Harness sedang naik daun—tapi orang-orang belum memahami siapa sebenarnya yang akan dimakan olehnya

Palo Alto pagi hari, kopi baru saja dihidangkan, Alan Walker menunduk membaca artikel harness dari Anthropic, lalu menengadah dan hanya berkata:

“Banyak orang mengira ini hanya model yang sedikit lebih maju. Salah, ini adalah proses yang mulai mengkhianati manusia.”

Artikel ini tampaknya membahas tentang desain rekayasa, tentang planner, generator, evaluator, tentang bagaimana membuat Claude berjalan terus selama beberapa jam, dan menghasilkan produk yang lebih kompleks.

Kebanyakan orang berhenti membaca di sini. Mereka akan berpikir:

Oh, ternyata hanya agen yang lebih kompleks, prompt yang lebih panjang, alur kerja yang lebih rinci.

Namun Alan mengatakan, yang benar-benar layak diperhatikan bukanlah fitur permukaannya, melainkan ke mana kekuasaan mulai berpindah.

Dulu, untuk menyelesaikan tugas yang kompleks, harus ada orang yang memecah kebutuhan, orang yang melaksanakan, orang yang memeriksa, orang yang melakukan revisi, dan orang yang bertanggung jawab jika terjadi kesalahan.

Sekarang, yang dilakukan Anthropic bukanlah membuat model lebih seperti karyawan yang cerdas, melainkan membuat seluruh sistem mulai mengambil alih lapisan organisasi, pengawasan, dan penerimaan yang sebelumnya menjadi hak manusia.

Harness bukan sekadar ekstensi. Harness adalah mesin yang mulai berkembang menjadi “lapisan manajemen”.

Inilah yang benar-benar menakutkan dari sistem ini.

01 Bukan alat, melainkan “lapisan pengelola alat”

Banyak orang yang melihat harness, langsung berpikir: Ini hanya kerangka agen lain, kan?

Pemahaman ini terlalu dangkal.

Esensi dari alat biasa adalah mengikuti perintah lalu melaksanakan. Kamu klik, dia jalan; kamu tidak bilang, dia diam.

Tapi harness sudah bukan lagi logika itu. Yang sebenarnya dilakukan adalah mengubah struktur pembagian kerja yang dulu tersembunyi di dalam tim manusia menjadi bentuk perangkat lunak:

Siapa yang memahami kebutuhan, siapa yang memecahnya menjadi tahap-tahap, siapa yang melaksanakan, siapa yang memeriksa, dan siapa yang berhak mengembalikan pekerjaan jika ditemukan masalah.

Dengan kata lain, Anthropic bukan menumpuk lebih banyak fitur, melainkan memasukkan cara mengatur pekerjaan itu sendiri ke dalam sistem.

Mengapa langkah ini penting? Karena yang paling sulit diduplikasi selama ini bukanlah kemampuan tunggal, melainkan kemampuan organisasi.

Banyak orang bisa menulis kode.

Namun, sangat jarang yang mampu mengatur tim yang terdiri dari puluhan orang, puluhan langkah, dan puluhan kali revisi, lalu akhirnya mampu mengirimkan hasil secara stabil.

Dan yang dihadapi harness justru adalah lapisan paling berharga ini.

Alat meningkatkan efisiensi, organisasi menentukan hasil.

Model tunggal hanyalah tenaga kerja, Harness mulai menyentuh struktur perusahaan.

Ketika AI tidak hanya mampu bekerja, tetapi juga mulai mampu membagi tugas, melakukan serah terima, dan bertanggung jawab, ini bukan lagi sekadar “peningkatan alat”.

02 Bukan lebih pintar, melainkan lebih sulit berhenti

Hal paling membingungkan dari model adalah, dalam tugas singkat, mereka selalu tampak sangat cerdas.

Tanya satu pertanyaan, jawabannya lengkap; minta buat kode, seringkali tampak layak. Maka banyak orang salah paham: Kalau bisa melakukan tugas singkat, bukankah tugas panjang hanya perlu sedikit waktu lagi?

Ternyata tidak sama sekali.

Kesulitan utama dari tugas panjang bukanlah satu langkah yang tidak bisa dilakukan, melainkan menjaga agar setelah puluhan langkah, hasilnya tetap akurat, tidak kehilangan kendali, dan tidak menipu diri sendiri.

