Ketika AI Mengubah Coding Menjadi Leadership

Bagi sebagian besar dari kita yang menghabiskan tahun-tahun terakhir di depan layar hitam terminal, coding adalah bentuk kepastian yang nyaris mistis. Kamu menulis instruksi dalam bahasa yang ketat, komputer mengeksekusi dengan loyalitas sempurna. Jika input yang sama menghasilkan output berbeda, kita tidak perlu filosofis: kita langsung menyebutnya bug, lalu memburu dan memperbaikinya.

Tapi bekerja dengan AI agent hari ini tidak memberikan kemudahan psikologis tersebut. Prompt yang identis bisa menghasilkan solusi elegan pada percobaan pertama, kemudian memberikan jawaban yang salah, over-engineered, atau sama sekali tidak relevan pada percobaan berikutnya. Fenomena ini bukan bug dalam tradisi software engineering. Ini adalah fitur dari sistem probabilistik yang kini menjadi rekan kerja kita sehari-hari.

Ketika Compiler Berubah Menjadi Kolaborator

Allen Bargi, seorang engineer yang menulis refleksi populer di blog pribadinya, mengamati pergeseran ini dengan tajam. Dalam tulisannya, ia menyatakan bahwa bekerja dengan AI terasa lebih mirip leadership daripada coding. Komentar itu viral di kalangan Hacker News bukan karena sensasional, tapi karena resonansi: banyak developer merasakan pergeseran yang sama, namun belum menemukan kata-kata untuk mengungkapkannya.

Leadership, dalam konteks ini, bukan tentang memegang jabatan atau mengelola orang. Ini tentang kemampuan mengartikulasikan intent dengan jelas, memberikan konteks yang cukup, menetapkan batasan, lalu mengevaluasi apa yang datang kembali. Prosesnya iteratif, penuh negosiasi tersirat, dan jauh dari linearitas coding tradisional.

Bayangkan perbedaannya. Dulu, kamu menulis function sortArray(arr) dan tahu persis apa yang akan terjadi. Sekarang, kamu memberikan AI agent sebuah deskripsi dalam bahasa alami: "Buatkan fitur sorting yang bisa handle array besar, minimalis, dan compatible dengan codebase TypeScript kita yang menggunakan immutable pattern." Hasilnya? Mungkin benar, mungkin melewatkan edge case, atau mungkin malah memberikan solusi lebih elegan dari yang kamu bayangkan.

Tidak ada guarantee. Dan ketidakhadiran guarantee inilah yang memaksa kita keluar dari zona nyaman eksekusi deterministik.

Krisis Identitas yang Diam-diam Terjadi

Pergeseran ini membawa pertanyaan eksistensial yang tidak nyaman: jika sebagian besar kode kita kini ditulis oleh AI, apakah kita masih bisa menyebut diri programmer?

Di Indonesia, fenomena ini tampak nyata dalam bootcamp dan kurikulum coding yang mulai menggeser bobot dari algoritma klasik ke prompt engineering. Bukan karena algoritma tidak penting lagi, tapi karena marketplace meminta skill yang berbeda. Perusahaan startup tidak lagi mencari "developer yang bisa membalik binary tree dengan mata tertutup". Mereka mencari "AI orchestrator" yang bisa membangun produk end-to-end dengan bantuan agent.

Tapi ada risiko filosofis di sini. Ketika kita terbiasa mendelegasikan eksekusi, kita berpotensi kehilangan kemampuan untuk menilai kualitas secara mendalam. Seperti yang pernah dibahas dalam tulisan sebelumnya tentang efek shallowing, AI bisa membuat kita merasa kompeten tanpa benar-benar memahami fondasi. Ini bukan kritik teknologis, tapi kritik epistemologis: bagaimana kita tahu bahwa kita tahu?

Di komunitas developer Indonesia, diskusi ini sering terpecah menjadi dua kubu yang ekstrem. Kubu pertama menolak AI sama sekali, menganggap vibe coding sebagai pengkhianatan terhadap craft. Kubu kedua mengambil sikap sebaliknya, menyambut AI dengan antusiasme tanpa pertanyaan. Sedikit yang berani mengambil posisi tengah: menerima AI sebagai alat, tapi sengaja mempertahankan latihan mental manual untuk menjaga kejelasan berpikir.

