AI dalam Pekerjaan Developer.

AI Sudah Jadi Rekan Kerja

Beberapa tahun lalu, “ngoding pakai AI” masih terdengar seperti eksperimen. Sekarang, buatku, AI assistant sudah jadi bagian dari workflow harian, sama seperti editor dan terminal. Claude dan beberapa tools AI lain ada di daftar aplikasi yang aku pakai setiap hari , di samping pekerjaan utamaku dengan Laravel, React, TypeScript, dan Node.js.

Tapi justru karena sudah dipakai setiap hari, aku merasa perlu menulis pandangan yang lebih seimbang. Banyak tulisan soal AI yang isinya antara “developer bakal tergantikan” atau “AI bikin produktivitas naik 10x”. Menurutku kenyataannya ada di tengah: AI itu alat yang sangat berguna, dengan batasan yang sangat nyata.

Di Mana AI Benar-Benar Membantu

Boilerplate dan pekerjaan repetitif

Bagian yang paling jelas terasa manfaatnya: kode yang polanya sudah umum. Scaffold controller, migration, validasi form, tipe TypeScript dari contoh JSON, konfigurasi yang sintaksnya susah diingat. Pekerjaan seperti ini bukan tempat kreativitas, dan menyerahkannya ke AI membebaskan waktu untuk bagian yang butuh mikir.

Menjelajah kode yang belum familiar

Masuk ke codebase baru, library yang jarang dipakai, atau sistem lama yang dokumentasinya tipis selalu makan waktu. AI bisa jadi “teman baca”: menjelaskan alur sebuah fungsi, menunjukkan file mana yang kemungkinan relevan, atau merangkum apa yang dilakukan sebuah modul. Bukan pengganti membaca kodenya sendiri, tapi titik awal yang jauh lebih cepat.

Review dan second opinion

Meminta AI meninjau perubahan sebelum di-commit berguna untuk menangkap hal-hal kecil: edge case yang terlewat, penamaan yang membingungkan, error handling yang bolong. AI tidak menggantikan review dari manusia yang paham konteks bisnisnya, tapi sebagai lapisan tambahan, cukup membantu.

Dokumentasi

Menulis dokumentasi adalah pekerjaan yang sering ditunda. AI membantu membuat draf pertama: README, komentar, catatan perubahan, penjelasan API. Drafnya tetap perlu dirapikan, tapi mulai dari draf jauh lebih ringan daripada mulai dari halaman kosong.

Debugging

Menempelkan pesan error dan potongan kode lalu bertanya “kenapa ini bisa terjadi?” sering mempercepat proses menemukan arah. Yang membantu bukan cuma jawabannya, tapi juga daftar kemungkinan penyebab yang bisa dicek satu per satu.

Di Mana AI Berisiko

Halusinasi API

Ini risiko yang paling sering muncul. AI bisa menulis kode dengan penuh percaya diri memakai method yang tidak ada, parameter yang sudah deprecated, atau perilaku library versi lain. Kodenya kelihatan masuk akal, dan justru itu bahayanya. Kalau tidak dicek ke dokumentasi atau dijalankan, kesalahan seperti ini bisa lolos.

Keamanan

AI cenderung menghasilkan kode yang “jalan”, belum tentu kode yang aman. Query yang rawan injeksi, validasi input yang longgar, secret yang di-hardcode, atau konfigurasi yang terlalu permisif bisa muncul tanpa peringatan. Untuk hal yang menyangkut autentikasi, hak akses, data pengguna, dan server, aku merasa standarnya harus lebih ketat, bukan lebih longgar.

Ada juga sisi lain: apa yang kita tempelkan ke AI. Kode internal, kredensial, atau data pelanggan sebaiknya tidak ikut masuk ke prompt tanpa memahami kebijakan tools yang dipakai dan aturan tempat kerja.

Terlalu bergantung

Kalau setiap masalah langsung dilempar ke AI, lama-lama kita berhenti membangun intuisi sendiri. Masalahnya baru terasa saat AI memberi jawaban yang salah dan kita tidak punya cukup pemahaman untuk menyadarinya.

