Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# AI dapat menulis kodenya. Siapa yang akan belajar memperbaikinya?

> Tugas pemrograman dapat selesai sebelum pembuatnya memahami sistem tersebut. Dua eksperimen mengarah pada pertanyaan praktis bagi tim: bagaimana pengembang junior akan belajar menjelaskan, mendiagnosis, dan menyesuaikan pekerjaan berbantuan AI?

By BIG CHANGE Editorial

Published: 2026-09-22T16:40:55.934Z
Updated: 2026-09-22T16:40:55.934Z
Canonical: https://bigchange.ai/blog/ai-coding-skills-learning-apprenticeship

![An automated arm assembles abstract interlocking modules while a junior developer studies orange pathways inside an opened module.](https://bigchange.ai/api/media/file/ai-coding-learning-apprenticeship-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Automation can deliver a finished implementation before a newcomer has traced how it works. This conceptual scene represents the need to build understanding alongside AI-assisted output; it is not a product interface, study result or forecast of inevitable deskilling.

Pengembang junior dapat meminta asisten AI menggunakan pustaka yang belum dikenalnya, memperoleh kode yang berfungsi, lalu melanjutkan pekerjaan. Fitur itu mungkin siap sebelum pengembang memahami alasan kode tersebut berfungsi. Hal ini penting ketika kode gagal di kemudian hari, persyaratan berubah, atau seseorang harus memutuskan apakah perbaikan dari asisten aman.

Insinyur perangkat lunak Alexandru Nedelcu mengangkat kekhawatiran ini dalam sebuah [esai pada 22 September](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you). Ia berpendapat bahwa pengembang membangun penilaian dengan membaca kode, membuat pilihan, dan menghadapi konsekuensi kesalahan. Prediksinya bahwa sejumlah perusahaan akan mengiklankan kebijakan yang melarang AI adalah pendapat, bukan perubahan industri yang telah teramati. Eksperimen terpisah yang diterbitkan pada Januari memberi pertanyaan tentang pembelajaran bentuk yang lebih sempit dan dapat diuji: apa yang dipahami pemrogram segera setelah menyelesaikan tugas dengan bantuan AI? [Uraian riset Anthropic](https://www.anthropic.com/research/AI-assistance-coding-skills)

## Perubahan besar

- **Yang berubah:** AI mempermudah pengiriman perangkat lunak yang sudah selesai tanpa memahami logikanya terlebih dahulu. AI dapat menyediakan implementasi sebelum pendatang baru berlatih membuat keputusan yang diperlukan untuk menjelaskan atau memperbaikinya.
- **Mengapa ini penting:** Manajer mungkin memperoleh hasil kerja hari ini, tetapi sekaligus melemahkan jalur yang membentuk staf junior menjadi orang yang mampu mendiagnosis kegagalan esok hari. Risikonya paling besar saat tugas menggunakan konsep yang belum dikenal; bantuan untuk pekerjaan yang sudah akrab tetap dapat bermanfaat.
- **Yang perlu dipantau:** Tim dapat mulai memperlakukan pembelajaran sebagai bagian dari penyerahan hasil, dengan menyediakan waktu untuk menjelaskan, mendiagnosis, dan menyesuaikan pekerjaan berbantuan AI. Jika melakukannya, latihan perekrutan dan produk pemrograman dapat menghargai pemahaman yang terbukti, selain kecepatan.

## Tugas yang selesai dan keterampilan yang dipelajari adalah dua hasil berbeda

Dalam [studi teracak terhadap 52 pemrogram](https://arxiv.org/abs/2601.20245), peserta menggunakan pustaka Python yang belum dikenal bernama Trio untuk menyelesaikan dua tugas pemrograman. Separuh peserta mendapat akses ke asisten AI di lingkungan pemrograman; separuh lainnya tidak. Mereka tahu bahwa akan ada kuis setelahnya. Tak lama setelah pengerjaan, kuis itu menguji konsep, pembacaan kode, dan debugging.

Kelompok AI memperoleh nilai rata-rata 50%, dibandingkan dengan 67% pada kelompok tanpa AI: selisih 17 poin persentase, bukan penurunan relatif sebesar 17%. Kesenjangan terbesar terdapat pada soal debugging. Rata-rata, kelompok AI menyelesaikan tugas sekitar dua menit lebih cepat, tetapi perbedaan waktu itu tidak signifikan secara statistik. Hasil ini berlaku untuk interaksi singkat dengan satu pustaka dan tes langsung setelahnya, bukan pengukuran karier pengembang atau mutu sistem produksi. [Hasil dan batasan penelitian](https://www.anthropic.com/research/AI-assistance-coding-skills)

