AI bukanlah strategi keluar untuk mempekerjakan pembuat kode tingkat pemula
Vibe coding telah menjadi salah satu contoh pertama yang kita lihat tentang AI generatif yang mentransformasi industri yang sudah mapan. Hal ini mendapat banyak perhatian karena bagaimana hal ini dapat membantu perusahaan mempercepat masa depan, namun hal tersebut hanya merupakan gambaran yang akurat ketika pagar pembatas yang sesuai diterapkan dan ketika hal tersebut diterapkan bersama-sama dengan pengembang manusia. Bagian tersebut kadang-kadang hilang dalam penerjemahan, terutama mengenai pengembang junior, yang mendapati diri mereka berisiko diremehkan dan dipinggirkan karena AI. MEREKA “MENGAPA” BUKAN “BAGAIMANA” Dengan munculnya AI, kita telah mengangkat beban pemahaman “bagaimana” dan meningkatkan standar pemahaman “mengapa,” yang merupakan kenyataan yang harus diadaptasi oleh para pengembang muda dan perusahaan yang melatih mereka. Dulu kami menghargai pekerja TI karena mereka tahu cara menulis kode dalam kerangka kerja tertentu, lokasi tertentu, cloud, pusat data, atau edge. Semua itu sudah menjadi komoditas, karena agen AI bisa melakukan semua itu. Namun kita akan selalu memiliki kebutuhan untuk memahami “mengapa”: Mengapa saya perlu menulis lamaran itu? Memverifikasi kode yang dihasilkan AI diperlukan. Ini adalah tugas yang cenderung diserahkan oleh perusahaan kepada pengembang senior mereka yang dipercaya, dan sering kali tidak melibatkan pengembang junior sama sekali. Data terbaru menunjukkan bahwa pekerjaan pengembang junior adalah pekerjaan yang paling berisiko karena perusahaan mengintegrasikan AI sebagai dampaknya. Bagi para eksekutif yang serius mempertimbangkan untuk menempuh jalur ini, hal ini merupakan keputusan yang sangat picik. Pengembang muda sebenarnya berada dalam posisi terbaik untuk menjadi pakar baru, dibandingkan dengan talenta senior. Ini soal perusahaan yang melatih rekan satu timnya dengan (dan menggunakan) AI—yang menerapkannya dalam kasus kami—dan mendekati situasi tersebut dengan akal sehat. Begini caranya: Gunakan “mengapa”: Pastikan orientasi berfokus pada pelatihan dalam konteks bisnis dan bukan hanya materi teknis. Modernisasikan pemagangan: Pasangkan talenta junior dengan senior, yang mendidik mereka tentang alasan pengambilan keputusan dan bukan bagaimana caranya, sambil mengarahkan agen AI untuk melaksanakan keputusan tersebut. Bergerak cerdas, bukan cepat: Ingatlah bahwa AI adalah pelengkap pertumbuhan manusia, bukan pengganti. Meminta manusia memverifikasi kode AI dan secara umum mengawasi proses pembuatan perangkat lunak adalah hal yang harus dilakukan. Ini adalah keahlian yang didasarkan pada kecerdasan teknis dan bisnis, yang membedakan pembuat kode yang baik dari arsitek yang hebat. AI adalah aset yang luar biasa, namun tidak sempurna. Anda memerlukan mesin untuk terus mengembangkan bakat manusia yang dilatih tentang cara Anda beroperasi secara spesifik dan nilai yang Anda bawa sebagai sebuah perusahaan. Jadi, mengapa ada orang yang memutuskan untuk menghentikan “kereta bakat” itu? TETAPKAN LATIHAN BAKAT ANDA Pergantian karyawan sangat nyata. Tidak ada perusahaan yang mempertahankan pengembang terbaiknya selamanya. Mereka akhirnya pensiun. Beberapa akan berangkat ke perusahaan lain. Ini bukan hanya tentang menggantinya saja. Organisasi terbaik akan menarik talenta terbaik dan merekrut pengembang muda yang dapat tumbuh bersama perusahaan. Anda tentunya masih harus bisa mempercayai talenta teknis senior, baik itu