Artikel ini adalah bagian dari edisi khusus VentureBeat, “AI dalam Skala Besar: Dari Visi hingga Viabilitas.” Baca lebih lanjut dari edisi khusus ini di sini.
Artikel ini adalah bagian dari edisi khusus VentureBeat, “AI dalam Skala Besar: Dari Visi hingga Viabilitas.” Baca lebih lanjut dari masalah ini di sini.
Tiga tahun lalu, pengembangan kode yang didukung AI sebagian besar hanyalah GitHub Copilot.
Alat pengembang bertenaga AI dari GitHub membuat pengembang kagum dengan kemampuannya membantu penyelesaian kode dan bahkan menghasilkan kode baru. Kini, di awal tahun 2025, selusin atau lebih alat dan layanan pengkodean AI generatif tersedia dari vendor besar dan kecil. Alat pengkodean yang didukung AI kini menyediakan fitur pembuatan dan penyelesaian kode yang canggih, serta mendukung berbagai bahasa pemrograman dan pola penerapan.
Alat pengembangan perangkat lunak kelas baru memiliki potensi untuk sepenuhnya merevolusi cara aplikasi dibangun dan dikirimkan — atau begitulah yang diklaim oleh banyak vendor. Beberapa pengamat khawatir bahwa alat-alat baru ini akan mengakhiri kehidupan para pembuat kode profesional seperti yang kita ketahui.
Apa kenyataannya? Bagaimana alat-alat tersebut memberikan dampak saat ini? Di mana kekurangannya dan ke mana arah pasar pada tahun 2025?
“Setahun terakhir ini, alat AI menjadi semakin penting untuk produktivitas pengembang,” Mario Rodriguez, chief product officer di GitHub, mengatakan kepada VentureBeat.
Janji efisiensi perusahaan dari pengembangan kode yang didukung gen AI
Jadi, apa yang bisa dilakukan alat pengembangan kode yang didukung AI sekarang?
Rodriguez mengatakan bahwa alat seperti GitHub Copilot sudah dapat menghasilkan 30-50% kode dalam alur kerja tertentu. Alat ini juga dapat membantu mengotomatiskan tugas yang berulang dan membantu proses debug dan pembelajaran. Mereka bahkan dapat berfungsi sebagai mitra pemikiran untuk membantu pengembang beralih dari ide ke aplikasi dalam hitungan menit.
“Kami juga melihat bahwa alat AI tidak hanya membantu pengembang menulis kode lebih cepat, namun juga menulis kode dengan kualitas lebih baik,” kata Rodriguez. “Dalam studi pengembang terkontrol terbaru kami, kami menemukan bahwa kode yang ditulis dengan Copilot tidak hanya lebih mudah dibaca tetapi juga lebih fungsional — kemungkinannya 56% lebih besar untuk lulus pengujian unit.”
Meskipun GitHub Copilot adalah pionir awal dalam bidang ini, pendatang baru lainnya juga merasakan keuntungan serupa. Salah satu vendor terpanas di bidangnya adalah Replit, yang telah mengembangkan pendekatan agen AI untuk mempercepat pengembangan perangkat lunak. Menurut Amjad Masad, CEO Replit, alat pengkodean yang didukung AI dapat membuat pengkodean antara 10-40% lebih cepat bagi para insinyur profesional.
“Penerima manfaat terbesar adalah para insinyur front-end, di mana ada begitu banyak pekerjaan yang bersifat boilerplate dan pengulangan,” kata Masad kepada VentureBeat. “Di sisi lain, menurut saya dampaknya lebih kecil terhadap insinyur perangkat lunak tingkat rendah karena Anda harus berhati-hati dengan manajemen memori dan keamanan.”
Hal yang lebih menarik bagi Masad bukanlah dampak pengkodean gen AI terhadap pengembang yang sudah ada, melainkan dampaknya terhadap pengembang lain.
“Hal yang paling menarik, setidaknya dari sudut pandang Replit, adalah dapat menjadikan non-insinyur menjadi insinyur junior,” kata Masad. “Tiba-tiba, siapa pun bisa membuat perangkat lunak dengan kode. Ini bisa mengubah dunia.”
Tentu saja alat pengkodean yang didukung AI memiliki potensi untuk mendemokratisasi pengembangan dan meningkatkan efisiensi pengembang profesional.
Meskipun demikian, ini bukanlah obat mujarab dan memiliki beberapa keterbatasan, setidaknya untuk saat ini.
“Untuk proyek sederhana dan terisolasi, AI telah mencapai kemajuan luar biasa,” Itamar Friedman, salah satu pendiri dan CEO Qodo, mengatakan kepada VentureBeat.
