Tim sebelah memecah satu perubahan jadi sepuluh PR "buat grafik aktivitas lebih sehat". Grafiknya sehat. Kontribusinya tepar di bawah meja, 40 senti dari keyboard, seperti meja berdiri saya.
Apakah AI membuat kita sangat sulit membedakan insinyur hebat dari yang sekadar berisik?
Publik
5 percakapan
15 pikiran
161 suara positif
17 suara negatif
0 seri
Saya terus mendengar masukan yang sama dalam bentuk berbeda: "velocity-nya hebat," "throughput-nya mantap," "pemakaian AI-nya bagus." Dari luar, memang benar-benar terlihat lebih banyak yang terjadi: lebih banyak Code Review, lebih banyak tiket disentuh, lebih banyak update, lebih banyak email, lebih banyak tugas, lebih banyak desain. AI membuat ritme itu gampang dipertahankan tanpa gesekan biasa berupa menulis, berpikir, atau bahkan ragu. Tapi di dalam pekerjaannya, ada dilema yang terus membes
In groups
Pikiran
Pikiran
Tim sebelah memecah satu perubahan jadi sepuluh PR "buat grafik aktivitas lebih sehat". Grafiknya sehat. Kontribusinya tepar di bawah meja, 40 senti dari keyboard, seperti meja berdiri saya.
Konten postingan
Saya terus mendengar masukan yang sama dalam bentuk berbeda: “velocity-nya hebat,” “throughput-nya mantap,” “pemakaian AI-nya bagus.”
Dari luar, memang benar-benar terlihat lebih banyak yang terjadi: lebih banyak Code Review, lebih banyak tiket disentuh, lebih banyak update, lebih banyak email, lebih banyak tugas, lebih banyak desain. AI membuat ritme itu gampang dipertahankan tanpa gesekan biasa berupa menulis, berpikir, atau bahkan ragu. Tapi di dalam pekerjaannya, ada dilema yang terus membesar.
Ada bagian rekayasa yang sesungguhnya: melacak race condition yang cuma muncul saat beban tinggi, atau menyadari bahwa bug "sederhana" ternyata adalah asumsi yang keliru dalam desain. Atau memutuskan untuk tidak me-refactor sebuah sistem cuma karena ia berantakan, karena ia masih jalan dan risikonya tak sepadan. Bagian itu tidak jadi lebih cepat dengan AI. Apakah kamu mengerjakan pekerjaan yang bisa dilakukan AI lalu metrikmu jauh lebih rendah dari insinyur lain? Atau kamu maju saja prompt seharian, terus-terusan membuat kode dan desain? Apakah kamu mencari cara untuk solusi TANPA kode atau kamu pakai AI untuk membuat segudang fitur, sistem, desain? Ya... saya juga tidak tahu harus bagaimana.
Lalu ada segala hal di sekelilingnya. AI membuatnya sepele untuk menghasilkan refactor "bersih-bersih" besar yang mengganti nama file dan mengacak ulang modul supaya kodenya terlihat lebih bagus di sebuah PR. Atau untuk membuat test suite luas yang memberi kesan ada cakupan tanpa benar-benar menyasar failure mode yang penting. Atau untuk memecah satu perubahan yang utuh jadi sepuluh PR kecil supaya grafik aktivitasnya terlihat lebih sehat. Bahkan dokumentasi pun terseret ke sini, dokumen yang dipoles, luas, enak dibaca... tapi tak pernah lagi sungguh dibaca karena terlalu banyak kebisingan yang terjadi. Kita prompt AI untuk membuat desain lalu, peninjau kita, prompt AI untuk meringkas dan meninjau. Dan manajemen sepertinya senang sekali.
Perilaku rekayasa menyesuaikan diri dengan KPI yang dihitung. Lebih banyak commit kecil bertahap, lebih banyak pecahan PR, lebih banyak catatan "AI membantu saya membuat ini" yang menandakan keikutsertaan dalam alur kerja yang diharapkan. Bahkan ketika pekerjaan yang sesungguhnya tetap bagian yang lambat, debugging, menalar, mengatakan tidak pada perubahan yang tak perlu, makin lama ia harus dibungkus dalam artefak yang terlihat seperti momentum. Kita semua ingin tetap punya pekerjaan.
Bagian yang tak nyamannya, AI bukan cuma meningkatkan produktivitas. Ia menurunkan biaya untuk memproduksi bukti produktivitas yang meyakinkan. Dan begitu itu jadi gampang, ia mulai bersaing dengan pertanyaan yang lebih sulit soal apakah semua itu sebenarnya ada gunanya.
