Sebagai Software Engineer, Kini Setiap Baris Kode Saya Ditulis oleh AI: Menelisik Vibe Coding

Berbekal pengalaman lebih dari enam tahun sebagai software engineer, sudah setahun lebih saya tidak lagi mengetik sebaris kode pun secara manual. Di proyek-proyek saya saat ini, seluruh kodenya murni ditulis oleh AI. Namun, ketika pertama kali menjajal ngoding bareng AI setahun silam, rasa puas dan takjub itu rupanya cuma bertahan tak sampai tiga hari.

Nikmatnya Vibe Coding

Masih lekat dalam ingatan, Juni tahun lalu (2025), saya pertama kali membuka Cursor karena penasaran dengan reputasinya yang ramai dibicarakan. Sekilas tampilannya tak jauh beda dari VS Code biasa, hanya saja ketambahan panel samping untuk berinteraksi langsung dengan AI.

Sebelum itu, persepsi saya soal AI coding mentok di fitur autocomplete canggih sekelas GitHub Copilot. Namun, begitu saya ketik instruksi pertama dan menekan tombol kirim, keajaiban pun terjadi. Saya menyaksikan AI berpikir keras, lalu dalam sekejap menyemburkan puluhan hingga ratusan baris kode langsung di editor. Hebatnya lagi, ia bisa berpindah antarberkas dan memperbaruinya dengan mulus, bahkan menjalankan perintah di terminal atas izin saya.

Bayangkan: saya cukup mendeskripsikan kebutuhan fitur memakai bahasa sehari-hari, dan AI langsung mewujudkannya. Tak perlu lagi mengetik baris demi baris dari nol. Ini bukan lagi sekadar pelengkap otomatis konvensional, melainkan AI yang benar-benar mengambil alih sebagian beban kerja software engineer dari tingkat yang jauh lebih tinggi.

Saat itu rasanya seperti memegang kuas ajaib Ma Liang—ada letupan kegembiraan murni saat menyadari gerbang dunia baru baru saja terbuka lebar.

Waktu itu saya sempat menuangkan unek-unek ini:

Vibe coding rasanya diciptakan khusus buat orang ber-ADHD. Cara ngoding tradisional itu sangat berlawanan dengan tabiat ADHD. Tapi vibe coding seketika menyembuhkan rasa malas bikin unit test, alergi ngurusin CSS, kebiasaan salah ketik nama variabel, sampai kebosanan mencari bug sepele yang berulang-ulang.

Dengan bantuan AI, siklus umpan baliknya jadi luar biasa cepat. Rasa puasnya instan. Makin repetitif dan remeh tugasnya, justru makin piawai AI menyelesaikannya.

Peran kita pun bergeser: cukup fokus pada arah besar, rancangan arsitektur, dan bertindak layaknya seorang tech lead sejati.

Sejujurnya, saya tidak pernah terobsesi mengetik karakter satu demi satu, tapi saya sangat menikmati proses melahirkan sebuah karya. Dari zaman bahasa assembly hingga bahasa tingkat tinggi, pengalaman developer memang seharusnya makin mulus dan efisien.

Bisa berkarya murni dari sudut pandang seorang kreator—bukan sekadar kuli ketik kode—adalah sebuah berkah luar biasa bagi seorang programmer.

Batas Realitas Vibe Coding

Gaya kerja semacam ini punya istilah resminya sendiri: Vibe Coding. Istilah ini dicetuskan oleh salah satu pendiri OpenAI, Andrej Karpathy, pada Februari 2025. Intinya: ikuti saja getaran atau “vibe”-nya. Ceritakan apa yang kamu mau pakai bahasa biasa ke AI, telan mentah-mentah semua kode yang dihasilkannya tanpa perlu dicek baris demi baris, dan kalau muncul error, lempar balik pesan error itu ke AI—sampai-sampai kamu lupa bahwa kode itu sendiri sebenarnya eksis.

Namun, euforia itu cuma bertahan tiga hari. Selepas menulis curhatan tadi, saya langsung membentur batas realitas dari vibe coding.

Kala itu saya sedang merancang prototipe sebuah aplikasi. Vibe coding yang ugal-ugalan membiarkan AI berimajinasi sesuka hati berdasarkan instruksi yang serba samar, tanpa disiplin rekayasa perangkat lunak sama sekali. Lambat laun, AI mulai liar dan susah dikendalikan. Arsitektur aplikasinya pun jadi semrawut sampai mustahil dirawat.

Akhirnya saya bongkar semuanya dari nol. Kali ini, saya kembali memasang topi sebagai seorang software engineer: menerapkan alur kerja standar dalam pengembangan berbantuan AI.

Pola pikir saya langsung bergeser. Sembari tetap mempertahankan keasyikan vibe coding, saya terapkan tinjauan kode (code review) yang lebih ketat, dokumentasi yang gamblang, serta perubahan bertahap dalam skala kecil alih-alih menumpuk segudang fitur sekaligus. Hasilnya? Seluruh arsitektur dan implementasinya jadi sangat terkendali, tepat sasaran tanpa drama. Bekerja bareng AI rasanya seperti seorang manajer yang mengarahkan anak magang yang cerdas: detail teknis bisa diserahkan ke mereka, tapi kendali arsitektur dan visi makro tetap harus berada di tangan kita.

