Beberapa tahun terakhir, kalimat seperti ini sering lewat di timeline:
“Programming bukan bottleneck lagi.”
“AI sebentar lagi bisa ganti programmer.”
“Yang penting ide dan logika, bukan kemampuan teknis.”
Buat sebagian orang, ini terdengar melegakan.
Ada harapan bahwa semua hal teknis yang kelihatan ribet itu sebentar lagi akan “diurus” AI. Tinggal mikir konsep, sisanya mesin yang kerjakan.
Tapi kalau lo hidup sehari-hari sebagai software engineer, rasanya agak beda.
Lo tahu AI itu kuat dan makin canggih, tapi lo juga lihat langsung betapa berantakannya software kalau dibangun hanya dari demo dan hype.
Artikel ini gue tulis buat ngajak lo lihat realitanya dari dekat:
AI hari ini belum benar-benar menggantikan programmer.
Yang baru keguncang posisinya adalah orang yang kerjanya hanya “ngetik kode”, belum sampai level engineer.
Hype vs Realita: Cerita Panggung dan Cerita Backend
Narasi yang enak dijual
Perusahaan AI butuh narasi besar untuk menarik perhatian:
- “Siapa pun bisa bikin aplikasi hanya dengan prompt.”
- “Nggak perlu belajar coding, AI yang urus.”
- “Programming sebentar lagi jadi masa lalu.”
Kalimat seperti ini gampang viral karena:
- ngasih harapan shortcut,
- menghapus rasa bersalah karena belum belajar hal teknis,
- dan bikin orang merasa sedang hidup di masa depan.
Masalahnya, narasi itu biasanya lahir dari demo yang sangat terkontrol.
Di balik demo yang kelihatan mulus
Kalau demo AI dilihat dari sudut pandang engineer, banyak hal yang kebaca:
- Kode yang dihasilkan sering:
- belum mikir edge case,
- belum paham constraint nyata (latency, cost, resource),
- belum tersentuh soal security dan operasional jangka panjang.
- “Aplikasi jadi” di demo sering:
- hanya jalan untuk satu skenario manis,
- tanpa logging yang proper,
- tanpa monitoring,
- tanpa strategi upgrade.
Demo itu kayak foto panggung: cahaya bagus, angle diatur, semua tampak mulus.
Engineering itu kayak kehidupan sehari-hari: ada listrik mati, kabel kusut, dan masalah kecil yang harus dibenerin satu per satu.
AI sangat jago bantu foto panggung.
Tapi menjalankan kehidupan sehari-hari software? Itu cerita lain.
Coding Project vs Software yang Harus Bertahan Lama
Coding project: bukti konsep yang cepat
Coding project itu semacam:
- prototipe kecil,
- eksperimen ide,
- script yang gak wajib hidup lebih dari beberapa hari atau beberapa minggu.
Biasanya tujuannya cuma:
- “bisa jalan sekali”,
- “cukup buat demo ke orang lain”,
- atau “cukup buat bantu kerjaan pribadi”.
Di wilayah ini, AI memang bersinar:
- Membantu generate CRUD cepat.
- Nyambungin API untuk bikin MVP.
- Bikin tampilan basic yang “cukup oke” buat ditunjukkan.
Kalau targetnya hanya:
“Gue pengen bukti bahwa konsep ini mungkin.”
AI benar-benar terasa seperti cheat code.
Software beneran: sesuatu yang harus lo tanggung
Kontrasnya, software yang beneran hidup di dunia nyata itu beda total:
- Dia dipakai banyak user yang unpredictable.
- Dia harus terus dijaga seiring waktu.
- Dia harus survive perubahan requirement, regulasi, dan skala.
Software seperti ini menuntut:
- desain data yang bisa berubah tanpa ngehancurin semuanya,
- strategi deployment dan rollback yang jelas,
- logging dan monitoring buat tahu apa yang terjadi ketika ada error,
- pendekatan keamanan yang gak cuma “semoga aman”.
Di titik ini, pertanyaannya bukan lagi:
“Bisa generate kode atau nggak?”
Tapi:
“Kalau ini tinggal di production selama 3–5 tahun,
masih bisa di-maintain dan dioperasikan dengan waras atau nggak?”
AI bisa bantu bikin coding project.
Tapi menjadikannya software yang layak hidup lama tetap butuh engineer.