Skill yang tumpul

Terkait dengan poin di atas: kemampuan membaca dokumentasi, menelusuri stack trace, dan memecah masalah itu seperti otot. Kalau jarang dipakai, melemah. Menurutku ini bukan alasan untuk berhenti memakai AI, tapi alasan untuk memakainya dengan sadar.

Lisensi dan kepemilikan kode

Kode yang dihasilkan AI bisa mirip dengan kode yang ada di luar sana, dan status lisensinya tidak selalu jelas. Untuk proyek pribadi mungkin tidak terlalu jadi soal, tapi untuk produk perusahaan, ini hal yang perlu diperhatikan, termasuk mengikuti kebijakan tempat kerja soal penggunaan AI.

Kebiasaan yang Menurutku Berhasil

Verifikasi, jangan percaya begitu saja

Perlakukan output AI seperti kode dari rekan yang pintar tapi belum kenal proyekmu: dibaca, dipahami, dicek ke dokumentasi resmi, lalu dijalankan. “Kelihatannya benar” bukan standar yang cukup.

Langkah kecil

Meminta perubahan besar sekaligus membuat hasilnya susah dicek. Perubahan kecil yang bisa di-review satu per satu, dengan commit yang jelas di Git , jauh lebih mudah dikontrol. Kalau ada yang salah, gampang dilacak dan dibatalkan.

Tes sebagai jaring pengaman

Tes membuat output AI bisa diukur, bukan cuma dikira-kira. Bahkan kalau AI yang membantu menulis tesnya, setidaknya ada cara objektif untuk tahu apakah kodenya melakukan yang diharapkan. Tentu dengan catatan: tesnya juga harus dibaca, jangan sampai tesnya cuma menguji hal yang salah.

Tetap paham apa yang di-commit

Aturan sederhana yang aku pegang: kalau aku tidak bisa menjelaskan kodenya, kode itu belum siap di-commit. AI mempercepat pekerjaan, tapi keputusan dan pemahaman tetap tanggung jawab developer-nya.

Pakai untuk belajar, bukan cuma untuk selesai

AI juga bisa dipakai untuk bertanya “kenapa”, bukan hanya “bagaimana”. Meminta penjelasan konsep, perbandingan pendekatan, atau alasan di balik sebuah solusi membuat AI jadi alat belajar, bukan sekadar mesin jawaban.

Apa Artinya untuk Junior Developer?

Ini bagian yang menurutku paling penting. Untuk developer yang sudah punya pengalaman, AI mempercepat hal-hal yang sebenarnya sudah dia pahami. Untuk junior, AI bisa jadi jalan pintas yang melewati proses belajarnya.

Masalahnya, kemampuan menilai apakah output AI benar atau salah datang dari fondasi: paham bagaimana HTTP bekerja, bagaimana database menyimpan dan mengambil data, bagaimana framework seperti Laravel mengatur request, kenapa sebuah bug bisa muncul. Tanpa fondasi itu, AI jadi kotak hitam yang jawabannya diterima begitu saja.

Saranku untuk yang baru mulai:

• Pelajari dasarnya dulu. Catatan-catatan di Fundamental memang aku tulis untuk hal-hal dasar seperti ini.
• Coba selesaikan sendiri dulu, baru bandingkan dengan jawaban AI. Perbedaannya adalah tempat belajar.
• Tanyakan alasannya. Jangan cuma minta kode, minta penjelasan.
• Tetap baca dokumentasi resmi. AI bisa salah; dokumentasi adalah sumber kebenarannya.

Aku tidak berpikir AI akan membuat developer tidak dibutuhkan. Yang berubah adalah bagian pekerjaan mana yang paling bernilai: memahami masalah, mengambil keputusan desain, menilai kualitas, dan bertanggung jawab atas hasilnya. Semua itu tetap butuh manusia yang paham.

Penutup

AI itu alat yang kuat, dan seperti alat kuat lainnya, hasilnya tergantung siapa yang memegang. Dipakai dengan sadar, dia mempercepat pekerjaan dan membantu belajar. Dipakai tanpa berpikir, dia mempercepat terciptanya bug yang tidak kita pahami.

Kalau kamu developer, bagaimana AI mengubah cara kerjamu? Tulis di kolom komentar, ya.