Bacotan Online – Riset empiris terbaru dari peneliti Harvard University mengungkapkan bahwa adopsi AI coding agent di lingkungan industri perangkat lunak melipatgandakan volume kode secara signifikan, namun tidak menghasilkan peningkatan fitur jadi yang terukur akibat membengkaknya waktu peninjauan oleh tim pengembang.
Kajian yang disusun oleh peneliti Fiona Chen dan James Stratton tersebut menganalisis data teragregasi dari Jellyfish, penyedia analitik rekayasa perangkat lunak. Riset ini mencakup 300 juta peristiwa kerja (work events) dari 700.000 karyawan di lebih dari 700 perusahaan teknologi global sepanjang periode 2021 hingga awal 2026. Peneliti memanfaatkan metodologi ekonometrika difference-in-differences untuk mengukur pergeseran produktivitas tim sebelum dan sesudah asisten penulisan kode berbasis kecerdasan buatan diterapkan secara intensif.
Lonjakan Volume Baris Kode Tertahan Hambatan Uji Mutu
Temuan riset menunjukkan kesenjangan nyata antara produktivitas penulisan baris kode di hulu dengan penyelesaian produk akhir di hilir. Penerapan AI coding agent memang mendorong total baris kode melonjak rata-rata 30 persen, frekuensi penyimpanan berkas (commit) naik 20 persen, serta pengajuan permohonan penggabungan kode (pull request) meningkat 23 persen. Meski demikian, lonjakan tersebut tidak mempercepat laju penyelesaian tiket tugas pada sistem manajemen proyek seperti Jira, baik untuk kategori Issue maupun Epic.
Titik perlambatan utama teridentifikasi pada tahapan peninjauan manual (code review). Durasi rata-rata yang diperlukan untuk memverifikasi serta menggabungkan pull request ke repositori utama bertambah hingga 49 persen. Selain itu, proporsi pengajuan yang memerlukan revisi ulang tercatat melonjak hampir dua kali lipat, diiringi peningkatan rata-rata komentar koreksi teknis sebesar 35 persen per berkas permohonan.
Pengawasan Manusia Tetap Menjadi Tumpuan Keandalan Sistem
Guna mengantisipasi penumpukan antrean berkas kode, korporasi terpaksa menambah alokasi personel penguji hingga 14 persen. Kendati 80 persen perusahaan sampel telah menguji coba sistem peninjauan otomatis berbasis kecerdasan buatan, teknologi tersebut baru menyumbang 23,3 persen catatan peninjauan dan hanya memproses 10,8 persen pull request. Temuan ini sejalan dengan riset evaluasi keamanan perangkat lunak Veracode yang menunjukkan tingginya kebutuhan verifikasi manual terhadap stabilitas dan sintaksis kode buatan mesin.
Kondisi ini memperlihatkan bahwa otomatisasi penulisan sintaksis memindahkan konsentrasi beban kerja: waktu yang dihemat pada tahap pengetikan kode terserap kembali oleh proses validasi fungsional di hilir. Tim peneliti merekomendasikan restrukturisasi protokol pengujian perangkat lunak agar pemanfaatan agen otonom dapat memberikan efisiensi nyata pada penyelesaian produk akhir.