Skill yang Sebenarnya Sudah Lama Dibutuhkan

Ironisnya, skill yang kini dibutuhkan untuk bekerja dengan AI bukanlah skill baru. Mereka adalah skill senior engineering yang selama ini kurang dihargai dalam industri yang terobsesi pada velocity dan lines of code.

Kemampuan mengekspresikan intent dengan presisi. Pemahaman sistem secara holistik, bukan modular terisolasi. Nalar kritis untuk membedakan solusi yang benar dari solusi yang hanya terlihat benar. Intuisi arsitektural untuk mengetahui kapan suatu pendekatan akan menimbulkan technical debt. Semua ini adalah kualitas leadership dalam engineering yang selama ini harus dipelajari secara implisit selama bertahun-tahun.

AI memaksa akselerasi pada proses pembelajaran tersebut. Developer junior hari ini tidak punya waktu lima tahun untuk perlahan-lahan menyerap intuisi sistem. Mereka harus mengembangkannya dalam hitungan bulan, karena AI akan memberikan solusi instan yang tampak oke pada awalnya, tapi bisa meledak di production.

Paradoksnya, AI membuat entry barrier untuk menulis kode menjadi lebih rendah, tapi secara bersamaan menaikkan threshold untuk menjadi engineer yang benar-benar kompeten. Siapa pun bisa menghasilkan CRUD app dalam lima menit sekarang. Tapi tidak semua orang bisa menjelaskan mengapa arsitektur tersebut akan gagal skalasi, atau mengidentifikasi race condition yang tersembunyi di balik facade yang rapi.

Menuju Orkestrator, Bukan Penulis

Perubahan ini mungkin tidak reversible. Agentic workflow akan semakin mendominasi, dan tugas manual akan semakin langka. Tapi bukan berarti peran developer menjadi tidak relevan. Justru sebaliknya: peran kita menjadi lebih strategis, lebih kritis, dan lebih manusiawi.

Kita tidak lagi sekadar penulis kode. Kita menjadi orkestrator intent: pihak yang memahami masalah bisnis, menerjemahkannya ke dalam arahan teknis, memverifikasi output, dan memastikan bahwa sistem tetap koheren dalam jangka panjang. Pekerjaan ini membutuhkan empati terhadap pengguna, pemahaman domain, dan kemampuan berpikir kritis yang tidak bisa digantikan oleh model bahasa apapun.

Seperti yang ditulis Bargi, investasi sebenarnya bukan pada prompt engineering yang fana, tapi pada kemampuan menjadi lebih baik dalam mengekspresikan intent. Kita menghabiskan tahun belajar cara memberi perintah eksplisit pada mesin. Sekarang kita juga perlu belajar cara menjelaskan mengapa pekerjaan itu penting, bagaimana hasil yang baik terlihat, dan di mana judgment manusia masih dibutuhkan.

Pertanyaan yang Belum Terjawab

Transisi ini tidak akan mulus. Ada developer yang akan merasa kehilangan, ada yang akan eksplorasi dengan antusias, dan ada yang akan menolak sama sekali. Tapi satu hal pasti: definisi "good developer" sedang ditulis ulang secara real-time.

Jika coding dulu adalah kegiatan soliter yang menghasilkan artefak konkret berupa baris kode, maka coding masa depan adalah kegiatan kolaboratif yang menghasilkan arsitektur intent. Artefaknya bukan lagi syntax, melainkan keputusan. Kita tidak lagi dihargai dari seberapa banyak baris yang kita tulis, tapi dari seberapa baik kita bisa mengarahkan kecerdasan buatan untuk memecahkan masalah yang sebenarnya.

Dalam dunia di mana AI menulis kode lebih cepat dan lebih banyak daripada manusia, pertanyaan terbuka untuk kita semua adalah: apakah kita siap untuk mendefinisikan ulang nilai kita tidak dari apa yang kita tulis, tapi dari apa yang kita pilih untuk tidak ditulis oleh mesin?