Media asing menyatakan bahwa alat pemrograman AI telah berubah dari "pilihan" menjadi "konfigurasi bawaan" dalam tim pengembangan, namun harapan optimis terhadap peningkatan efisiensi sedang ditarik kembali ke realitas oleh meningkatnya biaya dan masalah kualitas. Berbagai penelitian dan kasus perusahaan menunjukkan bahwa AI memang dapat mempercepat kecepatan penulisan kode, tetapi tidak selalu mengurangi pekerjaan ulang di kemudian hari.
Pengembang tidak lagi ingin lepas dari AI
Lembaga penelitian AI METR mengungkap pada Februari tahun ini bahwa para peneliti awalnya ingin mengulang eksperimen tentang efisiensi pemrograman, membandingkan perbedaan antara pengembang yang menulis kode secara manual dengan yang menggunakan AI untuk menyelesaikan tugas, tetapi menghadapi hambatan selama prosesnya: banyak pengembang bahkan tidak mau melepaskan alat AI meskipun sementara waktu demi eksperimen.
METR sebelumnya melakukan pengujian terkait pada tahun 2025. Peserta secara umum merasa efisiensi mereka lebih tinggi, tetapi hasil pengukuran aktual justru sebaliknya: meskipun kode dihasilkan lebih cepat, pengembang harus menghabiskan lebih banyak waktu menunggu output model, memperbaiki kesalahan, dan secara berulang-ulang membimbing alat untuk menyelesaikan tugas.
Karena sulit untuk terus melibatkan pengembang tanpa AI, METR kemudian mengganti pendekatan dengan menerbitkan survei yang memungkinkan staf teknis menilai manfaat AI secara mandiri. Responden secara umum percaya bahwa AI meningkatkan nilai pekerjaan mereka menjadi dua kali lipat.
Perusahaan mulai meninjau kembali investasi AI
Artikel tersebut menunjukkan bahwa penilaian "merasa lebih efisien" semacam ini sedang diuji oleh pengeluaran perusahaan dan output nyata. Sejak 2026, Silicon Valley pernah populer menggunakan jumlah token yang dikonsumsi untuk mengukur intensitas penggunaan AI, bahkan menjadikannya sebagai indikator proxy produktivitas, tetapi pendekatan ini kini mengalami efek sebaliknya yang jelas.
The Financial Times of the UK reported this week that Amazon has shut down its internal token leaderboard, Kirorank, because employees were gaming the system by overusing AI agents to inflate rankings, increasing costs without corresponding improvements in output.
The Information melaporkan bahwa Uber telah menghabiskan seluruh anggaran AI tahunan dalam empat bulan pertama tahun 2026. Chief Operating Officer perusahaan, Andrew Macdonald, baru-baru ini menyatakan dalam podcast bahwa pengeluaran semacam ini belum membawa peningkatan proyek atau produktivitas yang dapat diukur.
Lebih cepat menulis kode tidak sama dengan lebih sedikit pemeliharaan
Artikel tersebut berpendapat bahwa masalah yang lebih besar terletak pada pemeliharaan kode. Programmer sekaligus penulis James Shore baru-baru ini menunjukkan dalam sebuah blog yang banyak dibagikan bahwa jika kecepatan menulis kode meningkat dua kali lipat, tetapi biaya pemeliharaan tidak turun secara sejajar, maka tim hanya menukar percepatan jangka pendek dengan beban jangka panjang.
Mengenai hal ini, pasar juga telah menghasilkan sejumlah data. Aiswarya Sankar, pendiri perusahaan startup rekayasa keandalan Entelligence AI, menyatakan bahwa sekitar 44% konsumsi token perusahaan digunakan untuk memperbaiki cacat yang dihasilkan AI. Perusahaan alat tinjauan kode Code Rabbit juga menyebut, analisis mereka terhadap pull request proyek open source menunjukkan bahwa jumlah masalah yang diakibatkan oleh kode yang dihasilkan AI adalah 1,7 kali lebih banyak daripada kode buatan manusia.
Meskipun data ini berasal dari penyedia layanan terkait dan memiliki faktor bias yang jelas, penelitian independen juga memberikan peringatan serupa. Pada bulan April tahun ini, peneliti dari Universitas Manajemen Singapura merilis laporan yang menyatakan bahwa kode yang dihasilkan AI dapat menimbulkan biaya pemeliharaan jangka panjang bagi proyek perangkat lunak nyata.
Para peneliti menyarankan untuk mengelola AI sebagai "pengembang pemula"
Tentang cara merespons, artikel menyebut bahwa sebagian produsen agen pemrograman AI mendukung penggunaan lebih banyak AI untuk memperbaiki masalah yang dihasilkan oleh AI. Pendiri Cognition, pengembang agen pemrograman AI Devin, Scott Wu, memegang pandangan ini.
Namun, ia juga mengakui bahwa Devin meskipun dapat menyelesaikan sebagian tugas secara mandiri, kemampuan saat ini masih sekitar tingkat pemula hingga menengah, tergantung pada jenis tugasnya. Ini berarti tim pengembang belum dapat sepenuhnya menyerahkan pekerjaan kepada agen dan meninggalkannya begitu saja.
Sebaliknya, rekomendasi dari peneliti Universitas Manajemen Singapura lebih condong ke pengawasan manusia: pengembang perlu memahami batasan tugas yang dikuasai dan tidak dikuasai AI, membangun proses jaminan kualitas untuk output AI, serta meninjau hasil yang dihasilkan model sebagaimana meninjau kode insinyur pemula.
Artikel tersebut menyimpulkan bahwa dalam pekerjaan tingkat tinggi seperti arsitektur perangkat lunak dan desain keamanan, pengembang manusia tetap menjadi penentu keputusan utama, sebuah pandangan yang secara umum disetujui bahkan oleh mereka yang mendukung agen AI.