Ngoding Itu Lebih Banyak Soal Berpikir, Bukan Mengetik
Sebelum satu baris kode ditulis
Ada miskonsepsi halus yang sering muncul:
“Kalau AI bisa ngetik kode, berarti AI bisa ngoding.”
Padahal sebelum satu baris kode pun muncul di editor, engineer harus menjawab banyak hal:
- Masalah apa yang sebenarnya ingin diselesaikan?
- Siapa user-nya, dan apa yang mereka beneran butuh?
- Apa batasan resource: waktu, budget, tim, infrastruktur?
- Sistem ini bakal ngobrol dengan sistem apa saja?
- Konsekuensi bisnis dan teknis kalau sistem ini gagal itu apa?
Ini semua terjadi sebelum ada function pertama.
Saat kode mulai ditulis
Begitu masuk ke tahap implementasi, problemnya nggak kalah rumit:
- Struktur folder dan modul mau dipisah bagaimana?
- Kontrak antara komponen mau segimana ketat?
- Gimana pola error handling? Semua lempar exception? Semua return code? Campur aduk?
- Logging mau seberapa verbose? Data sensitif boleh gak masuk log?
AI bisa menyarankan potongan kode.
AI bisa menawarkan beberapa variasi implementasi.
Tapi AI:
- gak tahu kultur engineering di tim lo,
- gak paham penuh constraint non-teknis,
- dan gak punya rasa tanggung jawab terhadap apa yang terjadi kalau desainnya salah.
Kalau ngoding dianggap cuma urusan “menerjemahkan prompt menjadi kode”,
maka ya, AI terlihat menakutkan.
Kalau ngoding dilihat sebagai proses panjang pengambilan keputusan,
AI lebih masuk akal sebagai asisten, bukan pengganti.
Kenapa Vendor AI Masih Mati-matian Nyari Engineer
Cek bukan dari tweet, tapi dari career page
Kalau mau lihat kenyataan, jangan lihat cuma dari thread promosi.
Lihat dari lowongan kerja yang mereka buka.
Ketika perusahaan seperti Anthropic, OpenAI, Google, Meta buka karier, mereka tidak menulis:
“Dicari: orang yang punya banyak ide dan jago nge-prompt.”
Yang mereka cari adalah orang-orang yang bisa memikirkan dan menjalankan sistem skala besar,
orang yang paham infrastruktur dan reliability, dan orang yang mengerti risiko keamanan serta konsekuensi desain.
Job posting mereka penuh dengan istilah seperti:
- sistem terdistribusi,
- high availability,
- security dan compliance,
- observability dan operations.
Ini tanda penting:
- Di level marketing, mereka boleh bilang “AI bisa ngurus coding”.
- Di level operasional, mereka tetap sadar bahwa skill teknis tidak bisa di-skip.
Narasi luar dan kenyataan dalam
Dari luar, kesannya:
“Tenang, AI akan bikin coding jadi masa lalu.”
Di dalam, realitanya:
- mereka masih bangun tim engineering besar,
- mereka masih butuh orang yang beneran ngerti sistem,
- mereka masih tahu betapa mahalnya kesalahan arsitektur di production.
Kalau perusahaan AI saja tidak berani hidup tanpa engineer,
kenapa kita yang di luar bubble mereka justru buru-buru menyimpulkan bahwa programmer “sudah tidak dibutuhkan”?
Konteks Indonesia: Kita Bahkan Belum Sampai di Titik Kebanyakan Engineer
Fakta yang kurang enak didengar
Kalau kita bawa pembahasan ini ke Indonesia, problemnya justru kebalik:
- Talenta teknis yang dalam jumlah besar dan kualitas tinggi itu belum banyak.
- Kita sering disebut potensial, tapi belum terbukti di level ekosistem teknologi yang kompleks.
Contoh yang sering dibicarakan:
- Perusahaan hardware besar mempertimbangkan investasi, tapi mundur karena belum melihat kesiapan talent dan infrastruktur.
- Negara tetangga sudah punya pabrik dan ekosistem hardware yang matang, sementara kita masih kuat di konsumsi, lemah di produksi.
Artinya:
- Dunia justru sedang butuh lebih banyak orang yang mengerti sistem dan teknologi secara serius.