Tak lama berselang, saya beralih menggunakan Claude Code. Di situ kendalinya terasa kian presisi dan bertenaga. Rasanya seperti mendapat sokongan tenaga tak kasat mata—produktivitas saya melonjak berlipat ganda.

Masa Depan Software Engineer

“Mungkinkah vibe coding membuat orang enggan mendalami fondasi pemrograman, hanya karena mereka bisa membikin produk dengan begitu cepat?”

Jawaban saya: sangat mungkin!

Rute belajar pemrograman konvensional itu ibarat menaiki tangga setapak demi setapak. Banyak orang memulainya dari kelas dasar logika pemrograman, meniti karier sebagai junior engineer, menghadapi seabrek tantangan teknis nyata di lapangan, hingga perlahan matang menjadi insinyur perangkat lunak yang andal dan mandiri. Tiap langkahnya memberi umpan balik yang terukur. Dengan kemampuan belajar rata-rata pun, orang bisa masuk ke ranah ini lewat jenjang karier yang terpeta jelas.

Vibe coding memangkas habis batas awal masuk (barrier to entry). Siapa pun kini bisa membikin demo produk. Masalahnya, rekayasa perangkat lunak adalah disiplin yang sarat praktik. Menjembatani jurang antara sekadar bikin prototipe demo dengan membangun produk komersial yang stabil dan tangguh itu perbedaannya seperti dari 0 ke 1 versus 1 ke 100.

Dalam jalur karier tradisional, mereka yang berhasil sampai di titik 0 ke 1 biasanya sudah mengantongi fondasi kemampuan untuk melaju dari 1 ke 100. Namun, vibe coding tidak membekali pemula dengan fondasi tersebut. Begitu melangkah dari 1 ke 10, mereka bakal menabrak dinding kesulitan yang luar biasa terjal—dan ini bakal mematahkan semangat banyak orang untuk terus mendalami bidang ini.

Justru karena langkah awalnya terasa terlampau gampang, begitu rintangan besar menghadang, modal minat dan kemampuan belajar rata-rata tak lagi cukup untuk melompatinya. Dan kalaupun ada yang sanggup melewatinya dengan enteng, orang tersebut pastilah punya daya serap, eksekusi, dan kemampuan memecahkan masalah kaliber wahid—bisa dibilang masuk jajaran 1% teratas programmer.

Dengan kata lain, segelintir orang yang punya daya juang dan kemampuan belajar setinggi itu sebetulnya bakal tetap jadi insinyur papan atas, bahkan di era sebelum AI sekalipun.

Seiring meroketnya kapabilitas coding AI, industri tak lagi membutuhkan peran junior engineer. Jalur regenerasi dan pelatihan kerja pun terputus, sehingga makin sedikit orang yang berkesempatan mengasah keterampilan dari bawah.

Setahun setelah draf tulisan ini dibuat, data pasar tenaga kerja mulai mengonfirmasi firasat tersebut:

• Riset dari Stanford Digital Economy Lab yang menganalisis data penggajian dari ADP di AS mencatat: per Juni 2026, tingkat penyerapan tenaga kerja muda (usia 22–25 tahun) pada profesi yang paling rentan terdampak AI anjlok 19% dibanding tren usia sebaya di profesi lain. Setahun sebelumnya, selisihnya baru 15%. Sebaliknya, kesenjangan serupa tidak tampak pada pekerja senior yang sudah berpengalaman. Penurunan ini utamanya dipicu oleh keengganan perusahaan merekrut talenta baru, bukan karena badai PHK. (Stanford Digital Economy Lab, 2026-08)
• Laporan SignalFire per Juni 2026 mengungkapkan bahwa lowongan untuk fresh graduate dan posisi junior di 12 raksasa teknologi (termasuk Google, Meta, Apple, dan Microsoft) merosot drastis sekitar 65% dibanding tahun 2019. Di startup tahap awal (early-stage), penurunannya bahkan menyentuh angka 76%. (SignalFire State of Talent Report 2026)
• Menurut data Indeed, pada kuartal pertama 2026, porsi lowongan junior untuk posisi software development di AS hanya tersisa 4,5%—terendah di antara seluruh sektor industri. (Indeed Hiring Lab, 2026-07)

Pandangan saya terhadap masa depan lanskap ini cenderung muram. Dunia pemrograman di industri kian terpolarisasi secara ekstrem: kalau bukan pertarungan antarmaestro tingkat dewa, ya cuma sekelompok peminat hobi yang sebatas membikin mainan prototipe.

Bidang-bidang lain pun lambat laun akan bernasib sama. Di masa depan, nyaris seluruh pekerjaan yang mengandalkan kerja otak ringan (light cognitive work) bakal tergilas oleh AI.