Para peneliti juga mengamati cara peserta menggunakan asisten. Sebagian besar menyerahkan penulisan dan debugging kode kepada AI; sebagian lainnya meminta penjelasan atau mempelajari konsepnya sendiri. Pola yang lebih aktif cenderung mendapat skor lebih baik, tetapi kelompok kecil tersebut diidentifikasi setelah penelitian. Peserta diacak berdasarkan akses ke AI, bukan berdasarkan cara tertentu dalam berinteraksi dengannya. Meminta penjelasan mungkin membantu pembelajar, tetapi studi ini tidak dapat membuktikan bahwa satu prompt atau alur kerja tertentu mencegah kesenjangan pembelajaran. [Analisis interaksi dalam makalah](https://arxiv.org/html/2601.20245v2)

Kesalahan sering menjadi momen ketika pendatang baru mempelajari asumsi suatu pustaka. Jika asisten menangani implementasi awal sekaligus perbaikannya, pengembang mungkin lebih jarang melihat asumsi tersebut. Ini salah satu penjelasan yang mungkin untuk kesenjangan pada debugging.

## Kecepatan tetap penting, dan tugas yang diberikan mengubah jawabannya

Bantuan AI juga mempercepat pemrograman dalam kondisi berbeda. Dalam [eksperimen GitHub Copilot yang terkendali](https://arxiv.org/abs/2302.06590), 95 pekerja lepas profesional ditugaskan membuat server HTTP JavaScript. Di antara peserta yang menyelesaikan tugas, kelompok Copilot rata-rata menuntaskannya dalam sekitar 71 menit, dibandingkan dengan sekitar 161 menit pada kelompok kontrol, atau pengurangan waktu penyelesaian sebesar 55,8%. Para peneliti tidak menguji apa yang dipelajari pemrogram sesudahnya. Tugas tersebut adalah implementasi dengan ruang lingkup terbatas, bukan pengenalan pustaka baru yang diikuti kuis pemahaman.

Kedua temuan dapat berguna bagi manajer. Jika pengembang berpengalaman menggunakan AI untuk menyelesaikan pekerjaan berulang, waktu yang dihemat mungkin nyata. Namun, ketika tujuannya mempelajari sistem baru, hasil kerja yang lebih cepat dan pemahaman yang lebih kuat perlu diperiksa secara terpisah. Larangan AI secara menyeluruh akan membuang potensi keuntungan tanpa menjawab bagaimana orang belajar mengawasi pekerjaan tersebut.

Esai Nedelcu melangkah lebih jauh daripada eksperimen itu. Ia berpendapat bahwa kemudahan pemeliharaan baru terlihat selama berbulan-bulan atau bertahun-tahun dan pengalaman tumbuh melalui tanggung jawab atas kesalahan. Studi tersebut tidak mengukur kemudahan pemeliharaan jangka panjang ataupun menunjukkan bahwa pengguna AI sama sekali berhenti belajar. Tantangan organisasional yang ia ajukan tetap berguna: jika tim makin sering mendelegasikan pekerjaan latihan, di mana calon pemecah masalah di masa depan akan memperoleh pengalaman tersebut? [Esai Nedelcu](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you)

## Berikan pembelajar sesuatu untuk dibuktikan setelah kode berjalan

Salah satu tanggapan praktis adalah memberi pendatang baru tugas berbantuan AI, lalu meminta pemeriksaan singkat secara mandiri sebelum menganggap pekerjaan tersebut berhasil sebagai pembelajaran. Ini latihan yang kami usulkan, bukan intervensi yang diuji oleh salah satu studi:

1. **Jelaskan:** Tanpa meminta bantuan asisten, uraikan mengapa bagian kode yang belum dikenal itu berfungsi, asumsi apa yang digunakannya, dan apa yang dapat membuatnya gagal. Insinyur senior dapat mengajukan satu pertanyaan lanjutan yang berkaitan dengan perubahan sebenarnya.
2. **Diagnosis:** Buat kegagalan kecil yang realistis di cabang pengujian yang aman. Minta pembelajar menemukan penyebabnya dan menyebutkan pengamatan yang menyingkirkan perbaikan keliru yang tampak menggoda. Tujuannya adalah penalaran, bukan menghafal perintah.
3. **Sesuaikan:** Ubah persyaratan, lalu minta pembelajar memperbarui implementasi dan pengujiannya. Mereka boleh menggunakan AI, tetapi harus mampu mempertanggungjawabkan perilaku baru dan menyebutkan hal yang masih perlu diverifikasi.

Sebagai contoh, setelah asisten menulis operasi asinkron baru, peninjau dapat bertanya apa yang terjadi jika operasi itu dibatalkan di tengah jalan. Pengembang seharusnya mampu menelusuri alurnya dan menguji persyaratan yang diubah. Tinjauan kode saja mungkin menemukan cacat, tetapi tetap membiarkan pembelajar tidak siap menangani masalah berikutnya. Pemeriksaan yang diusulkan menanyakan apakah pengetahuan ikut tersampaikan bersama kode yang diserahkan.