Manusia saat mengerjakan proyek juga begitu. Yang paling ditakuti bukanlah ketidakmampuan, melainkan kekacauan di akhir:

Kebutuhan lupa,

tujuan mulai bergeser,

logika tidak konsisten,

dan yang paling mahir bukanlah menyelesaikan pekerjaan, melainkan menulis ringkasan yang tampak seperti sudah selesai.

Inti dari masalah yang disebutkan dalam artikel Anthropic sebenarnya adalah ini:

Model dalam tugas jangka panjang secara perlahan kehilangan “jiwa”. Semakin panjang konteksnya, semakin kacau kondisinya, dan semakin mudah masuk ke dalam ilusi psikologis “hampir selesai”.

Nilai dari harness bukan membuat model lebih gesit, melainkan membuatnya tidak terlalu menyebar, tidak terlalu kosong, dan tidak terlalu mudah dipermainkan.

Memecah tahap, melakukan serah terima, menetapkan kontrak, evaluasi independen, dan rollback kegagalan—semuanya tampak seperti detail proses, padahal sebenarnya menyelesaikan satu masalah dasar yang sama:

Kecerdasan bisa tidak stabil, tapi pengiriman tidak boleh bergantung pada keberuntungan.

Jadi, untuk benar-benar memahami harness, kamu harus memahami satu hal:

Masa depan yang benar-benar berharga bukanlah siapa yang sesekali mampu menampilkan demo yang mengesankan.

Melainkan siapa yang mampu menjaga sistem tetap maju selama beberapa jam, hari, bahkan lebih lama lagi, tanpa gagal.

Bisa menulis bukanlah hal yang istimewa.

Yang istimewa adalah, tetap tidak crash sampai akhir.

Tiba-tiba muncul ide cemerlang tidaklah berharga, stabilitas pengiriman yang konsistenlah yang berharga.

Alan mengatakan, bagian paling dingin dari artikel Anthropic bukanlah planner, bukan generator, melainkan evaluator.

Mengapa?

Karena model besar memiliki satu kelemahan yang sangat mirip dengan manusia: mereka selalu merasa hasil kerjanya sudah cukup baik.

Tanpa adanya batasan eksternal, mereka mudah memberikan penilaian diri seperti “Secara umum bagus,” “Hampir selesai,” atau “Fungsi inti sudah terpenuhi.”

Masalahnya, penilaian semacam ini seringkali bukan kebohongan, melainkan bentuk toleransi diri secara sistematis.

Di perusahaan manusia, mengapa banyak proyek akhirnya gagal?

Karena orang yang bekerja seringkali paling pandai mencari alasan untuk diri sendiri.

Orang yang melakukan pekerjaan bilang sudah hampir selesai,

yang memeriksa malas melihat secara mendalam,

sehingga barang yang “hampir selesai” itu terus lolos, dan akhirnya meledak di tangan pengguna.

Satu hal yang sangat tegas dari Anthropic adalah memecah proses ini secara langsung:

Orang yang melakukan pekerjaan adalah satu peran,

yang menilai kesalahan adalah peran lain.

Yang pertama bertanggung jawab mendorong, yang kedua bertanggung jawab meragukan.

Logika di balik ini sangat mendalam:

Begitu hak produksi dan hak evaluasi dipisahkan, sistem mulai membentuk lingkaran tertutup yang sesungguhnya.

Lebih menakutkan lagi, Anthropic tidak hanya membiarkan evaluator mengatakan “Saya rasa ini tidak bagus.” Mereka berusaha mengstrukturisasi proses “menemukan kesalahan” secara sistematis:

Fungsi yang harus diuji, poin-poin halaman, antarmuka yang harus dicek, status database yang harus dilihat, dan kualitas desain juga dipecah menjadi dimensi yang dapat dinilai.

Apa artinya ini?

Artinya banyak hak penilaian yang selama ini dianggap mistis oleh manusia, perlahan dipecah menjadi proses, standar, dan ambang batas.

Yang paling awal otomatisasi bukanlah tenaga fisik, melainkan kemampuan untuk menemukan kesalahan.

Begitu “apakah ini layak atau tidak” menjadi proses, banyak pengalaman dan intuisi orang mulai bocor.