Bahkan ranah matematika murni—bidang yang paling menuntut orisinalitas berpikir—mulai dibobol AI sepanjang tahun ini:

• Januari 2026: Mahasiswa sarjana Cambridge Kevin Barreto bersama matematikawan amatir Liam Price memecahkan Problem Erdős No. 728 berbantuan GPT-5.2 Pro, padahal pembuktian masalah ini nihil di seluruh literatur sebelumnya. Ini tercatat sebagai masalah Erdős pertama yang utamanya diselesaikan oleh AI.
• Mei 2026: Model buatan OpenAI berhasil mematahkan unit distance conjecture yang diajukan Paul Erdős pada 1946—teka-teki yang membingungkan kalangan matematikawan selama 80 tahun. Tim Gowers, peraih Fields Medal, berkomentar: “Sebelumnya tak ada pembuktian buatan AI yang mendekati mutu kaliber ini.” Selang beberapa pekan, para matematikawan manusia berhasil menyempurnakan temuan AI tersebut secara signifikan.
• Masih di bulan yang sama: AI agent besutan Google DeepMind secara mandiri menyelesaikan 9 dari 353 soal matematika terbuka, dengan biaya komputasi hanya beberapa ratus dolar per soal.
• Saking signifikannya lompatan ini, matematikawan kenamaan Noga Alon bahkan memutuskan berhenti meneliti persoalan Erdős: “Begitu AI mulai menyelesaikannya, semuanya terasa tak lagi bermakna.”

Rencana Seri Ini

Belakangan ini, makin banyak orang tanpa latar belakang coding mulai mencicipi AI coding. Banyak di antara mereka yang bingung harus mulai dari mana, atau mentok hanya bisa meracik proyek kecil-kecilan. Mereka akhirnya sadar bahwa ketiadaan wawasan rekayasa perangkat lunak bikin mereka sering kali tidak tahu apa yang sedang diperbuat: bingung membedah masalah, gagap mengatasi kerumitan, dan tak tahu cara mengarahkan AI agar mencapai hasil yang diinginkan.

Saya juga mengamati masalah banyak orang sebetulnya berakar pada kelemahan bernalar logis—kurang paham cara bertanya yang efektif, tumpul dalam berpikir kritis, dan tak tahu apakah jawaban yang disodorkan AI itu benar atau halusinasi belaka.

Sebagai software engineer dengan pengalaman lebih dari enam tahun, saya telah merancang dan membangun banyak proyek kompleks berbantuan AI, dan produk-produk itu kini digunakan oleh banyak pengguna nyata. Seperti yang saya singgung di awal: di proyek-proyek saya sekarang, setiap baris kodenya ditulis oleh AI. AI terbukti mampu membantu kita membidani proyek rumit, dengan catatan si pembuatnya paham apa yang ia lakukan dan tahu cara mengemudikan AI tersebut. AI hanyalah perkakas; juru mudi utamanya tetaplah manusia.

Di era AI, jalan belajar pemrograman konvensional bakal dijungkirbalikkan. Maka dari itu, demi menjawab perubahan zaman, saya berencana merilis seri panduan bertajuk Panduan Lengkap Vibe Coding dari Nol.

Seri ini bakal memuat beberapa pilar utama:

1. Mengintegrasikan AI Coding ke dalam best practice rekayasa perangkat lunak modern. Memahami hakikat software engineering terlebih dahulu, baru melangkah dari nol untuk membangun perangkat lunak impian. Tujuannya: proyek tak cuma mentok di demo, melainkan siap dirawat jangka panjang dengan proses penulisan yang semulus sutra.
2. Panduan melatih pola pikir dan logika: cara menyusun instruksi yang tajam saat AI coding, pantangan yang wajib dihindari, serta seni menulis dokumentasi proyek yang efektif.
3. Cara menguji proyek dan kode secara menyeluruh serta mematangkan alur kerja. Menjaga ketangguhan arsitektur sembari terus mengerek mutu dan fitur perangkat lunak. Bagaimana melipatgandakan kecepatan pengembangan dan merancang alur otomasi tanpa sedikit pun mengorbankan kualitas.
4. Pemilihan tech stack paling ideal untuk AI coding: bahasa dan kerangka kerja mana yang paling mampu mengeluarkan taji kapabilitas AI secara optimal.

Catatan Akhir

Bagian utama tulisan ini sebetulnya sudah saya tulis setahun lalu (Oktober 2025). Kali ini saya sunting ulang sekaligus melengkapinya dengan data bursa kerja terbaru serta terobosan mutakhir AI di ranah matematika. Dulu, saya begitu tercengang oleh laju perkembangan AI yang gila-gilaan sampai-sampai khawatir apa yang saya tulis bakal kedaluwarsa dalam hitungan hari. Buntutnya, saya lebih rajin membagikan cuitan pendek dan jarang menulis esai panjang yang serius. Berselang setahun, ketika membongkar kembali draf ini, ternyata argumennya masih sangat relevan. Maka dari itu saya rapikan dan terbitkan sekarang. Ke depan, saya ingin lebih rajin menulis esai panjang—bagaimanapun juga, tulisan yang punya “sentuhan manusia” bakal jadi barang yang kian langka.