- Tapi di sisi lain, di ruang publik kita sibuk debat “AI ganti programmer atau enggak”, seolah masalah utama kita adalah kelebihan engineer.
Risiko salah baca zaman
Kalau di momen seperti ini kita memilih percaya bahwa:
“Udah, AI yang urus teknis. Kita fokus di ide aja.”
kita berpotensi:
- mengabaikan kesempatan mengembangkan skill teknis yang lagi sangat bernilai,
- mengunci diri di sisi yang paling mudah tergantikan: sisi yang banyak omong, minim realisasi.
Di era AI, dunia tidak tiba-tiba berhenti butuh engineer.
Yang terjadi justru sebaliknya:
dunia semakin butuh engineer yang ngerti cara memanfaatkan AI.
AI Membantu Orang Punya Ide, Tapi Tidak Menghapus Tanggung Jawab
Power tool buat eksplorasi
Gue 100% setuju bahwa AI:
- membuka pintu buat orang yang punya ide kreatif tapi gak nyaman sama sintaks,
- bikin prototyping lebih murah,
- bikin eksperimen lebih ringan.
Ini hal positif.
Lo bisa:
- coba bentuk product idea dalam satu malam,
- bikin internal tool kecil untuk tim lo,
- bantu orang non-teknis mengautomasi kerjaan mereka.
Pertanyaan penting: kode ini dipakai di mana?
Tapi begitu sebuah aplikasi:
- nyimpan data user lain,
- menangani pembayaran,
- jadi bagian dari alur kerja serius,
pertanyaannya mendadak berubah:
- Siapa yang bertanggung jawab kalau data bocor?
- Siapa yang ngerti struktur sistem ketika ada bug yang hanya muncul di jam 3 pagi?
- Siapa yang bisa merencanakan upgrade ketika dependensi berubah?
AI tidak muncul di pengadilan kalau ada masalah legal.
AI tidak duduk di post-mortem meeting untuk menjelaskan kenapa sistem down.
Itu semua jatuhnya kembali ke manusia yang memutuskan:
- sistem ini layak go live,
- dan sistem ini “cukup aman” untuk dipakai user.
AI membantu orang dengan ide mengeksekusi.
Engineer membantu memastikan eksekusinya layak dipercaya.
Jadi, Siapa yang Sebenarnya Sedang “Diganti” AI?
Role sempit yang mudah diotomasi
Kalau kita jujur, AI memang sedang mengguncang beberapa jenis pekerjaan:
- orang yang pekerjaannya hampir sepenuhnya menyalin pola,
- yang setiap hari hanya memindah kode dari satu tempat ke tempat lain,
- yang kontribusinya terbatas di “mengetik ulang apa yang sudah jelas.”
Di titik ini, AI memang terlihat seperti ancaman:
- Ia bisa ngetik lebih cepat.
- Ia hafal pattern lebih banyak.
- Ia tidak bosan disuruh ngerjain hal repetitif.
Role engineer yang justru menguat
Sebaliknya, role yang fokus ke:
- memahami sistem,
- memahami domain bisnis,
- membuat keputusan desain,
- menjaga kualitas dan keberlanjutan software,
justru mendapatkan leverage baru:
- banyak pekerjaan detail bisa dilempar ke AI,
- brainpower bisa difokuskan ke hal-hal yang benar-benar butuh judgment manusia.
AI bukan sedang menghapus kebutuhan akan engineer.
AI sedang menekan orang yang hanya berhenti di tahap “ngetik kode” tanpa benar-benar memahami apa yang ia bangun.
Penutup: AI Belum Ganti Programmer, Tapi Lagi Menguji Seberapa Engineer Kita
Kalimat “AI akan menggantikan programmer” terdengar dramatis,
tapi terlalu kasar untuk menggambarkan yang sebenarnya terjadi.
Yang lebih akurat mungkin:
“AI sedang menghapus ruang nyaman untuk mereka yang berhenti di ‘bisa nulis kode’,
dan memaksa kita naik kelas menjadi engineer yang beneran.”
Selama lo:
- makin paham sistem dari ujung ke ujung,
- makin dekat dengan problem dan user,
- makin kuat di desain dan pengambilan keputusan teknis,
lo bukan orang yang diganti AI.
Lo adalah orang yang AI-nya justru bikin makin berbahaya—in a good way.