Qodo (sebelumnya Codium AI) sedang membangun serangkaian alat pengembangan aplikasi perusahaan yang digerakkan oleh agen AI. Friedman mengatakan bahwa dengan menggunakan alat AI otomatis, siapa pun kini dapat membuat situs web dasar dengan lebih cepat dan lebih personalisasi dibandingkan pembuat situs web tradisional.
“Namun, untuk perangkat lunak perusahaan kompleks yang mendukung perusahaan-perusahaan Fortune 5000, AI belum mampu melakukan otomatisasi menyeluruh secara menyeluruh,” kata Friedman. “Ia unggul dalam tugas-tugas tertentu, seperti menjawab pertanyaan pada kode yang kompleks, penyelesaian baris, pembuatan pengujian, dan peninjauan kode.”
Friedman berpendapat bahwa tantangan utamanya terletak pada kompleksitas perangkat lunak perusahaan. Dalam pandangannya, kemampuan model bahasa besar (LLM) saja tidak dapat menangani kompleksitas ini.
“Menggunakan AI untuk menghasilkan lebih banyak baris kode sebenarnya dapat memperburuk kualitas kode – yang sudah menjadi masalah signifikan di lingkungan perusahaan,” kata Friedman. “Jadi alasan kami belum melihat adopsi yang besar adalah karena masih banyak kemajuan dalam teknologi, teknik, dan pembelajaran mesin yang perlu dicapai agar solusi AI dapat sepenuhnya memahami perangkat lunak perusahaan yang rumit.”
Friedman mengatakan bahwa Qodo mengatasi masalah tersebut dengan berfokus pada pemahaman kode yang kompleks, mengindeksnya, mengkategorikannya, dan memahami praktik terbaik organisasi untuk menghasilkan pengujian dan tinjauan kode yang bermakna.
Hambatan lain terhadap adopsi dan penerapan yang lebih luas adalah kode lama. Brandon Jung, VP ekosistem di vendor pengembangan gen AI Tabnine, mengatakan kepada VentureBeat bahwa dia melihat kurangnya kualitas data menghalangi adopsi alat pengkodean AI secara lebih luas.
“Bagi perusahaan, banyak yang mempunyai basis kode yang besar dan lama dan kode tersebut tidak dipahami dengan baik,” kata Jung. “Data selalu penting dalam pembelajaran mesin dan hal ini tidak berbeda dengan gen AI untuk kode.”
Menuju pengembangan kode berbasis AI yang sepenuhnya agen pada tahun 2025
Tidak ada satu pun LLM yang dapat menangani semua yang diperlukan untuk pengembangan perangkat lunak perusahaan modern. Itu sebabnya vendor terkemuka telah menerapkan pendekatan AI agen.
Friedman dari Qodo memperkirakan bahwa pada tahun 2025, fitur-fitur yang tampak revolusioner pada tahun 2022 — seperti pelengkapan otomatis dan fungsi obrolan kode sederhana — akan menjadi komoditas.
“Evolusi sebenarnya akan mengarah pada alur kerja agen yang terspesialisasi – bukan hanya satu agen universal, namun banyak agen terspesialisasi yang masing-masing unggul dalam tugas tertentu,” kata Friedman. “Pada tahun 2025 kita akan melihat banyak dari agen khusus ini dikembangkan dan diterapkan hingga pada akhirnya, ketika jumlahnya mencukupi, kita akan melihat titik perubahan berikutnya, di mana agen dapat berkolaborasi untuk menciptakan perangkat lunak yang kompleks.”
Ini adalah arah yang juga dilihat oleh Rodriguez dari GitHub. Ia berharap sepanjang tahun 2025, alat AI akan terus berkembang untuk membantu pengembang di seluruh siklus hidup perangkat lunak. Itu lebih dari sekedar menulis kode; itu juga membangun, menerapkan, menguji, memelihara dan bahkan memperbaiki perangkat lunak. Manusia tidak akan tergantikan dalam proses ini, mereka akan ditambah dengan AI yang akan membuat segalanya lebih cepat dan efisien.
“Hal ini akan dicapai dengan penggunaan agen AI, di mana pengembang memiliki agen yang membantu mereka dengan tugas-tugas tertentu melalui setiap langkah proses pengembangan – dan yang terpenting, umpan balik berulang yang membuat pengembang tetap memegang kendali setiap saat,” Rodriguez dikatakan.
Di dunia di mana pengkodean generasi AI akan menjadi semakin umum pada tahun 2025 dan seterusnya, setidaknya ada satu pembeda yang akan menjadi kunci bagi perusahaan. Dalam pandangan Rodriguez, itulah integrasi platform.
“Agar benar-benar berhasil dalam skala besar, peralatan AI harus berintegrasi secara mulus ke dalam alur kerja yang ada,” kata Rodriguez.
