Kampus Times- Gelombang otomatisasi berbasis kecerdasan buatan sempat membuat perusahaan teknologi mengambil keputusan besar: mengurangi jumlah tenaga kerja manusia dan menyerahkan sebagian pekerjaan pemrograman kepada AI.
Namun, strategi tersebut mulai menghadapi persoalan baru. AI memang mampu menghasilkan kode dalam jumlah besar dengan sangat cepat, tetapi kecepatan tidak selalu berarti produktivitas.
Kode yang dihasilkan AI dapat mengandung kesalahan, redundansi, atau struktur yang sulit dipelihara. Akibatnya, pengembang berpengalaman harus menghabiskan waktu untuk memeriksa, memperbaiki, dan mengintegrasikan hasil tersebut ke dalam sistem perusahaan.
Dalam kondisi tertentu, pekerjaan yang seharusnya menjadi lebih cepat justru berubah menjadi pekerjaan tambahan.
Kode Cepat Belum Tentu Menjadi Software yang Baik
Salah satu kesalahpahaman terbesar dalam penggunaan AI untuk pemrograman adalah menganggap bahwa kemampuan menulis kode sama dengan kemampuan mengembangkan perangkat lunak.
Padahal, software bukan hanya kumpulan fungsi dan algoritma. Pengembangan perangkat lunak membutuhkan pemahaman mengenai arsitektur sistem, kebutuhan pengguna, keamanan, batasan teknis, serta tujuan bisnis perusahaan.
AI dapat menghasilkan fungsi yang terlihat benar ketika diuji secara terpisah. Masalah dapat muncul ketika kode tersebut dimasukkan ke dalam infrastruktur yang sudah memiliki banyak komponen, aturan, dan ketergantungan.
Inilah alasan pengembang manusia tetap dibutuhkan untuk memahami konteks yang tidak selalu tersedia dalam instruksi atau data yang diberikan kepada AI.
AI Masih Kesulitan Mengoreksi Kesalahannya Sendiri
Persoalan lain terletak pada kemampuan AI untuk melakukan pemeriksaan mandiri.
Ketika seorang programmer manusia menemukan bahwa pendekatan yang digunakannya tidak sesuai dengan sistem, ia dapat memahami penyebab masalah dan mengubah strategi. AI, sebaliknya, tidak selalu mampu mengenali bahwa solusi yang dibuatnya sendiri sebenarnya keliru.
Penelitian yang dibahas menunjukkan bahwa model AI masih gagal melakukan koreksi mandiri dalam banyak kasus, bahkan ketika diminta secara eksplisit untuk memeriksa kembali kode yang telah dibuat.
Karena itu, manusia tetap berperan sebagai lapisan validasi. Pengembang harus mampu membaca kode, menguji asumsi, menemukan kesalahan, dan memastikan solusi yang diberikan benar-benar sesuai dengan kebutuhan sistem.
Pengembang Senior Semakin Dibutuhkan
Situasi tersebut mulai mengubah struktur perekrutan di industri teknologi.
AI relatif efektif mengambil alih tugas pemrograman yang bersifat rutin dan dasar. Pekerjaan seperti menghasilkan potongan kode, membuat fungsi sederhana, atau melakukan tugas berulang dapat dilakukan lebih cepat dengan bantuan AI.
Namun, pekerjaan yang membutuhkan pengalaman dan penilaian teknis justru menjadi semakin penting. Perusahaan membutuhkan developer yang mampu mengawasi AI, memeriksa hasilnya, memahami arsitektur sistem, dan mengambil keputusan ketika solusi otomatis tidak berjalan sesuai harapan.
Data yang dibahas menunjukkan bahwa 61% perusahaan yang menggunakan alat pemrograman AI meningkatkan perekrutan pengembang senior pada 2026, sementara lebih dari 54% perusahaan berencana menambah developer senior sambil mengurangi posisi junior.
Perubahan tersebut menciptakan dilema baru bagi industri. Jika perusahaan mengurangi perekrutan junior, bagaimana generasi baru developer memperoleh pengalaman yang dibutuhkan untuk menjadi senior?
Fenomena Boomerang Hiring Mulai Muncul
Salah satu respons perusahaan terhadap persoalan tersebut adalah boomerang hiring, yaitu merekrut kembali mantan karyawan yang sebelumnya telah diberhentikan.
Mantan karyawan memiliki keunggulan yang sulit digantikan oleh AI: mereka sudah memahami sistem internal, budaya kerja, arsitektur perangkat lunak, dan berbagai keputusan teknis yang pernah dibuat perusahaan.
