Mengapa AI Tidak Akan Ganti Software Engineer: Filosofi Sandwich

Setiap kali ada perusahaan teknologi besar yang mengumumkan PHK massal dan menyebut AI sebagai pemicunya, jantung banyak developer berdetak lebih kencang. Tapi sebelum kita panik dan beralih profesi jadi tukang bakso, mari kita lihat data yang sebenarnya. Ada satu narasi yang mulai menyebar di kalangan engineer: kita tidak sedang kehilangan pekerjaan karena AI. Kita sedang kehilangan narasi yang tepat tentang apa yang AI benar-benar mampu lakukan.

Sebuah esai dari Arvind Narayanan dan Sayash Kapoor di AI as Normal Technology menawarkan kerangka berpikir yang sangat menarik. Mereka menggambarkan pekerjaan software engineer sebagai sebuah sandwich tiga lapis: Decide (memutuskan apa yang harus dibangun), Execute (menulis kode), dan Deliver (verifikasi, integrasi, maintenance). AI saat ini, dengan segala kecanggihannya, baru saja berhasil mengompresi lapis tengah. Lapis atas dan bawah? Masih tebal dan sulit digerus.

AI Washing: Ketika PHK Dijual dengan Label Canggih

Data dari laporan Business Insider dan survei ResumeTemplates.com menunjukkan fenomena yang mereka sebut AI washing: 59% hiring manager di Amerika mengakui mereka menekankan kata AI saat menjelaskan PHK atau hiring freeze karena alasan itu lebih mudah diterima stakeholder daripada mengatakan kita kehabisan uang.

Contoh paling kentara adalah Block Inc. yang PHK 4.000 karyawan di awal 2026 dengan alasan AI. Tapi laporan Bloomberg selanjutnya menunjukkan bahwa perusahaan itu sebenarnya sedang dalam tekanan finansial besar setelah ekspansi berlebihan selama pandemi. Seorang data scientist di Cash App, Naoko Takeda, bahkan mengatakan perusahaan memaksa AI ke tenggorokan semua orang tapi hasilnya sangat terbatas. CEO Jack Dorsey mungkin memang percaya pada narasi AI, tapi kenyataan di lapangan jauh lebih kompleks.

Lebih menarik lagi, New York menjadi negara bagian pertama yang menambahkan kolom ceklis AI di laporan WARN Act (regulasi PHK massal). Dalam setahun penuh, lebih dari 160 perusahaan mengajukan laporan PHK, tapi tidak satu pun yang mencentang kotak AI. Hanya Nespresso yang akhirnya mencentangnya. Dari sekitar 25.000 karyawan yang di-PHK, kurang dari 0,2% benar-benar terkait AI. Itu bukan revolusi. Itu angka statistik yang bisa diabaikan.

Mengapa Menulis Kode Bukanlah Bottleneck

Salah satu kesalahpahaman paling fundamental di kalangan non-engineer adalah mengira bahwa menulis kode adalah inti dari pekerjaan software engineer. Padahal sebuah studi Microsoft dari 2019 menemukan bahwa developer menghabiskan waktu untuk coding hanya 9% sampai 61% dari waktu kerja mereka, tergantung pada studi yang diacu. Sebagian besar waktu habis untuk meeting, debugging, memahami sistem, dan berdiskusi dengan stakeholder.

AI coding agents memang bisa membuat lapis Execute jadi lebih tipis. Narayanan dan Kapoor menunjukkan bahwa pada data 100.000 developer di GitHub, penggunaan AI agent meningkatkan jumlah baris kode yang ditulis hingga delapan kali lipat. Tapi jumlah release yang berhasil? Naik hanya 30%. Artinya: kita bisa menulis kode lebih banyak dan lebih cepat, tapi bottleneck bukan di situ. Bottleneck ada di keputusan bisnis, testing, verifikasi, dan integrasi.

