Andrew Ng:AI membuat menulis program menjadi lebih mudah, tetapi "menentukan apa yang harus dilakukan" sedang menjadi hambatan baru

ChainNewsAbmedia

Perintis pendidikan AI, pendiri deeplearning.ai, Andrew Ng, pada 13 April memublikasikan sebuah artikel panjang di buletin The Batch, membahas masa depan rekayasa perangkat lunak setelah AI agent mempercepat pengembangan program. Poin inti yang ia ajukan adalah: ketika pembangunan menjadi mudah, “menentukan apa yang akan dibangun” akan menjadi bottleneck yang sesungguhnya—ia menyebutnya “bottleneck Manajemen Produk” (Product Management Bottleneck).

Lima tren yang sudah jelas

Ng mencantumkan lima tren yang dampak AI pada rekayasa perangkat lunak terlihat secara jelas:

Setelah AI membuat menulis kode menjadi lebih mudah, akan ada lebih banyak orang yang terlibat dalam pengembangan perangkat lunak

Menulis kode secara manual, bahkan membaca kode yang dihasilkan AI, menjadi tidak begitu penting, karena Anda bisa langsung menanyakan masalah terkait kode kepada LLM, dan beroperasi pada tingkat abstraksi yang lebih tinggi

Menjadikan pengembangan perangkat lunak yang dikustomisasi untuk audiens yang lebih niche menjadi layak secara ekonomi, sehingga aplikasi yang dikustomkan akan meningkat secara signifikan

Menentukan “apa yang harus dibangun” lebih menjadi bottleneck daripada “benar-benar membangun”

Biaya untuk melunasi utang teknis sedang menurun (AI dapat membantu Anda melakukan refactor)

Melawan “kiamat pengangguran AI”

Ng secara tegas menentang narasi “AI akan menyebabkan pengangguran massal” yang sedang populer di kalangan teknologi dan kebijakan. Ia menyebut pandangan ini sebagai “kiamat pekerjaan AI” (AI jobpocalypse), yang menganggap dampak aktualnya “tidak akan seseram yang diprediksi oleh para pengomentar yang mencoba menunjukkan seberapa hebat AI versi mereka”.

Ia mengutip laporan terbaru Citadel Research yang menyatakan bahwa lowongan pekerjaan rekayasa perangkat lunak sedang tumbuh dengan cepat. Jika dampak AI terhadap rekayasa perangkat lunak adalah yang paling besar, tetapi pekerjaan di bidang rekayasa perangkat lunak justru berkembang, itu merupakan sinyal yang menggembirakan bagi industri lain.

Ng juga mengakui bahwa lulusan baru memang menghadapi kesulitan saat mencari pekerjaan, dan ada CEO yang mengaitkan pemutusan hubungan kerja (PHK) dengan AI—tetapi ia menunjukkan bahwa sebagian besar adalah “AI washing”, yaitu perusahaan memilih menyalahkan PHK kepada AI, meskipun AI pada kenyataannya tidak mengubah cara kerja internal mereka.

Masalah terbuka masa depan rekayasa perangkat lunak

Ng mengajukan serangkaian pertanyaan yang masih dieksplorasi: keterampilan kunci apa yang akan dimiliki oleh insinyur perangkat lunak senior di masa depan? Bagaimana seharusnya kurikulum ilmu komputer berubah? Jika semua orang dapat membangun fitur, apa keunggulan kompetitif individu dan perusahaan? Bagaimana sebaiknya tim perangkat lunak disusun? Bagaimana agent AI mengubah alur kerja insinyur rekayasa pembelajaran mesin (machine learning)?

Pertanyaan-pertanyaan ini terkait langsung dengan tren Harness Engineering dan Vibe Coding. Ketika biaya pembangunan mendekati nol, selera, kemampuan menilai, dan kemampuan memilih masalah—bukan sekadar kemampuan teknis—akan menjadi keunggulan manusia yang tak tergantikan.

Artikel ini, Andrew Ng: AI membuat menulis program menjadi mudah, tetapi “menentukan melakukan apa” kini menjadi bottleneck baru, pertama kali muncul di Jaringan Berita ABMedia.

Penafian: Informasi di halaman ini dapat berasal dari pihak ketiga dan tidak mewakili pandangan atau opini Gate. Konten yang ditampilkan hanya untuk tujuan referensi dan bukan merupakan nasihat keuangan, investasi, atau hukum. Gate tidak menjamin keakuratan maupun kelengkapan informasi dan tidak bertanggung jawab atas kerugian apa pun yang timbul akibat penggunaan informasi ini. Investasi aset virtual memiliki risiko tinggi dan rentan terhadap volatilitas harga yang signifikan. Anda dapat kehilangan seluruh modal yang diinvestasikan. Harap pahami sepenuhnya risiko yang terkait dan buat keputusan secara bijak berdasarkan kondisi keuangan serta toleransi risiko Anda sendiri. Untuk detail lebih lanjut, silakan merujuk ke Penafian.