Latihan ini tidak perlu mengubah setiap tiket rutin menjadi ujian. Tim dapat menyisihkan latihan tersebut untuk pustaka yang belum dikenal, pola kegagalan berulang, atau pekerjaan yang nantinya diharapkan menjadi tanggung jawab rekan junior. Latihan ini memerlukan waktu berbayar dan peninjau yang memahami sistemnya. Jika manajemen hanya menghitung tugas yang digabungkan dan waktu yang dihemat, biaya tersebut mungkin menjadi hal pertama yang dipangkas. Akibatnya, masalah pelatihan bisa makin sulit meskipun hasil kerja hari ini meningkat.

## Pertanyaan pemagangan menjangkau perekrutan dan desain produk

Peran junior sering menggabungkan penyelesaian pekerjaan dengan latihan yang diawasi. AI mengubah keseimbangan itu ketika kandidat dapat menunjukkan fitur akhir yang mengesankan tanpa memperlihatkan cara mereka menalar. Pemberi kerja dapat meminta kandidat menjelaskan dan mengubah bagian kecil pekerjaan, alih-alih menganggap repositori yang rapi sebagai bukti keterampilan mandiri. Ini tanggapan perekrutan yang diusulkan, bukan bukti tren perekrutan saat ini. Uji kemampuan yang benar-benar dibutuhkan oleh peran tersebut, bukan mewajibkan setiap pelamar bekerja tanpa alat.

Produk pemrograman menghadapi pilihan serupa. Asisten dapat dioptimalkan untuk memberikan jawaban cepat, atau memudahkan pengguna memeriksa asumsi, mengajukan pertanyaan konseptual, dan mencoba perubahan sebelum solusi ditampilkan. Pola interaksi yang diamati dalam studi itu membuat desain kedua layak dicoba, walaupun belum membuktikan bahwa antarmuka tertentu mengajarkan keterampilan dengan lebih baik. Bagi pemberi kerja, pertanyaan pembelian yang sepadan adalah apakah alat membantu staf belajar meninjau dan mengubah keluarannya, bukan hanya seberapa banyak kode yang dihasilkan.

Kuis singkat tidak dapat memberi tahu kita siapa yang akan menjadi ahli dalam lima tahun. Namun, kuis itu menunjukkan mengapa implementasi yang diterima bukan pengganti bukti pemahaman pada tugas yang belum dikenal. Tim yang menginginkan otomatisasi sekaligus generasi profesional baru yang cakap harus menyediakan ruang untuk berlatih dan memeriksa kemampuan orang saat jawabannya berubah.

## Sources

- [Alexandru Nedelcu: AI Tidak Memiliki Kebijaksanaan, Begitu Juga Anda](https://alexn.org/blog/2026/09/22/ai-has-no-wisdom-and-neither-will-you) — Esai Nedelcu berpendapat bahwa penilaian rekayasa berkembang melalui membaca, membuat keputusan, dan bertanggung jawab atas kesalahan. Klaimnya tentang kemudahan pemeliharaan serta prediksi kebijakan tanpa AI merupakan pendapat, bukan hasil pengukuran.
- [Anthropic: Bagaimana bantuan AI memengaruhi pembentukan keterampilan pemrograman](https://www.anthropic.com/research/AI-assistance-coding-skills) — Para peneliti menjelaskan eksperimen Trio teracak dengan 52 peserta: skor 50% dibandingkan 67% pada kuis langsung, selisih 17 poin persentase; perbedaan kecil pada waktu penyelesaian tidak signifikan. Pola interaksi bersifat observasional dan studi ini tidak mengukur karier jangka panjang.
- [Shen dan Tamkin: Bagaimana AI Memengaruhi Pembentukan Keterampilan](https://arxiv.org/abs/2601.20245) — Makalah penelitian ini merinci tugas, peserta, pengacakan, dan evaluasi. Revisi bulan Februari memperbaiki salah ketik pada tabel. Kami menggunakan makalah ini untuk membatasi temuan kausal pada akses ke AI dan pemahaman langsung, bukan untuk meresepkan teknik prompting yang terbukti.
- [Peng dkk.: Dampak AI terhadap Produktivitas Pengembang](https://arxiv.org/abs/2302.06590) — Dalam studi Copilot terkendali yang terpisah, pekerja lepas profesional yang membuat server JavaScript menyelesaikan tugas lebih cepat dengan AI; pengurangan waktu 55,8% dihitung di antara peserta yang menuntaskan tugas. Studi ini tidak menguji pembelajaran, dan tugasnya berbeda dari latihan Trio yang menggunakan pustaka asing.