Pengembang menggunakan agen berbayar dua puluh dolar per bulan untuk melipatgandakan output
7 November 2026 · Baca 3 menit
Pengembang perangkat lunak kini mampu menghasilkan volume kode dan fungsionalitas dalam satu hari kerja yang sebelumnya membutuhkan waktu satu minggu atau bahkan satu bulan. Peningkatan produktivitas ini dicapai dengan memanfaatkan agen pemrograman yang tersedia melalui layanan berlangganan dengan biaya dua puluh dolar Amerika Serikat per bulan. Namun, peningkatan kecepatan produksi kode ini menciptakan hambatan baru dalam proses pengembangan. Kode yang dihasilkan oleh pengembang bersama model bahasa besar tidak dapat dirilis ke lingkungan produksi atau dipublikasikan secara umum sebelum melalui proses verifikasi oleh pengujil. Akibatnya, peran pengujil berubah menjadi titik penyempitan utama dalam alur kerja pengembangan perangkat lunak modern.
Perubahan dinamika ini memaksa peninjauan ulang rasio sumber daya manusia dalam tim teknologi. Sebelumnya, standar industri menganggap satu pengujil untuk setiap dua pengembang, atau idealnya satu pengujil untuk satu pengembang. Dengan asumsi bahwa satu pengembang kini menghasilkan tiga hingga lima kali lipat lebih banyak hasil kerja, kebutuhan minimum terhadap pengujil meningkat menjadi dua orang untuk setiap satu pengembang. Perhitungan ini menunjukkan bahwa proporsi pengujil harus naik secara signifikan dari setengah pengujil per pengembang menjadi dua pengujil per pengembang untuk menjaga keseimbangan kualitas dan kecepatan.
Efisiensi tim pengembang juga menunjukkan ketimpangan yang mencolok. Data menunjukkan bahwa dua puluh persen pengembang menghasilkan delapan puluh persen dari seluruh kode, sementara delapan puluh persen pengembang lainnya hanya menghasilkan dua puluh persen. Upaya untuk meningkatkan volume kerja dengan merekrut lebih banyak pengembang sering kali tidak sebanding dengan biaya. Pengeluaran dapat meningkat dua hingga tiga kali lipat, sementara volume kerja yang selesai hanya bertambah maksimal lima puluh persen. Hal ini terjadi karena sulitnya menemukan pengembang yang benar-benar produktif, sehingga perusahaan sering kali merekrut siapa saja untuk mengisi posisi kosong. Kondisi ini memicu pertanyaan mengapa anggaran tidak dialihkan dari pengembang yang kurang efektif ke peningkatan jumlah pengujil. Penambahan biaya dua puluh hingga seratus dolar Amerika Serikat untuk langganan kecerdasan buatan bagi pengembang dan pengujil, bersamaan dengan pengurangan tiga puluh persen pengembang, dapat menghasilkan penghematan biaya.
Pengujil juga dapat memanfaatkan agen pemrograman untuk mempercepat tugas administratif. Dengan akses ke basis kode terbaru dan sistem tiket melalui protokol MCP, pengujil dapat meminta agen untuk menyusun tiket sesuai aturan, memeriksa basis kode untuk klarifikasi, dan menyertakan tangkapan layar. Agen tersebut juga dapat menulis dan memelihara pengujian antarmuka pengguna secara otomatis dengan melihat kode proyek, yang mengurangi beban kerja manual pengujil dalam menjaga relevansi pengujian seiring perubahan produk.
Sebuah perusahaan produk besar dengan layanan daring dilaporkan telah mengambil langkah lebih jauh dengan menghilangkan peran pengujil sepenuhnya. Dalam sebuah percakapan, disebutkan bahwa agen masuk ke Figma, memeriksa peta layar, menjalankan semua pengujian di emulator, memperbaiki masalah, membuka permintaan penggabungan dengan deskripsi dan tangkapan layar, serta memindahkan tugas ke status selesai di Jira. Perusahaan tersebut beralasan bahwa pengembang yang mengerjakan tugas harus mengujinya sendiri. Namun, pendekatan ini dianggap keliru karena tugas pengembang adalah membuktikan bahwa sistem berfungsi, sedangkan tugas pengujil adalah membuktikan bahwa sistem tidak berfungsi. Kualitas produk yang masuk ke produksi dilaporkan menurun, dan perusahaan tersebut mungkin menunggu insiden besar untuk mengembalikan pengujil.
Kecerdasan buatan tidak seharusnya menggantikan peran pengujil dalam verifikasi manual. Pengujil tetap penting karena mereka memeriksa secara langsung hasil kerja pengembang yang mungkin mengandung kesalahan. Kecerdasan buatan hanya dapat mempercepat proses pembuatan tiket atau penulisan pengujian otomatis. Jika kecepatan pengembangan meningkat beberapa kali lipat, sumber daya untuk pengujian harus didistribusikan ulang secara proporsional. Tanpa penyesuaian ini, perusahaan hanya akan belajar memproduksi bug dengan kecepatan yang jauh lebih tinggi.