Apakah AI Membuat Programming Lebih Buruk?

Apakah Anda merasa lebih bahagia sebagai developer hari ini dibandingkan tiga tahun lalu? Sebelum menjawab, coba ingat kembali sensasi menyelesaikan bug yang menghantui selama seminggu, atau momen ketika refactor berhasil dan codebase terasa seperti napas segar. Sekarang, bandingkan dengan hari-hari ini: prompt, copy-paste, debug hasil AI, ulangi.

Diskusi di Hacker News baru-baru ini menarik perhatian ribuan engineer. Seorang developer veteran dengan 20 tahun pengalaman membuat pernyataan provokatif: AI membuat hidupnya lebih buruk, bukan lebih baik. Skor akhir menurut dia? Minus tiga. Bukan karena AI tidak bekerja, justru karena AI bekerja terlalu baik.

Ketika Efisiensi Menjadi Belenggu

Kita diajarkan bahwa produktivitas adalah kebaikan mutlak. Tapi apa yang terjadi ketika produktivitas kita naik 300% sementara waktu yang tersisa untuk berpikir justru menyusut 80%?

Perusahaan tidak akan mengatakan, "Hebat, kamu selesai lebih cepat. Sekarang pulang dan main dengan anakmu." Mereka berkata, "Bagus, sekarang kerjakan tiga fitur lagi." Developer yang dulu menulis kode dengan penuh perhatian kini menjadi supervisor AI: meninjau hasil generate, memperbaiki halusinasi, dan mengelola technical debt yang dibuat mesin.

Seperti yang ditulis oleh Marco Benedetti setelah 40 jam vibe coding, AI memang membuat keputusan arsitektur yang brilian dalam 30 detik. Tapi AI juga membingungkan kiri dengan kanan dalam struktur data sederhana. Ketidakpastian tidak hilang; ia hanya berpindah dari kepala kita ke dalam percakapan dengan mesin.

Kematian Programming yang Utilitarian

Sebuah tulisan lain di HN mengusulkan konsep "utilitarian coding". Definisinya sederhana: kode yang Anda tulis harus secara langsung berguna untuk setidaknya satu manusia nyata. Di era desktop programming, kita membangun aplikasi WinForms dengan textbox dan dropdown yang spesifik untuk domain bisnis klien. Kita belajar tentang industri perbankan, logistik, atau kesehatan sambil menulis kode.

Hari ini, banyak developer hidup di lapisan abstraksi yang tak berujung: framework, library, package manager, build tool, DevOps pipeline. Semakin jauh kita dari end user, semakin dekat kita dengan identitas teknis yang kosong: "Python coder," "AI developer," "frontend specialist." Kita kehilahan domain expertise dan menggantinya dengan keahlian tooling yang kadaluarsa dalam dua tahun.

Kualitas Kode yang Terlupakan

Salah satu pengakuan paling jujur dari diskusi HN adalah ini: AI menulis kode yang buruk. Bukan karena sintaksnya salah, tapi karena ia tidak memahami konteks. Setelah beberapa iterasi vibe coding, codebase menjadi hampir tidak terbaca. Technical debt tidak lagi dibuat manusia yang lelah; ia diproduksi massal oleh mesin yang tidak pernah tidur.

Kita semua tahu rasanya membaca kode lama sendiri dan berpikir, "Siapa orang idiot yang menulis ini?" Sekarang, bayangkan membaca kode yang bahkan tidak pernah melalui proses berpikir manusia. Tidak ada niat, tidak ada trade-off yang disadari, tidak ada kompromi yang sengaja diambil. Hanya barisan token yang dioptimalkan untuk probabilitas.

Tetapi...

Sebelum kita sepenuhnya menjadi luddite digital, perlu diakui bahwa AI juga memberikan hadiah yang nyata. Claude dan GPT-4 telah membantu ribuan developer memahami konsep kompleks dalam filsafat, matematika, atau arsitektur sistem yang sebelumnya membutuhkan mentor. AI adalah research partner yang sabar, tidak pernah merasa terganggu, dan selalu tersedia jam 3 pagi.

Profesor dengan pengalaman 40 tahun coding itu sendiri menyimpulkan: ini bukan kematian programming. Ini adalah pergeseran dalam bagaimana kita menangani ketidakpastian dan ambiguitas. Dulu, fuzziness ada di kepala kita dan kita menerjemahkannya ke dalam kode yang deterministik. Sekarang, fuzziness berada di dalam percakapan itu sendiri antara manusia dan mesin.

Jadi, Siapa yang Salah?

Mungkin tidak ada yang salah. Mungkin kita sedang melewati fase transisi yang menyakitkan, seperti ketika assembly digantikan oleh bahasa tingkat tinggi, atau ketika waterfall digantikan oleh agile. Setiap revolusi teknis membawa kehilangan bersama dengan kemajuan.

Yang memprihatinkan bukan AI-nya, tapi bagaimana kita sebagai industri memilih untuk menggunakannya. Jika AI menjadi alat untuk mengganti pemikiran, kita kehilangan sesuatu yang berharga. Jika AI menjadi alat untuk memperdalam pemikiran, kita mungkin menemukan level kreativitas yang belum pernah ada sebelumnya.

Pertanyaannya bukan apakah AI akan menggantikan developer. Pertanyaannya adalah: apakah kita masih ingin menjadi developer yang berpikir, atau cukup jadi operator AI yang lelah?