Ketika perusahaan menyadari bahwa otomatisasi tidak sepenuhnya menyelesaikan kebutuhan tenaga kerja, merekrut kembali orang yang sudah memahami lingkungan kerja dapat menjadi pilihan yang lebih cepat daripada mencari dan melatih karyawan baru.
Fenomena ini menunjukkan ironi dalam transformasi AI. Pekerja yang sebelumnya dianggap dapat digantikan teknologi ternyata dapat kembali menjadi aset penting ketika perusahaan menghadapi kompleksitas nyata.
Produktivitas AI Tidak Selalu Sesuai Ekspektasi
Besarnya investasi industri teknologi menunjukkan betapa tingginya ekspektasi terhadap AI. Alphabet, Microsoft, Meta, dan Amazon bahkan diperkirakan mengalokasikan sekitar 600 miliar dolar AS secara gabungan untuk belanja modal tahun ini.
Namun, peningkatan investasi tidak otomatis menghasilkan peningkatan produktivitas yang sebanding.
Dalam data yang dibahas, insinyur berpengalaman disebut bekerja sekitar 19% lebih lambat ketika menggunakan alat bantu AI dalam kondisi tertentu akibat meningkatnya beban pemeliharaan kode. Kode yang dihasilkan AI juga dilaporkan dapat mengandung lebih banyak kesalahan dibandingkan kode yang ditulis manusia.
Artinya, manfaat AI mungkin tidak bersifat linear. Pada titik tertentu, semakin banyak kode yang dihasilkan bukan berarti semakin cepat sebuah perusahaan menyelesaikan pekerjaannya.
Masa Depan Developer: Bukan Hilang, tetapi Berubah
Perubahan ini tidak berarti profesi software engineer akan menghilang. Justru, pekerjaan tersebut kemungkinan mengalami pembagian baru antara tugas yang dapat diotomatisasi dan tugas yang membutuhkan pengalaman manusia.
Developer masa depan tidak hanya dituntut mampu menulis kode. Mereka perlu memahami sistem, bisnis, risiko, kualitas perangkat lunak, serta mampu menggunakan AI sebagai alat kerja tanpa menyerahkan seluruh proses pengambilan keputusan kepadanya.
Dengan demikian, kemampuan paling berharga bukan lagi sekadar seberapa cepat seseorang menghasilkan kode, tetapi seberapa baik ia dapat menilai apakah kode tersebut benar-benar layak digunakan.
Kesimpulan
Gelombang PHK akibat AI menunjukkan bahwa otomatisasi memang dapat mengubah kebutuhan tenaga kerja secara signifikan. Namun, pengalaman perusahaan juga memperlihatkan bahwa menggantikan manusia dengan AI tidak sesederhana mengurangi jumlah programmer dan memasang alat otomatis.
Kode yang cepat dibuat dapat menghasilkan pekerjaan tambahan jika kualitas, konteks, dan integrasinya tidak terjamin. Karena itu, perusahaan justru mulai membutuhkan lebih banyak tenaga berpengalaman untuk mengawasi dan menyempurnakan hasil kerja AI.
Fenomena boomerang hiring menjadi salah satu sinyal bahwa manusia belum kehilangan perannya. AI mungkin tidak menghapus pekerjaan software engineer, tetapi mengubah jenis keahlian yang paling bernilai di dalamnya.
FAQ
- Mengapa perusahaan merekrut kembali developer yang sebelumnya terkena PHK? Karena perusahaan menemukan bahwa kode AI tetap membutuhkan pengawasan manusia dan mantan karyawan memiliki pengetahuan tentang sistem internal yang sulit digantikan dengan cepat.
- Apakah AI mampu menggantikan software engineer? AI dapat mengambil alih sejumlah tugas pemrograman rutin, tetapi pengembangan software membutuhkan pemahaman bisnis, arsitektur sistem, pengujian, dan pengambilan keputusan yang masih membutuhkan manusia.
- Mengapa developer senior semakin dibutuhkan? Developer senior memiliki pengalaman untuk memeriksa kode AI, memahami kompleksitas sistem, menemukan kesalahan, serta menentukan solusi yang sesuai dengan kebutuhan bisnis.
- Apa yang dimaksud dengan boomerang hiring? Boomerang hiring adalah praktik merekrut kembali mantan karyawan yang sebelumnya telah meninggalkan atau diberhentikan dari perusahaan.
- Apakah AI benar-benar meningkatkan produktivitas programmer? Tidak selalu. AI dapat mempercepat pembuatan kode, tetapi kesalahan dan tambahan beban pemeliharaan dapat mengurangi atau bahkan membalikkan keuntungan produktivitas tersebut.