Dulu, banyak posisi yang benar-benar berharga bukan karena mampu memproduksi, tetapi karena berhak memutuskan “apakah ini layak atau tidak.”

Sekarang, hak itu mulai bergeser dari tangan manusia.

03 Potongan paling kejam adalah melarang model memuji dirinya sendiri

Alan mengatakan, bagian paling dingin dari artikel Anthropic bukanlah planner, bukan generator, melainkan evaluator.

Mengapa?

Karena model besar memiliki satu kelemahan yang sangat mirip dengan manusia: mereka selalu merasa hasil kerjanya sudah cukup baik.

Tanpa batasan eksternal, mereka mudah memberikan penilaian diri seperti “Secara umum bagus,” “Hampir selesai,” atau “Fungsi inti sudah terpenuhi.”

Masalahnya, penilaian semacam ini seringkali bukan kebohongan, melainkan bentuk toleransi diri secara sistematis.

Di perusahaan manusia, mengapa banyak proyek akhirnya gagal?

Karena orang yang bekerja seringkali paling pandai mencari alasan untuk diri sendiri.

Orang yang melakukan pekerjaan bilang sudah hampir selesai,

yang memeriksa malas melihat secara mendalam,

sehingga barang yang “hampir selesai” itu terus lolos, dan akhirnya meledak di tangan pengguna.

Satu hal yang sangat tegas dari Anthropic adalah memecah proses ini secara langsung:

Orang yang melakukan pekerjaan adalah satu peran,

yang menilai kesalahan adalah peran lain.

Yang pertama bertanggung jawab mendorong, yang kedua bertanggung jawab meragukan.

Logika di balik ini sangat mendalam:

Begitu hak produksi dan hak evaluasi dipisahkan, sistem mulai membentuk lingkaran tertutup yang sesungguhnya.

Lebih menakutkan lagi, Anthropic tidak hanya membiarkan evaluator mengatakan “Saya rasa ini tidak bagus.” Mereka berusaha mengstrukturisasi proses “menemukan kesalahan” secara sistematis:

Fungsi yang harus diuji, poin-poin halaman, antarmuka yang harus dicek, status database yang harus dilihat, dan kualitas desain juga dipecah menjadi dimensi yang dapat dinilai.

Apa artinya ini?

Artinya banyak hak penilaian yang selama ini dianggap mistis oleh manusia, perlahan dipecah menjadi proses, standar, dan ambang batas.

Yang paling awal otomatisasi bukanlah tenaga fisik, melainkan kemampuan untuk menemukan kesalahan.

Begitu “apakah ini layak atau tidak” menjadi proses, banyak pengalaman dan intuisi orang mulai bocor.

Dulu, banyak posisi yang benar-benar berharga bukan karena mampu memproduksi, tetapi karena berhak memutuskan “apakah ini layak atau tidak.”

Sekarang, hak itu mulai bergeser dari tangan manusia.

04 Yang pertama kali diambil alih bukan programmer, melainkan “hampir cukup”

Begitu melihat artikel semacam ini, banyak orang secara refleks langsung bertanya: Apakah programmer akan kehilangan pekerjaan?

Alan mengatakan, pertanyaan seperti ini terlalu dangkal dan malas.

Gelombang pertama harness yang mengambil alih bukanlah nama profesi tertentu.

Yang pertama diambil adalah sebuah cara bertahan hidup yang sudah lama ada dan sangat umum di hampir semua pekerjaan berbasis pengetahuan:

Kebutuhan tidak jelas, langsung dikerjakan;

Di tengah jalan salah arah, diperbaiki nanti;

Hasilnya biasa saja, tapi bisa berjalan;

Dokumen tidak lengkap, tapi semua orang di tim mengerti;

Peluncuran dilakukan dulu, masalah diperbaiki nanti.

Singkatnya, ini adalah seluruh metode kerja yang didasarkan pada ruang kabur dan elastisitas manusia.

Banyak proyek tetap berjalan bukan karena prosesnya benar-benar jelas, melainkan karena selalu ada orang yang mengisi kekosongan dengan pengalaman, pengganti, dan penilaian sementara.

Apa yang dilakukan harness justru sebaliknya.

Ia sedang mempersempit ruang kabur itu.

Ia memperkecil ruang alasan.