pengembang, arsitek, dll. Dengan pelatihan yang tepat, junior Anda pada akhirnya bisa mengambil peran sebagai senior. Jika sebuah perusahaan gagal mencapai keseimbangan yang tepat antara kepemimpinan veteran dan talenta muda, persaingannya akan berkurang seiring berjalannya waktu. Bahkan dengan AI, hal itu benar. Hal itu tidak menghilangkan kebutuhan manusia. Itu hanya menggeser peran mereka. Tidak ada cara untuk mereplikasi secara artifisial keahlian dunia nyata yang diperoleh setelah pengalaman bertahun-tahun. Simak argumen yang disampaikan dalam blog Dead Neurons ini, yaitu contoh penentuan kapan waktu aman untuk menyeberang jalan. Kode dasar dapat didasarkan pada tiga variabel, dalam hal ini: warna cahaya, apakah ada mobil yang mendekat, dan seberapa jauh jaraknya. Itu akan berhasil pada sebagian besar waktu, tidak semuanya. Dalam kehidupan nyata, pejalan kaki memproses puluhan variabel lain dalam waktu sepersekian detik, termasuk kecepatan mobil, seberapa perhatian pengemudi, apakah pejalan kaki tersebut membawa sesuatu yang dapat menghalangi kemampuan mereka untuk menyeberang lebih cepat, jika diperlukan. Hasilnya adalah peraturan yang jauh lebih canggih dan telah disempurnakan dalam ribuan penyeberangan. Hal ini juga tidak dapat diajarkan dengan benar atau diserialisasikan secara cepat, karena hal ini perlu menyertakan pohon keputusan yang sangat kompleks. Itu membuatnya hanya mampu diterapkan secara real time oleh manusia dengan pengalaman bertahun-tahun. KEAHLIAN MANUSIA YANG SEJATI Para talenta veteran masih akan memikul beban dengan banyak tanggung jawab, termasuk mengontekstualisasikan keputusan dalam nilai bisnis dan memverifikasi bahwa arsitektur dan kode yang dihasilkan oleh AI cocok dengan hal tersebut. Namun pengembang junior tetap harus mendapat tempat di organisasi mana pun. Mereka hanya perlu dibimbing dengan cara yang benar dan secara teratur dihadapkan pada kejadian sehari-hari, sehingga mereka juga dapat mengembangkan tingkat keahlian yang sama. Perusahaan terkadang dibutakan oleh betapa efisiennya AI. Mereka yang menggunakannya untuk memberdayakan generasi rekan setim berikutnya, alih-alih melewatkannya, akan mendapatkan kesuksesan terbesar. Kembali menyeberang jalan. Ini belum tentu tentang menyampaikan pesan secepat mungkin. Ini tentang menyampaikan pesan seefisien mungkin. Namun mengapa? Bekerja di integrator solusi, saya lebih memahami bahwa nilai kami terletak pada memastikan “bagaimana” dilakukan dengan benar untuk memenuhi “mengapa” bagi klien. Dalam platform besar, memahami alasannya dan memetakannya ke dalam permasalahan masih akan menjadi dorongan yang sangat besar bagi klien. Di situlah kami membangun keahlian kami. Melatih talenta junior Anda tentang cara “menyeberang jalan” tidak tepat sasaran, karena tujuannya adalah agar mereka mengetahui tujuan akhirnya. Kami selalu berupaya mengembangkan tim untuk memberikan nilai lebih tinggi bagi organisasi seiring dengan semakin matangnya kemampuan mereka. AI tidak mengubah itu. Hal ini baru saja mengubah apa yang perlu kita fokuskan: pemahaman bisnis yang didasarkan pada teknologi, bukan teknologi yang mengutamakan. Setelah pola pikir tersebut terbentuk, kesuksesan jangka panjang kemungkinan besar akan menyusul. Juan Orlandini adalah chief technology officer Amerika Utara untuk Insight Enterprises. Batas waktu terakhir untuk Fast Company’s Next Big Things in Tech Awards adalah Jumat, 12 Juni, pukul 23.59 PT. Terapkan hari ini.
Diterbitkan : 2026-06-08 14:32:00
sumber : www.fastcompany.com
