Banyak developer kini bisa menyelesaikan dalam hitungan menit apa yang dulu memakan sehari penuh. Mert Demirer, profesor di MIT Sloan School of Management, mengaku sering mendengar cerita seperti itu.
Namun, kecepatan menulis kode belum tentu berarti produk lebih cepat sampai ke pengguna. Sebuah riset terbaru menunjukkan jarak antara keduanya cukup lebar.
Apa yang Diteliti
Makalah ini ditulis Demirer bersama Leon Musolff dari University of Pennsylvania dan Liyuan Yang, mahasiswa PhD ekonomi di Boston University. Mereka menganalisis data lebih dari 100.000 developer di GitHub.
Para peneliti membandingkan tiga jenis alat AI:
- Autocomplete, yang menyarankan kode saat developer mengetik.
- Sync agent, yang menulis dan mengedit kode bersama developer secara langsung.
- Async agent, yang diberi tugas lalu bekerja sendiri tanpa diawasi.
Angka yang Menyusut di Setiap Tahap
Di tahap menulis kode, hasilnya meyakinkan. Autocomplete menaikkan aktivitas coding 40%. Dengan tambahan sync agent, kenaikannya 140%. Dengan async agent, totalnya mencapai 180%.
Tetapi kenaikan itu mengecil di tahap berikutnya. Developer pengguna AI hanya menghasilkan 50% lebih banyak proyek. Rilis sesungguhnya hanya naik 30% dibanding developer tanpa AI.
Artinya, lonjakan 180% di awal tersisa jauh lebih kecil di ujung alur.
Rilis Naik, Unduhan Tidak
Peneliti juga memeriksa data dari empat toko aplikasi populer. Sejak awal 2025, saat alat coding berbasis agen mulai tersedia luas, jumlah aplikasi baru meningkat.
Namun, jumlah unduhan dan ulasan tidak ikut naik. Menurut para peneliti, tambahan pasokan itu banyak menghasilkan aplikasi dengan sedikit pengguna atau tanpa pengguna sama sekali.
Alasannya, developer tetap harus menguji, memoles, dan mengiterasi sampai produknya cocok dengan pasar. Pekerjaan itu belum jadi lebih murah hanya karena menulis kode jadi lebih murah.
Penyebabnya: Proses Manusia yang Tidak Berubah
Para peneliti menunjuk satu penyebab utama. Proses manusia di sekitar alat AI tidak ikut berubah. Review, penggabungan, dan perilisan masih berjalan dengan cara lama.
Dengan kata lain, AI mempercepat satu bagian alur, sementara bagian lain tetap menahan. Artikel berikutnya membahas langkah pertama untuk mengatasinya, yaitu memetakan proses dan mencari titik macetnya.
Pelajari Selengkapnya di buku Stay Human Stay In Charge – Transformasi AI di Korporasi yang bisa didapatkan di http://asosiasi.ai/store
Sumber:
