Chamath Palihapitiya: Adopsi AI Coding Bisa Ubah Insinyur Jadi 'Pemain Slot'
Baca dalam 60 detik
- Venture capitalist Chamath Palihapitiya memperingatkan bahwa penggunaan alat AI coding yang masif berisiko membuat pengembang fokus pada kecepatan menghasilkan kode, bukan kualitas perangkat lunak.
- Ia menyamakan fenomena ini dengan 'brain rot' akibat doom scrolling dan menekankan perlunya niat, tata kelola, verifikasi, serta bukti dalam adopsi AI.
- Pernyataan ini muncul saat adopsi AI coding melonjak di perusahaan teknologi, dengan laporan bahwa 75% kode baru di Google dihasilkan AI dan 95% insinyur Uber menggunakannya setiap bulan.

Venture capitalist Chamath Palihapitiya melontarkan kritik tajam terhadap adopsi alat pengkodean berbasis kecerdasan buatan (AI) yang semakin masif. Dalam unggahan di platform X pada Minggu (20/9/2026), ia menilai bahwa fenomena ini berpotensi mengubah para ahli teknis menjadi sekadar operator yang menekan tombol, bukan pencipta solusi.
Palihapitiya menyoroti pola kerja yang menurutnya kontraproduktif. "Orang-orang bekerja 12 hingga 13 jam sehari hanya untuk menekan enter," tulisnya. Ia menggambarkan situasi tersebut seperti mengubah generasi ahli teknis di seluruh dunia menjadi pensiunan yang duduk di depan mesin slot kasino. Menurutnya, ini adalah bentuk pembusukan otak (brain rot) yang mirip dengan kebiasaan menggulir media sosial tanpa henti.
Kritik ini bukan tanpa dasar. Sepanjang 2026, sejumlah perusahaan teknologi besar melaporkan lonjakan penggunaan AI dalam proses pengembangan perangkat lunak. Presiden OpenAI, Greg Brockman, pada Mei lalu mengungkapkan bahwa alat AI telah menulis 20% hingga 80% kode pengembang hanya dalam sebulan. Alphabet Google bahkan mencatat 75% kode barunya dihasilkan oleh AI dan disetujui oleh insinyur. Sementara itu, CTO Uber, Praveen Neppalli Naga, pada Maret mengatakan 95% insinyur perusahaan menggunakan alat AI setiap bulan, dengan agen AI coding menghasilkan sekitar 1.800 perubahan kode per minggu tanpa penulisan manusia.
Palihapitiya tidak menolak otomatisasi, tetapi ia menekankan bahwa nilai sebenarnya dari perangkat lunak otomatis bukanlah kecepatan eksekusi. "Nilai perangkat lunak otomatis bukan membuat perangkat lunak lebih cepat. Melainkan memahami niat Anda dan membuat perangkat lunak menjadi LEBIH BAIK," tegasnya. Ia menyebutkan perlunya keunggulan tepi (edge), desain yang lebih baik, dan alpha yang lebih tinggi. Tanpa niat yang jelas, perusahaan hanya akan mempercepat kode yang buruk.
Ia mengusulkan empat pilar yang harus menjadi fokus perusahaan: niat (intention), tata kelola (governance), verifikasi (verification), dan bukti (evidence). Menurutnya, adopsi alat dari bawah ke atas (bottom-up) hanya akan meningkatkan biaya dan mempercepat perilaku mesin slot. Oleh karena itu, ia menekankan pentingnya kepemimpinan dari CEO, CFO, dan CIO dalam mengarahkan penggunaan AI secara strategis.
"Kami mengubah seluruh generasi ahli teknis di seluruh dunia menjadi setara dengan pensiunan yang menekan tombol di depan mesin slot kasino. Pada dasarnya ini adalah pembusukan otak dari doom scrolling media sosial." โ Chamath Palihapitiya
Pandangan Palihapitiya sejalan dengan catatan Boris Cherny, insinyur di balik Claude Code dari Anthropic. Bulan lalu, Cherny mengatakan bahwa alat AI coding semakin baik dalam menangani bug rutin, tetapi justru memunculkan tantangan yang lebih kompleks terkait desain sistem, kegunaan antarmuka, dan konteks yang lebih luas. Ia menyoroti pentingnya tinjauan kode secara adversarial dan fitur /code-review untuk menangkap masalah tersebut.
Bagi Indonesia, peringatan ini relevan mengingat gelombang adopsi AI coding juga mulai merambah startup dan perusahaan teknologi di dalam negeri. Tanpa kerangka tata kelola yang jelas, kekhawatiran Palihapitiya tentang penurunan kualitas dan hilangnya keterampilan teknis bisa menjadi kenyataan. Perusahaan perlu memastikan bahwa AI digunakan untuk memperkuat penalaran dan kreativitas, bukan sekadar mengejar kecepatan. Regulator pun dituntut untuk mulai memikirkan standar verifikasi dan akuntabilitas dalam pengembangan perangkat lunak berbasis AI.
Ke depan, pertanyaannya bukan lagi apakah AI akan mendominasi penulisan kode, melainkan bagaimana organisasi dapat mengintegrasikannya tanpa mengorbankan kualitas dan daya saing jangka panjang. Apakah perusahaan akan memilih jalan pintas yang mempercepat kode buruk, atau membangun fondasi yang lebih kokoh dengan niat dan verifikasi yang ketat?



