1. Pendahuluan: Ketika Bahkan Karpathy Merasa Tertinggal
Ada sesuatu yang tidak biasa terjadi.
Andrej Karpathy—otak di balik Autopilot Tesla dan co-founder OpenAI—mengaku merasa “paling tertinggal” sebagai programmer… hanya dalam hitungan bulan terakhir.
Bukan karena ia kehilangan kemampuan. Justru sebaliknya.
Ia menyadari bahwa dunia yang ia bantu bangun… kini bergerak lebih cepat dari yang bisa ia ikuti secara intuitif.
Sejak Desember lalu, Karpathy melihat sebuah pergeseran tajam: AI tidak lagi sekadar membantu menulis kode. Ia mulai bertindak sebagai agen otonom, mampu memahami konteks, mengambil keputusan, dan mengeksekusi alur kerja secara mandiri.
Ini bukan sekadar upgrade tools.
Ini adalah perubahan definisi tentang apa itu programming.
Dan kalau Karpathy saja merasa tertinggal, kita mungkin sedang berdiri di tengah revolusi—bukan update.
2. Software 3.0: Saat Aplikasi Tradisional Mulai Terasa “Tidak Perlu”
Selama ini kita mengenal dua dunia:
- Software 1.0 → kode eksplisit buatan manusia
- Software 2.0 → model yang “belajar” dari data
Sekarang, kita masuk ke fase baru: Software 3.0.
Di sini, Large Language Model bukan sekadar alat—ia adalah komputer itu sendiri, yang kita program lewat konteks.
Prompt bukan lagi input biasa. Ia adalah tuas kontrol utama.
Karpathy memberi contoh lewat eksperimennya: MenuGen.
Awalnya, ia membangun aplikasi seperti biasa—UI, OCR, API integration. Kompleks, tapi familiar.
Lalu ia menyadari sesuatu:
Semua itu… bisa jadi tidak perlu.
Dengan model seperti Gemini dan tools seperti Nanobanana, pengguna cukup:
- upload foto menu
- minta AI “render” langsung di atas gambar
Tanpa UI kompleks. Tanpa pipeline panjang.
Aplikasi, dalam banyak kasus, menjadi… opsional.
“LLM adalah interpreter yang melakukan komputasi di ruang informasi melalui konteks.”
Di dunia ini, pekerjaan kita bukan lagi menulis logika.
Tapi menentukan: informasi apa yang harus diberikan agar sistem bisa berpikir.
3. Vibe Coding vs Agentic Engineering: Cepat vs Benar
Di era baru ini, muncul dua gaya membangun software:
🔹 Vibe Coding: menaikkan lantai
Semua orang bisa bikin sesuatu.
Cukup “ngomong” ke AI, dan aplikasi jadi.
Cepat. Intuitif. Eksperimental.
🔹 Agentic Engineering: menjaga atap
Tapi… siapa yang memastikan hasilnya benar?
Di sinilah peran engineer sebenarnya:
- mengatur banyak agen
- mengontrol sistem yang tidak deterministik
- memastikan kualitas, keamanan, dan struktur tetap solid
Kalau Vibe Coding itu “main cepat”,
Agentic Engineering itu “main serius”.
Engineer masa depan bukan lagi 10x coder.
Mereka adalah:
sutradara yang mengatur sekumpulan agen cerdas.
4. Jagged Intelligence: AI Itu Jenius… Tapi Aneh
AI hari ini punya sifat yang membingungkan:
Ia bisa:
- refactor 100.000 baris kode
- menyelesaikan soal kompleks
Tapi bisa gagal menjawab:
“Apakah masuk akal jalan kaki 50 meter ke tempat cuci mobil?”
Karpathy menyebut ini:
Jagged Intelligence — kecerdasan yang “bergerigi”
Kenapa?
Karena AI berkembang pesat di domain yang bisa diverifikasi:
- kode → bisa diuji
- matematika → ada jawaban benar
Di sini, reinforcement learning bekerja sangat efektif.
Tapi dunia nyata?
Tidak selalu punya “jawaban benar” yang jelas.
Ditambah lagi, AI sangat bergantung pada data training.
Contoh ekstrem:
Kemampuan catur GPT-4 meningkat drastis. Bukan karena jadi lebih “pintar”, tapi karena dilatih dengan dataset catur besar.
AI bukan makhluk hidup dengan intuisi.
Ia lebih seperti “hantu statistik” yang kita panggil lewat data.
5. Pergeseran Nilai: Dari Skill Teknis ke Selera
Kalau AI bisa menulis kode…
Apa yang tersisa untuk manusia?
Jawabannya bukan “lebih teknis”.
Justru sebaliknya.
Yang jadi mahal sekarang adalah:
- taste (selera desain)
- kemampuan membuat spesifikasi
- oversight (pengawasan)
Karpathy memberi contoh sederhana tapi krusial:
AI mencoba mencocokkan user Stripe dan Google lewat email.
Padahal seharusnya pakai user ID yang persisten.
Kesalahan kecil tapi fatal.
AI bisa coding cepat.
Tapi tidak selalu paham sistem.
“You can outsource your thinking, but you can’t outsource your understanding.”
6. Neural Computers: Masa Depan yang Dibalik
Visi ke depan bahkan lebih radikal.
Karpathy membayangkan dunia di mana:
- Neural Network jadi host utama
- CPU jadi pelengkap saja
Bukan lagi kita yang menjalankan AI.
Tapi AI yang menjalankan sistem.
Dan dunia pun harus berubah:
Dokumentasi?
Bukan lagi untuk manusia.
Tapi untuk agen.
Alih-alih README panjang, kita butuh:
- sensor
- struktur data
- interface yang bisa langsung “dipahami” AI
Ini adalah dunia:
Agent-Native Infrastructure
7. Penutup: Dari Penulis Kode ke Sutradara Sistem
Kita sedang melewati transisi besar.
Dari:
pengetik kode
Menjadi:
pengarah sistem cerdas
Di dunia di mana AI melakukan heavy lifting,
peran manusia adalah menjaga:
- arah
- logika
- estetika
Pertanyaannya bukan lagi:
“Seberapa cepat kamu bisa coding?”
Tapi:
“Apakah kamu cukup paham sistem… untuk mengarahkan sesuatu yang lebih pintar darimu?”