Simon Willison, developer dan penulis terkenal, bahkan mengaku lelah secara mental sebelum jam 11 pagi karena harus mengawasi coding agent. Bukan karena coding agent-nya buruk, tapi karena mengawasi sesuatu yang menghasilkan ribuan baris kode per jam adalah pekerjaan kognitif yang sangat melelahkan. Ini kontradiksi yang lucu: AI dibuat untuk meringankan beban manusia, tapi seringkali malah menambah beban kognitif baru.

Paradoks Jevons di Dunia Software

Ada konsep ekonomi yang disebut Jevons Paradox: ketika sesuatu menjadi lebih murah untuk diproduksi, permintaan akan naik, bukan turun. Software adalah barang yang sangat price elastic. Ketika software menjadi lebih murah untuk dibuat, orang akan meminta lebih banyak software, bukan lebih sedikit.

Sebuah studi dari Federal Reserve menunjukkan bahwa lapangan software engineering masih tumbuh, meskipun sedikit lebih lambat pasca-ChatGPT. Lebih menarik lagi, AI ternyata juga mempermudah entrepreneurship. Banyak developer yang sebelumnya bekerja sebagai karyawan, kini membangun produk sendiri. Data dari lapangan kerja yang tercatat mungkin tidak menangkap pergeseran ke arah self-employment ini.

Fred Brooks, dalam esai klasiknya No Silver Bullet 40 tahun lalu, sudah membedakan antara essential complexity dan accidental complexity di software. Dia berargumen bahwa sebagian kompleksitas software adalah esensial: menentukan perilaku yang benar dari software itu sendiri adalah pekerjaan yang sulit. Teknologi apapun, termasuk AI, hanya bisa mengurangi kompleksitas aksidental. Lapisan Decide dan Deliver akan tetap tebal karena mereka menyangkut keputusan manusia, akuntabilitas, dan kebutuhan pasar yang terus berubah.

Agentic Engineering vs Vibe Coding

Narayanan dan Kapoor membuat distingsi penting antara dua spektrum penggunaan AI: vibe coding dan agentic engineering. Vibe coding adalah ketika user hanya memberi instruksi, tidak mengawasi, tidak review, dan tidak punya skill untuk memahami output. Agentic engineering adalah ketika engineer menggunakan AI sebagai tool, tapi tetap bertanggung jawab atas hasilnya.

Studi SWE-chat menemukan bahwa hanya 44% kode yang diproduksi agent yang benar-benar masuk ke commit user. Vibe-coded commits memperkenalkan kerentanan dengan rate 9 kali lebih tinggi dari kode manusia. Dan intent paling umum dari developer bukanlah membuat kode baru, tapi memahami kode yang sudah ada. Ini menunjukkan bahwa peran software engineer di masa depan bukan menjadi penulis kode, melainkan menjadi operator crane kognitif: orang yang mengawasi dan mengendalikan agent AI yang melakukan heavy lifting.

Apakah Masa Depan Kita Aman?

Data menunjukkan bahwa demand untuk software engineer secara agregat tetap sehat, bahkan mungkin meningkat. Tapi ini bukan jaminan bahwa setiap individu engineer akan baik-baik saja. AI akan menciptakan pergeseran struktural besar: yang senior dengan skill decision-making yang kuat akan semakin berharga, sementara yang bergantung pada skill coding semata mungkin akan merasa tekanan.

Yang jelas, narasi bahwa AI akan segera menggantikan semua programmer adalah mitos yang berbahaya. Ia tidak hanya salah secara faktual, tapi juga merusak mental health komunitas developer. Kita perlu berhenti mempercayai headline sensasional dan mulai memahami bahwa teknologi, sejak awal, selalu mengubah pekerjaan: bukan menghilangkannya, tapi memindahkan titik nilai ke lapisan yang lebih tinggi.

Sebagai software engineer, bukankah sejak awal kita sudah terbiasa dengan perubahan? Bahasa baru, framework baru, paradigm baru. AI hanyalah satu transisi lagi. Yang membedakan adalah kali ini, transisinya bukan soal sintaks, tapi soal definisi ulang dari apa artinya menjadi engineer. Kita tidak akan dihapus. Kita akan berubah. Pertanyaannya: apakah kita siap memegang kendali, atau kita akan membiarkan diri kita menjadi korban dari narasi yang salah?