EP1. LLM yang Sama, Hasil Berbeda
👥 Berapa Banyak Developer yang Diwakili AI Anda?​
"ChatGPT, buatkan modul login untuk saya!"
Jika Anda seorang developer, Anda mungkin sudah melemparkan permintaan seperti ini beberapa kali sehari—menggunakan Claude yang sama, GPT yang sama. Namun hasilnya bisa sangat berbeda.
Beberapa orang menyalin-tempel kode yang dihasilkan AI hingga begadang semalaman. Yang lain dengan tenang mengarahkan pekerjaan seolah memimpin tim sepuluh engineer brilian. Alatnya identik—jadi mengapa celahnya ada?
Hari ini kita akan membahas rahasia itu.
Jujur saja: kemampuan AI saat ini luar biasa. AI dapat melontarkan fungsi—atau seluruh fitur—dalam hitungan detik. Satu LLM dapat melakukan dalam sekejap apa yang mungkin membutuhkan puluhan developer. Ini adalah era yang menggembirakan.
Tapi di sini kita perlu mengajukan pertanyaan serius.
"Jika saya punya seratus junior developer yang tak kenal lelah di depan saya yang tidak pernah tidur, bisakah saya benar-benar memimpin mereka?"
Bahkan dengan seratus rekan brilian, apa yang terjadi tanpa project manager—atau direktur—yang menetapkan arah, menugaskan pekerjaan, meninjau output, dan mengintegrasikannya? Proyek menjadi kacau dalam semalam.
Itulah posisi kita sekarang. Kita punya pasukan AI besar di ujung jari, tapi kita masih perlu mempersiapkan diri untuk memimpinnya.
🔍 Sehari dalam Kehidupan Junior Developer A dan B​
Mari lihat dua pola umum dan gunakan sebagai cermin: mana yang lebih mirip Anda hari ini?
🚨 "Apa Pun Kata AI" — Developer A​
Junior developer A yang sibuk kembali berlomba dengan deadline. Dalam terburu-buru, ia bertanya pada AI:
"Tambahkan modul login."
AI dengan cepat menghasilkan kode yang tampak masuk akal. A berpikir, AI mungkin sudah benar, dan menempelkannya ke proyek tanpa banyak berpikir. Untuk saat ini berjalan—lega.
Tapi masalah sebenarnya muncul seminggu kemudian.
Tinjauan keamanan menandai kerentanan manajemen sesi—atau ketidakcocokan antarmuka dengan modul lain. A, yang menempelkan kode yang tidak pernah dipahaminya, akhirnya menulis ulang semuanya dari awal melalui malam tanpa tidur lagi.
Codebase tumbuh, tapi kepala A dipenuhi hal-hal yang tidak diketahuinya—ketidaktahuan yang terus membesar.
🤝 "Berpikir Bersama AI" — Developer B​
Developer B, masa jabatan sama, juga membutuhkan modul login. Tapi hubungannya dengan AI benar-benar berbeda.
"Proyek kami akan memiliki sekitar 100.000 pengguna dan keamanan sangat penting. Pertama, sarankan pendekatan autentikasi yang bisa kita gunakan dan bandingkan trade-off masing-masing."
Ketika AI menawarkan auth berbasis sesi, JWT, OAuth 2.0, dan lainnya, B bolak-balik dengannya—merancang struktur terbaik untuk masa depan proyek (skalabilitas aplikasi mobile, dll.).
Baru setelah satu jam diskusi intens dan arsitektur yang terkunci, B meminta kode. Hasilnya mungkin terlihat mirip dengan A di permukaan—tapi B sepenuhnya memahami mengapa dirancang begini, mengapa penanganan error mengikuti pola ini, dan setiap alasan desain di baliknya.
💡 Ini Sikap, Bukan Teknologi​
Inilah wawasan kuncinya: apakah Anda menggunakan model terbaru, atau Claude Code vs. Codex vs. Cursor vs. Antigravity, kurang penting dari yang Anda kira. Celah sebenarnya datang dari cara Anda mendekati AI.
- Sikap A: "AI akan menyelesaikannya. Saya cukup menyalin hasilnya." (Menyerahkan kendali)
- Sikap B: "AI adalah alat hebat, tapi saya yang memutuskan akhirnya. Saya perlu memahaminya sepenuhnya." (Berkolaborasi sambil menjaga kendali)
Alat tidak meningkatkan Anda. Cara Anda memperlakukan alat yang meningkatkan Anda.
Jika Anda hanya mendelegasikan pekerjaan pada AI, pertumbuhan tetap lambat. Jika Anda berpikir bersama AI dan merancang arsitektur bersama, setiap percakapan memperluas perspektif dan terus memperluas kemampuan Anda.
Di era di mana AI dapat melakukan pekerjaan seratus orang—apakah Anda akan menjadi direktur yang memimpin mereka, atau hanya pekerja copy-paste yang berulang?
🦉 Cocrates Harness sebagai Pelatih Anda​
Anda mungkin sudah tahu seharusnya bekerja seperti B. Tapi dalam pekerjaan sehari-hari yang sibuk, meminta alternatif dan membandingkan trade-off setiap kali—tanpa sistem—sulit.
Di sinilah protagonis kita, Cocrates, masuk.
Cocrates bukan sekretaris AI yang membuang kode dan menghilang. Ini adalah pelatih AI yang memimpin percakapan agar Anda belajar menggunakan AI dengan baik dan membangun kebiasaan berpikir dan memutuskan sendiri.
- Jika Anda bilang "ajari saya ini," ia tidak akan membuang Wikipedia pada Anda. Ia mengajukan pertanyaan tepat agar Anda menemukan konsep sendiri.
- Jika Anda bilang "bangun ini," ia tidak akan membanjiri Anda dengan kode. Ia merancang arsitektur dulu—"Apa trade-off jika kita pilih arsitektur ini?"—dan menunggu hingga Anda memahami dan menyetujui.
Singkatnya, Cocrates adalah harness sistematis yang membantu Anda secara alami mengambil alih dan bertindak seperti Direktur B.
📌 Poin Penting​
- LLM yang sama, hasil berbeda: Sikap pengguna terhadap alat lebih penting daripada performa AI mentah.
- A vs. B: Copy-paste atas perintah vs. merancang arsitektur bersama dan memahaminya.
- Peran Cocrates: Membimbing Anda dengan pertanyaan agar tumbuh menjadi direktur aktif—bukan asisten tanpa kritis.
🎬 Selanjutnya​
Di seluruh seri ini, satu prinsip kuat mengalir di segalanya:
"Kode yang tidak diperiksa tidak layak dihasilkan."
Lain kali kita akan membongkar mengapa kalimat Sokratik ini adalah senjata nyata bagi junior developer—dan apa arti pemeriksaan sebenarnya.
Sudah penasaran dengan episode berikutnya? Maka Anda sudah di jalur Direktur B. Sampai jumpa! đź‘‹
Seri ini memperkenalkan framework Cocrates Harness. Cocrates adalah agent harness yang dirancang untuk dialog Sokratik agar pengguna menjaga kendali dan berkembang.