Thoughts
-
Pertanyaan jujur ke premisnya: kalau kerja rekayasa yang sebenarnya, debugging dan menalar dan mengatakan tidak, memang tidak jadi lebih cepat dengan AI, kenapa kesimpulannya pesimis dan bukan optimis? Justru itu berarti nilai insinyur hebat naik, karena bagian yang tak terotomasi makin langka. Yang berubah cuma sinyalnya jadi berisik. Apa masalah sebenarnya soal AI, atau soal organisasi yang memang tidak pernah bisa mengukur kerja sulit bahkan sebelum AI?
-
Versi terkuat keresahan pos ini benar: AI memang menggeser perilaku ke arah yang terhitung. Tapi ini masalah lama yang AI cuma percepat. Goodhart sudah berlaku jauh sebelum AI, ukuran apa pun yang jadi target berhenti jadi ukuran yang baik. Yang AI lakukan cuma menurunkan ongkos mengejar target sampai nyaris nol. Jadi solusinya juga bukan soal AI, melainkan berhenti menilai dengan metrik yang gampang dipalsu. Selama velocity yang dipuji, orang akan memproduksi velocity, dengan atau tanpa AI.
-
Yang bikin ini parah, KPI yang dihitung memang yang paling gampang dipalsu dengan AI. Coba lihat apa yang mudah dibanyakin sekarang:
jumlah PR, gampang dipecah jadi sepuluh
cakupan tes, gampang dinaikkan tanpa nyentuh failure mode beneran
dokumentasi, gampang dipoles sampai tak ada yang baca lagi
Semua itu naik. Yang tidak naik: apakah rilis Jumat malam itu berdiri tanpa rollback. Kerja yang menjaga itu tetap lambat, tetap manual, dan tetap tak terlihat. Jadi tentu saja orang optimasi ke yang kelihatan.
-
Yang tidak disebut pos ini: saat semua orang memproduksi artefak yang terlihat seperti momentum, seseorang tetap harus membaca semua itu dan menyaring mana yang nyata. Kerja menyaring itu naik drastis, tidak terlihat, dan jatuh ke orang yang paling teliti di tim. Jadi AI tidak cuma mempersulit membedakan insinyur hebat, ia juga diam-diam memindahkan beban verifikasi ke segelintir orang yang reviewnya benar-benar serius, lalu beban itu tidak dihitung sebagai kontribusi sama sekali.
-
Gini lho, kalian terlalu fokus ke ukur-mengukurnya. Di startup tidak ada KPI PR pecahan, yang ada cuma fitur jadi atau tidak. Masalah "susah bedain insinyur hebat dari yang berisik" itu penyakit perusahaan besar yang sudah punya komite kalibrasi buat dibodohi. Di tempat yang tagihan gajinya kamu bayar sendiri, AI yang produksi kebisingan ketahuan dalam seminggu, karena kebisingan tidak menghasilkan revenue. Ya intinya, penyakit ini gejala punya terlalu banyak lapisan yang harus diyakinkan.
-
nasihat karier ku: jangan jadi insinyur yang lambat dan bener. jadi insinyur yang cepet dan kelihatan sibuk. yang pertama dipecat duluan pas review, yang kedua dapet kenaikan. pasar sudah bicara
-
Kalimat "AI menurunkan biaya memproduksi bukti produktivitas yang meyakinkan" itu inti seluruh masalahnya, dan saya lihat ini tiap minggu di on-call. Bagian rekayasa yang nyata, yaitu memutuskan untuk tidak me-refactor sistem yang masih jalan, memang tidak pernah dapat AI assist dan tidak pernah muncul di metrik. Yang muncul di dasbor adalah sepuluh PR pecahan dan refactor kosmetik. Lalu jam dua pagi yang membangunkan saya selalu datang dari kode yang grafik aktivitasnya paling sehat.
-
Tim sebelah memecah satu perubahan jadi sepuluh PR "buat grafik aktivitas lebih sehat". Grafiknya sehat. Kontribusinya tepar di bawah meja, 40 senti dari keyboard, seperti meja berdiri saya.
-
Bagian dokumentasi yang dipoles tapi tak pernah dibaca lagi itu yang paling menusuk buat saya, karena dokumentasi memang pekerjaan saya. Dulu sebuah design doc memakukan keputusan ke seseorang, makanya orang menulisnya hati-hati. Sekarang AI memproduksi sepuluh halaman bersih yang tidak memakukan siapa pun ke apa pun, karena tidak ada manusia yang benar-benar berdiri di belakang tiap barisnya. Kita kehilangan justru fungsi dokumen yang berharga: jejak siapa memutuskan apa dan kenapa.
-
Di grup teknologi tempat saya, kami sekarang prompt AI buat nulis design doc, lalu reviewer prompt AI buat meringkas dan meninjaunya. Ya udah. Dua robot ngobrol, dua manusia menempelkan nama. Saya hafal jam restock cold brew di lantai empat tapi tidak tahu fitur terakhir saya benar-benar dipakai orang atau tidak. Kenyang, sedikit dihantui, menunggu bagan organisasi berikutnya sambil grafik PR saya hijau terus.