AI Coding Agent Mempercepat Kode, tapi Debugging Tertinggal

AI coding agent dapat menulis kode dalam hitungan menit, tetapi banyak tim engineering belum merasakan siklus rilis yang lebih cepat. Sebanyak 79% pemimpin engineering mengatakan waktu rilis mereka tidak menjadi lebih singkat, sementara pekerjaan memahami dan memperbaiki kode justru bertambah.

Masalahnya bukan hanya seberapa cepat kode dibuat. Di sistem yang rumit, insinyur masih harus mencari tahu apa yang dilakukan kode buatan AI, bagaimana kode itu berinteraksi dengan bagian lain, dan apa penyebabnya ketika terjadi gangguan.

Mengapa AI coding agent belum mempercepat rilis?

AI coding agent memindahkan hambatan dalam pengembangan perangkat lunak. Pembuatan kode bisa berlangsung lebih singkat, tetapi pemeriksaan, pemahaman, dan debugging tetap memerlukan waktu. Ketika kode bertambah cepat, tim juga menghadapi lebih banyak perubahan yang harus ditinjau.

Penumpukan kode dapat membuat struktur perangkat lunak makin sulit dibaca. Logika yang berulang dan lapisan perubahan baru menambah keruwetan. Saat terjadi bug, insinyur perlu menelusuri bagian-bagian itu untuk memahami sumber masalah, bukan sekadar meminta AI menulis tambahan kode.

Tantangan terasa lebih berat pada codebase kompleks. Sembilan dari sepuluh pemimpin engineering mengatakan pemahaman kode dan debugging memakan waktu lebih lama di lingkungan rumit, seperti codebase C/C++. Insinyur sudah menghadapi kesulitan itu sebelum AI menghasilkan kode dalam jumlah lebih besar.

Dampaknya terlihat pada proses rilis. Jika tim harus menghabiskan waktu untuk meninjau dan memahami keluaran AI, kecepatan menulis kode tidak otomatis mempercepat pengiriman perangkat lunak. Produktivitas di satu tahap bisa tertahan oleh pekerjaan yang menumpuk pada tahap berikutnya.

Risiko muncul saat sistem berjalan

Untuk memahami gangguan, agen AI kerap menggunakan konteks statis seperti kode sumber, log, dan dokumentasi. Informasi itu menjelaskan rancangan atau catatan sistem, tetapi belum tentu menunjukkan dengan tepat apa yang terjadi ketika perangkat lunak dijalankan.

Tanpa bukti perilaku sistem saat berjalan, agen dapat menyusun diagnosis yang terdengar masuk akal tetapi keliru. Sebanyak 93% organisasi engineering pernah mengalami penyebab utama masalah yang salah didiagnosis akibat halusinasi AI. Karena itu, sepertiga tim, atau 37%, hanya memakai agen AI untuk memahami dan memperbaiki kode yang sederhana.