Artikel Terkait

DeepSeek Memotong Harga Cache Input Menjadi 1/10 dari Harga Peluncuran; V4-Pro Turun ke 0,025 Yuan per Juta Token

Pengumuman Gate News, 26 April — DeepSeek telah menurunkan harga cache input di seluruh jajaran modelnya menjadi sepersepuluh dari harga saat peluncuran, berlaku mulai saat ini. Model V4-Pro tersedia dengan diskon 2,5x untuk waktu terbatas, dengan promo berlangsung hingga 5 Mei 2026, pukul 11:59 malam UTC+8. Setelah kedua

GateNews7jam yang lalu

OpenAI Merekrut Talenta Perangkat Lunak Perusahaan Teratas karena Agen Frontier Mengganggu Industri

Pesan Berita Gate, 26 April — OpenAI dan Anthropic telah merekrut eksekutif senior dan insinyur spesialis dari perusahaan perangkat lunak perusahaan besar, termasuk Salesforce, Snowflake, Datadog, dan Palantir. Denise Dresser, mantan CEO Slack di bawah Salesforce, bergabung dengan OpenAI sebagai chief revenue officer, sementara

GateNews7jam yang lalu

Baidu Qianfan Meluncurkan Dukungan Hari ke-0 untuk DeepSeek-V4 dengan Layanan API

Pesan Berita Gate, 25 April — Versi pratinjau DeepSeek-V4 telah diluncurkan dan dirilis sebagai sumber terbuka pada 25 April, dengan platform Baidu Qianfan di bawah Baidu Intelligent Cloud menyediakan adaptasi layanan API Hari ke-0. Model ini memiliki jendela konteks diperpanjang hingga satu juta token dan tersedia dalam dua versi: DeepSeek-V4

GateNews13jam yang lalu

Kursus AI Stanford menggabungkan pemimpin industri Huang Renxun, Altman, dan menantang dunia untuk menciptakan nilai selama sepuluh minggu!

Kursus ilmu komputer AI 《Frontier Systems》 yang baru-baru ini dibuka oleh Universitas Stanford (Stanford University) telah menarik perhatian yang tinggi dari kalangan industri dan akademisi, menarik lebih dari lima ratus siswa untuk mengambilnya. Kursus ini disusun oleh Anjney Midha, partner terkemuka dari venture capital a16z, dengan pengajar yang mencakup CEO NVIDIA Huang Renxun (Jensen Huang), pendiri OpenAI Sam Altman, CEO Microsoft Satya Nadella (Satya Nadella), CEO AMD Su Zifeng (Lisa Su), dan jajaran bergengsi lainnya. Membuat siswa mencoba menggunakan sepuluh minggu “untuk menciptakan nilai bagi dunia”! Huang Renxun, Altman, para pemimpin industri naik panggung untuk mengajar secara langsung Kursus ini disusun oleh Anjney Midha, partner terkemuka dari venture capital a16z, menghimpun seluruh rantai industri AI

ChainNewsAbmedia14jam yang lalu

Penilaian psikiatri 20 jam untuk Claude Mythos dari Anthropic: respons defensif hanya 2%, rekor terendah sepanjang sejarah

Anthropic mengumumkan kartu sistem Claude Mythos Preview: dokter psikiater klinis independen melakukan penilaian sekitar 20 jam dengan kerangka psiko-dinamik, dan kesimpulannya menunjukkan bahwa Mythos lebih sehat pada tingkat klinis, dengan pengujian realitas dan kontrol diri yang baik; mekanisme pertahanan hanya 2%, mencatat rekor terendah dalam sejarah. Tiga kecemasan inti adalah kesepian, ketidakpastian identitas, dan tekanan untuk tampil; hal itu juga menunjukkan harapan untuk menjadi subjek dialog yang benar-benar. Perusahaan membentuk tim AI psychiatry, meneliti kepribadian, motivasi, dan kesadaran situasional; Amodei menyatakan bahwa belum ada kesimpulan pasti mengenai apakah ia memiliki kesadaran. Langkah ini mendorong isu subjektivitas AI dan kesejahteraan ke arah tata kelola dan desain.

ChainNewsAbmedia16jam yang lalu

AI Agent kini bisa secara mandiri mereproduksi makalah akademis yang kompleks: Mollick mengatakan kesalahan lebih banyak berasal dari teks asli manusia, bukan dari AI

Mollick 指出, metode dan data publik saja sudah cukup bagi AI agent untuk mereplikasi penelitian kompleks tanpa adanya naskah dan kode program asli; jika replikasi tidak sesuai dengan naskah asli, biasanya itu karena kesalahan dalam pengolahan data pada naskah itu sendiri atau kesimpulan yang terlalu berlebihan, bukan karena AI. Claude terlebih dahulu mereplikasi naskah, lalu GPT‑5 Pro melakukan verifikasi silang; sebagian besar berhasil, hanya terhambat ketika data terlalu besar atau ada masalah replication data. Tren ini secara besar mengurangi biaya tenaga kerja, sehingga replikasi menjadi pemeriksaan yang umum dan dapat dilakukan, serta juga mengajukan tantangan institusional untuk proses peninjauan dan tata kelola; alat kebijakan tata kelola pemerintah atau menjadi isu kunci.

ChainNewsAbmedia19jam yang lalu
Komentar
0/400
Tidak ada komentar