AI generatif membuat terobosan dalam bidang pengembangan perangkat lunak, mengubah cara para insinyur mengoperasikan, mengulangi, dan mengembangkan kode.
Kami melihat dampak transformasi ini terlihat pada pengelolaan data, pemantauan, dan kemampuan audit. AI mengubah lebih dari sekadar alur kerja, namun juga mengubah jalur karier.
Chief Technology Officer dan Salah Satu Pendiri Chronosphere.
Dari ilusi hingga kode pengujian mandiri, AI belajar dari kesalahannya
Model bahasa besar (LLM) dapat digunakan untuk bertukar pikiran, mengumpulkan informasi, dan menghasilkan kode. Namun, mereka masih melakukan kesalahan dan sering kali mengalami delusi sehingga tidak dapat dipercaya.
Halusinasi melibatkan penyajian informasi palsu sebagai benar atau menciptakan jawaban yang benar secara faktual yang tidak ada hubungannya dengan pertanyaan yang diajukan. Kegagalan seperti ini dapat semakin mempersulit proses bagi pengembang.
Saat ini, pengembang menggunakan asisten pengkodean AI dengan salah satu dari dua cara. Pertama, mereka dapat menyewa agen pengkodean AI untuk membuat bagian kecil dan spesifik dari solusi tersebut.
Alternatifnya, mereka menggunakannya untuk membantu mereka membangun kode mereka sendiri secara lebih efektif dengan mengajukan pertanyaan tentang properti algoritma, memeriksa referensi, semantik bahasa, dan memikirkan desain solusi.
Ketika teknologi ini masih dalam tahap awal, halusinasi yang sering terjadi mengharuskan para insinyur menghabiskan banyak waktu untuk meninjau dan menguji kode.
Ini mengubahnya menjadi pengisap waktu, bukan penghemat waktu. Hal ini berubah dengan cepat: sekarang, agen pengkodean AI membuat dan menjalankan pengujian terhadap kode yang mereka tulis dan memperbaiki kesalahan mereka sendiri. Akibatnya, ilusi tidak lagi menjadi masalah.
Apakah AI memperlambat proses pengembang atau mempercepatnya?
Apakah AI mempercepat atau memperlambat, proses pengkodean bergantung pada keadaan individu; Hal ini sebagian besar disebabkan oleh tingkat pengalaman dan literasi AI pengembang. Faktanya, sebuah penelitian baru-baru ini menemukan bahwa ketika pengembang menggunakan alat AI, mereka membutuhkan waktu 19 persen lebih lama dibandingkan jika tidak menggunakan alat tersebut.
Agen pengkodean memperkenalkan lapisan pertimbangan tambahan bagi pengembang saat menyusun kode. Tantangannya adalah mereka sering kali terjebak dalam siklus upaya memperbaiki kode mereka sendiri. Artinya, mereka memerlukan panduan yang jauh lebih tinggi ketika bekerja dalam basis kode atau konteks yang tidak lazim, yang dapat meningkatkan skala produktivitas.
Semakin terspesialisasi kode dan tugasnya, semakin sulit mendapatkan hasil yang baik tanpa banyak bimbingan atau campur tangan manusia – terutama saat memodifikasi dan mengimplementasikan ulang kode yang sulit ditangani oleh AI.
Ini berarti bahwa jumlah waktu yang terbuang yang dihabiskan ditentukan oleh proyek itu sendiri, serta arahan dari insinyurnya.
Dari tingkat kegagalan tersebut, 60 persen kesalahan disebabkan oleh alat AI, baik masalah kecil maupun besar. Yang terakhir melibatkan kode ‘kereta’, yang mungkin terlihat baik-baik saja pada awalnya, namun setelah dipertimbangkan, pengembang menyadari bahwa hal itu memerlukan banyak perbaikan.
Memasukkan AI ke dalam DevOps
Salah satu kasus penggunaan terbaik untuk agen AI saat ini adalah rekayasa keandalan situs. Dengan menggunakan server Model Context Protocol (MCP) yang terintegrasi dengan alat pengkodean AI, seperti Cursor dan Cloud Code, para insinyur dapat dengan mudah mengintegrasikan AI ke dalam alur kerja DevOps harian mereka.
MCP membuat data telemetri tersedia bagi AI, memungkinkan AI untuk mempertimbangkan data dan menghilangkan kebutuhan input informasi secara manual. Hal ini meningkatkan efisiensi dan mengurangi kemungkinan kebingungan.
Hal ini memungkinkan Site Reliability Engineers (SRE) untuk tetap berada pada kondisi alirannya dalam ‘editor’ atau terminal dan menilai kesehatan Sasaran Tingkat Layanan (SLO) serta menambahkan log, melihat kesalahan layanan dan distribusi latensi.
Menyediakan telemetri bagi AI untuk menghadirkan konteks dan alasan ini telah menciptakan perubahan besar dalam seberapa cepat tugas dapat diselesaikan setiap hari. Peningkatan efisiensi dan kecepatan menghasilkan tim pengembang yang berkinerja tinggi dan bahagia serta dapat fokus pada elemen unik pekerjaan.
Mereka dapat bekerja untuk memecahkan tantangan bisnis dan organisasi alih-alih menjadi penghambat beban kerja. Ini hanyalah awal dari perjalanan. Di masa depan, alur kerja tertentu akan sepenuhnya otonom, diawasi oleh manusia di pusat yang akan mengambil keputusan dan melakukan pemeriksaan.
Nilai AI
Bagi pengembang, nilai utama AI generatif saat ini terletak pada kemampuannya membantu membuat sketsa ide dan bertukar pikiran tentang solusi, memberikan petunjuk langkah demi langkah, dan mengidentifikasi area baru untuk penelitian.
Panduan yang ditawarkan dapat membantu pengembang muda berkembang lebih cepat, terutama ketika mereka tidak mendapat nasihat dari insinyur yang lebih berpengalaman. Meskipun demikian, apakah AI menghemat atau membuang waktu bergantung sepenuhnya pada kompleksitas tugas, tingkat pengalaman insinyur, dan kemampuan mereka untuk menerapkan AI dengan baik.
Seiring berkembangnya alat AI dan para insinyur beradaptasi dengan cara kerja baru, pola pikir seputar coding diperkirakan akan berubah. AI telah mengubah alur kerja, namun tidak akan sepenuhnya menggantikan manusia.
Sebaliknya, hal ini akan mengisi kesenjangan pengetahuan dalam tim pengembang, memberikan ide-ide baru tentang cara menyusun kode, termasuk opsi yang mungkin belum pernah dibahas sebelumnya dalam pelatihan, dan menangani tugas-tugas sepele yang mengganggu para insinyur setiap hari.
Pada akhirnya, AI yang dibantu manusia akan menjadi AI yang paling kuat.
Kami telah memberi peringkat pada platform tanpa kode terbaik.
Artikel ini dibuat sebagai bagian dari saluran Expert Insights TechRadarPro tempat kami menampilkan para pemikir terbaik dan tercemerlang di industri teknologi saat ini. Pandangan yang diungkapkan di sini adalah milik penulis dan belum tentu milik TechRadarPro atau Future plc. Jika Anda tertarik untuk berkontribusi, pelajari lebih lanjut di sini:
