Workflow AI-Assisted Saya: Lebih Cepat Tanpa Kompromi Kualitas

Sudah sekitar dua tahun saya serius memakai AI dalam workflow development. Bukan sekadar coba-coba, tapi sebagai bagian dari cara kerja profesional. Berikut yang berhasil, yang tidak, dan prinsip yang saya pegang.

Prinsip Inti: AI Sebagai Pair Programmer, Bukan Author

Perubahan pola pikir yang paling penting: AI tidak menulis kode saya. AI menulis draft, lalu saya yang me-review, memverifikasi, dan bertanggung jawab atas hasilnya. Bedanya kelihatan sepele, tapi ini mengubah cara kamu memakai tools-nya.

Ketika AI adalah “author,” kamu merge output tanpa memahaminya. Ketika AI adalah “pair programmer,” kamu memperlakukan sarannya sama seperti saran dari kolega: layak dipertimbangkan, layak ditolak, selalu tanggung jawabmu.

Ini berarti setiap baris yang dibuat AI melewati review yang sama yang saya berikan pada kode manapun: apakah ini menangani edge case? Apakah ini memperkenalkan security surface? Apakah ini cocok dengan pola yang ada di codebase ini?

Tool Yang Benar-Benar Saya Gunakan

Kiro untuk agentic workflow: scaffolding, perubahan di banyak file sekaligus, dan task yang butuh konteks dari seluruh codebase. Kiro mengikuti konvensi proyek selama kamu menyiapkannya dengan benar (AGENTS.md, dokumentasi, test).

GitHub Copilot untuk autocomplete. Cepat, tidak mengganggu, dan cukup jago menangkap pola khas proyek setelah beberapa ratus saran.

Cursor untuk sesi eksplorasi. Saya pakai saat ingin membahas pendekatan sebelum mulai menulis, atau saat masuk ke bagian codebase yang belum saya kenal dan butuh teman berpikir.

Untuk Apa Saya Menggunakan AI

Boilerplate dan scaffolding. Membuat API handler baru yang mengikuti pola yang ada, membuat struktur file test, menyiapkan komponen baru dengan import yang tepat. AI cepat di sini dan outputnya bisa diverifikasi.

Draft pertama utility function. Beri ia signature dan docstring, dapatkan draft, verifikasi edge case, sesuaikan. Lebih cepat dari menulis dari awal, dan proses review memaksamu memikirkan kontrak fungsi tersebut.

Dokumentasi dan komentar. Saya hampir tidak pernah menulis JSDoc secara manual. AI menghasilkan draft pertama; saya memverifikasi kebenarannya.

Bantuan debugging. Mendeskripsikan bug dan mendapatkan daftar kemungkinan penyebab. Saya tidak selalu mengikuti saran pertama, tapi daftar itu mempersempit ruang pencarian.

Regular expression dan transformasi string kompleks. Saya tulis apa yang saya butuhkan dalam bahasa polos, dapatkan regex, verifikasi terhadap test case. Tidak ada yang perlu menghabiskan 30 menit menulis regex ketika ada opsi yang lebih baik.

Untuk Apa Saya Tidak Menggunakan AI

Kode yang menyangkut keamanan. Logika autentikasi, pengecekan otorisasi, dan semua yang berhubungan dengan kriptografi saya tulis sendiri dan saya review dengan teliti.

Database migration. Terlalu banyak konteks implisit tentang data production. AI tidak tahu apa yang ada di database kamu, hanya apa yang dikatakan skema kamu.

Keputusan arsitektur. AI bisa membuat sketsa opsi, tapi “apa bentuk keseluruhan sistem ini seharusnya” membutuhkan pemahaman tentang tim, kendala, lingkungan operasional.

Keputusan final tentang penamaan. Nama AI sering generik. Penamaan yang baik adalah salah satu hal tersulit dalam software, dan itu layak mendapat waktu.

Realita Produktivitas

Dengan AI, saya jelas lebih cepat. Tapi bukan 10x, angka itu cuma jargon marketing. Kenyataannya sekitar 1,4x sampai 1,8x untuk task yang strukturnya bisa ditebak: test, boilerplate, dokumentasi, dan refactor ke pola yang sudah jelas.

Pada masalah desain yang open-ended, bantuan AI lebih mendekati netral. Nilainya di sana lebih kognitif: mengartikulasikan masalah dengan cukup jelas untuk ditanyakan ke AI sering mengklarifikasi pemikiranmu sendiri.

Pemeriksaan Kualitas

Aturan saya: kalau AI yang menulis, saya mengetesnya lebih teliti dibanding kode tulisan saya sendiri. Bukan karena AI lebih buruk (kadang malah lebih bagus), tapi karena saya lebih paham asumsi di balik kode saya sendiri. Test tambahan itu asuransi yang murah.

Sebelum merge kode yang dibuat AI: type-check lulus, test lulus, saya bisa menjelaskan apa yang dilakukan setiap fungsi. Jika saya tidak bisa menjelaskannya, itu tidak ship.

Penilaian Jujur

Development berbantuan AI adalah skill nyata, bukan jalan pintas. Engineer yang menggunakannya dengan baik lebih cepat dan lebih efektif. Engineer yang menggunakannya dengan buruk mengirim bug lebih cepat. Perbedaannya ada pada disiplin review.