JAKARTA — Perangkat lunak yang dulu terlalu besar untuk dikerjakan seorang diri kini lebih mungkin dibuat, berkat kemampuan AI yang mempercepat proses pemrograman. Namun, proyek seperti pgrust juga memperlihatkan batas penting: kode yang cepat dibuat belum tentu bermutu, dan pengujian tetap menentukan apakah perangkat lunak benar-benar layak dipakai.
Gagasan itu muncul dari percakapan penulis sumber dengan Michael Malis, pengembang pgrust, yang sejak awal tahun menunjukkan sejumlah karyanya. Penulis menilai proyek tersebut bukan sekadar kode hasil AI yang dibuat terburu-buru, karena pengujiannya turut menemukan sejumlah bug nyata di PostgreSQL.
Proyek AI bisa menguji perangkat lunak lama
pgrust adalah proyek yang menjadi contoh utama dalam tulisan sumber. Salah satu daya tarik yang disebut pengembangnya ialah kinerja. Namun, proses pengujian pgrust juga menemukan masalah pada PostgreSQL, sistem basis data yang berbeda dari proyek baru tersebut.
Bug yang ditemukan mencakup kesalahan numerik yang dapat membuat operasi SP-GiST valid gagal, masalah cache format yang dapat menghasilkan keluaran JSONPath yang keliru, serta gangguan pgcrypto yang membuat operasi berikutnya gagal. Pengujian itu juga menemukan beberapa masalah keamanan memori pada pemuat kamus dan bug luapan pada tipe data uang.
Penulis tidak menyebut pgrust bebas bug. Temuan itu juga bukan bukti bahwa proyek tersebut sudah siap digunakan secara luas. Nilainya, menurut tulisan sumber, terletak pada kerja pengujian yang cukup serius untuk mengungkap masalah di perangkat lunak lain—masalah yang dapat diperbaiki secara permanen setelah dilaporkan.
Bagi pengguna dan pengelola sistem, dampaknya lebih luas daripada nasib satu proyek. Pengujian yang baik dapat membantu menemukan cacat pada perangkat lunak yang sudah dipakai, sementara optimasi yang lahir dari eksperimen berpotensi berguna bagi proyek lain, termasuk PostgreSQL dan ClickHouse.
Penulis mengingatkan bahwa manfaat berupa perbaikan bug lebih langsung; kemungkinan optimasi diadopsi proyek lain masih bergantung pada langkah berikutnya.
AI mempercepat eksperimen, bukan menghapus kendali mutu
Keraguan terhadap proyek yang dibuat dengan bantuan AI punya alasan. Penulis melihat banyak perangkat lunak berkualitas rendah, termasuk program yang mengaku cepat berdasarkan tolok ukur yang lemah. Karena itu, proyek baru seperti pgrust mudah dianggap sebagai kode asal jadi sebelum orang sempat memeriksa cara kerjanya.
Masalahnya, memeriksa setiap proyek memakan waktu. Penulis sendiri awalnya percaya pada Malis karena mengenalnya, lalu mencari bukti ketika hendak memakai pgrust sebagai contoh. Dari pemeriksaan itu, ia menemukan jejak pengujian dan bug yang dilaporkan.
Pendekatan ini tidak berarti kepercayaan pribadi cukup untuk menilai perangkat lunak; justru hasil uji dan tolok ukur yang relevan tetap perlu diperiksa.
AI, dalam pandangan penulis, mengubah ukuran pekerjaan yang realistis. Ia membuat mesin regex, cabang ripgrep yang memanfaatkan kompilator kode asli dari mesin tersebut, serta versi Rust yang mempercepat proses build untuk proyeknya.
Ia mengatakan proyek-proyek itu hanya membutuhkan beberapa jam waktu kerjanya untuk mencapai mutu “berfungsi untuk saya”.
Tanpa bantuan tersebut, menurut perkiraannya, pekerjaan serupa bisa memakan waktu setahun atau lebih, mengingat ia tidak memiliki keahlian khusus dalam regex, algoritma pencocokan teks, kompilator, maupun interpreter.
Namun, mutu yang cukup untuk dipakai sendiri berbeda dari standar produk atau proyek sumber terbuka yang berguna bagi banyak orang. Penulis menegaskan bahwa meningkatkan proyek ke tingkat itu tetap membutuhkan banyak pekerjaan.
Pengujian, tolok ukur yang sesuai dengan kebutuhan, dan pemeriksaan kode tetap menjadi bagian dari proses, bukan urusan yang otomatis selesai ketika AI menghasilkan program.
Kecepatan model membuka hambatan baru
Penulis juga menyoroti perubahan yang mungkin terjadi ketika model AI menjadi jauh lebih cepat. Setelah mendengar OpenAI akan menggunakan Cerebras untuk model mutakhirnya, ia membayangkan pemakaian model unggulan yang bekerja 10 hingga 100 kali lebih cepat. Jika model mampu menghasilkan kode lebih cepat, waktu tunggu lain—seperti operasi sistem berkas—dapat semakin terasa.
Ia memberi contoh dari pekerjaannya sendiri: berpindah dari Mac ke Linux memperbaiki sebagian hambatan pada panggilan sistem dan operasi berkas.
Menurutnya, antarmuka sistem berkas standar tidak dirancang untuk kinerja perangkat penyimpanan modern, sementara agen AI dapat menjalankan banyak operasi kecil secara beruntun. Akibatnya, komputer bisa menunggu proses berkas meski model yang menulis kode sudah bekerja jauh lebih cepat.
Contoh itu menunjukkan bahwa percepatan AI tidak hanya menuntut model yang lebih cepat. Alat pengembangan dan sistem yang menopangnya juga bisa menjadi titik lambat. Bagi pembuat perangkat lunak, ruang untuk bereksperimen kini lebih besar; bagi pengguna, manfaatnya baru terasa jika hasilnya diuji dan benar-benar menyelesaikan kebutuhan, bukan sekadar tampak cepat dalam demonstrasi.
Penulis mengaitkan perubahan tersebut dengan keyakinan Malis mengenai ambisi dalam membangun perangkat lunak. Ia sendiri memilih rumusan bahwa pengembang “bisa lebih ambisius”, bukan harus lebih ambisius. Kemampuan baru, menurutnya, memungkinkan lebih banyak eksperimen—tetapi keberhasilan tetap bergantung pada mutu pelaksanaan dan pengujian.
Pengalaman penulis membangun Azul AI memberi gambaran lain.
Dengan GPT-5.1 dan GPT-5.2, ia mengaku menghabiskan sekitar lima jam untuk membuat AI yang lebih kuat daripada manusia pada batas waktu pertandingan yang sama, lalu sekitar 20 jam untuk mencapai kemampuan yang menurut pengamatannya paling kuat saat itu.
Ia juga menyebut Gabriel Cangussu kemudian membuat AI yang mengalahkan karyanya dengan waktu pengerjaan yang tampak jauh lebih singkat. Penulis mengaitkan perbedaan itu dengan kemampuan model yang lebih baru dalam memahami AI permainan papan.
Kecepatan membuat prototipe, dengan demikian, bukan jaminan bahwa hasil awal akan langsung menjadi produk matang. Tapi, waktu yang dibutuhkan untuk mencoba gagasan kini jauh berkurang. Seperti ditulis penulis sumber, “we can be more ambitious with the software we build”.
📝 Tinggalkan Komentar
Komentar sebagai . Ditinjau admin sebelum tampil.