi keluaran dan menambal kesalahan, yang menyebabkan peningkatan “ketidakstabilan pengiriman perangkat lunak”. Laporan DORA menunjukkan bahwa semakin banyak penggunaan AI berkorelasi dengan semakin seringnya rollback dan perbaikan. Artinya, meskipun kecepatan pengkodean individu mungkin meningkat, keseluruhan proses bisa menjadi lebih rapuh.
Tekanan untuk Berkinerja
Masalahnya bukan hanya masalah teknis; itu juga budaya. AI sering kali diterapkan bersamaan dengan ekspektasi peningkatan output dengan sumber daya yang lebih sedikit. Perusahaan mengharapkan lebih banyak dari karyawan di era AI, sehingga menimbulkan tekanan untuk bekerja lebih cepat, bahkan di luar jam kerja. Studi dari Berkeley menunjukkan bahwa karyawan yang mengadopsi AI mengambil lebih banyak tugas, bekerja lebih cepat, dan mencatat waktu lebih banyak. Banyak orang kini menggunakan AI saat istirahat dan rapat, sehingga mengaburkan batas antara waktu kerja dan waktu pribadi.
Meningkatnya Jumlah Kerja Di Luar Jam Kerja
Banyak orang melaporkan bahwa para insinyur menggabungkan permintaan penarikan 27,2% lebih banyak, tetapi juga mengirimkan kode 19,6% lebih banyak di luar jam kerja normal. Ini bukan hanya soal peningkatan efisiensi; Hal ini menunjukkan bahwa pengusaha berupaya meningkatkan produktivitas, yang berpotensi menyebabkan kelelahan. Lauren Peate, CEO Multititudes, memperingatkan bahwa tren ini “tidak baik bagi manusia.”
Kesenjangan Keterampilan
Ketergantungan yang berlebihan pada AI juga dapat menghambat pengembangan keterampilan. Penelitian antropis menemukan bahwa insinyur yang sangat bergantung pada AI mendapat skor 17% lebih rendah dalam tes pengetahuan pengkodean dibandingkan dengan mereka yang tidak. Kesenjangan terbesar terjadi pada proses debug – kemampuan untuk menemukan dan memperbaiki kelemahan dalam kode. Menggunakan AI sebagai jalan pintas dapat membuat developer junior tidak dapat memahami atau menyempurnakan keluaran yang dihasilkan AI, sehingga berpotensi memperburuk kualitas kerja jangka panjang.
Masa Depan Rekayasa Perangkat Lunak
Tekanan ini tidak hanya berdampak pada masing-masing pengembang; ini mengubah cara kerja proyek sumber terbuka. Dilaporkan adanya peningkatan pengiriman berkualitas rendah yang didorong oleh AI yang menghabiskan waktu pengembang inti, dan penurunan dalam manajemen proyek kolaboratif.
Pada akhirnya, AI tidak menghilangkan kebutuhan akan keahlian manusia; hal ini membentuknya kembali. Pertanyaan kuncinya adalah apakah tempat kerja akan beradaptasi untuk mencegah kelelahan, mengelola beban kerja, dan memberikan kesempatan pelatihan, atau apakah potensi AI hanya akan menghasilkan jam kerja yang lebih panjang dan beban yang lebih besar bagi para insinyur perangkat lunak.
Kenyataannya adalah bahwa AI memperkuat dinamika yang ada: AI membuat hal-hal baik menjadi lebih baik, namun juga membuat hal-hal buruk menjadi lebih buruk. Tantangannya bukan hanya mengenai penggunaan alat-alat tersebut, namun juga membangun ekosistem berkelanjutan di sekitar alat-alat tersebut.
