Perangkat Lunak Ambisius Makin Mungkin Dibangun dengan AI

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.