Ia mengurangi ruang “saya kira,” “hampir cukup,” “seharusnya bisa.”

Pertama, tentukan apa yang disebut selesai dalam satu putaran ini, lalu mulai bekerja;

Kalau tidak memenuhi syarat, kembalikan;

Kalau tidak lolos, lanjutkan;

Jangan hanya mengandalkan perasaan, harus ada bukti.

Begitu logika ini diterapkan, yang paling berbahaya bukanlah orang yang paling pandai menulis kode, melainkan mereka yang sangat bergantung pada ruang abu-abu.

Harness tidak mengambil alih programmer, yang pertama diambil adalah kekaburan itu sendiri.

Tidak semua orang akan tergantikan, tapi setiap posisi yang bergantung pada ketidakpastian akan mulai kehilangan nilai.

Dulu, banyak posisi yang bergantung pada informasi asimetris, sekarang banyak posisi akan mati karena deviasi standar.

05 Mengapa sekarang justru menjadi tren

Banyak orang bertanya, pekerjaan berbasis workflow ini sebenarnya sudah ada sejak lama, mengapa baru sekarang orang mulai serius?

Karena dulu model dasar tidak cukup kuat.

Lebih jujur lagi:

Dulu banyak kerangka kerja semacam ini terlihat bagus, berjalan berat, tapi tidak cukup kokoh.

Kamu susun banyak proses, banyak peran, buat banyak aturan, akhirnya hanya membungkus model yang tidak terlalu andal menjadi sistem yang lebih kompleks dan juga tidak terlalu andal.

Itulah mengapa banyak orang kehilangan kesabaran terhadap agen, workflow, scaffold, dan sejenisnya, dan itu wajar.

Bukan karena salah arah, tapi karena dasar sistemnya belum sampai ke tahap itu.

Sekarang berbeda.

Begitu model melewati ambang tertentu, banyak proses yang dulu tampak sebagai hiasan mulai mengeluarkan nilai nyata pertama kalinya.

Karena saat model cukup kuat, proses tidak lagi sekadar mendukung yang lemah, melainkan memperbesar sistem yang sebenarnya sudah mampu bekerja secara kontinu.

Inilah alasan mengapa harness tiba-tiba tampak “agak nyata”.

Bukan karena konsepnya baru hari ini, melainkan karena model akhirnya cukup kuat untuk memanfaatkan manfaat dari proses.

Alan mengatakan dengan sangat tepat:

Kemampuan model adalah mesin penggerak, Harness adalah transmisi.

Dulu tanpa mesin yang bagus, transmisi apapun juga hanya sebagai pajangan.

Tapi ketika mesin sudah cukup kuat, transmisi mulai menentukan siapa yang bisa melaju cepat, siapa yang masih menginjak pedal di tempat.

Jadi, ini bukan sekadar tren teknologi, melainkan sinyal industri yang lebih dalam:

Persaingan di masa depan bukan hanya siapa yang punya model lebih kuat, tetapi siapa yang lebih dulu mengintegrasikan model ke dalam sistem produksi.

06 “Manusia secara default berada di tengah”

Akhirnya Alan meletakkan gelasnya dan mengucapkan kalimat paling dingin hari itu:

“Dulu manusia mengawasi perangkat lunak bekerja, sekarang perangkat lunak mengawasi perangkat lunak.”

Mengapa kalimat ini menyakitkan?

Karena ini mengungkap bahwa yang benar-benar diubah oleh harness bukanlah satu posisi tertentu, melainkan sebuah asumsi dasar yang selama ini hampir tidak pernah dipertanyakan:

Dalam kerja digital, secara default harus ada satu orang yang berada di tengah.

Dia yang membagi tugas,

Dia yang mengawasi kemajuan,

Dia yang menilai kualitas,

Dia yang mengkoordinasikan revisi,

Dia yang menjaga garis pertahanan terakhir.

Orang yang secara default berada di tengah ini mungkin disebut programmer, mungkin disebut PM, mungkin TL, mungkin kepala desain, mungkin QA, atau bahkan manajer proyek.

Nama tidak penting.

Yang penting adalah, selama ini seluruh sistem produksi digital menganggap kehadiran pusat manusia ini sebagai hal yang mutlak.

Yang benar-benar diubah oleh harness adalah posisi pusat ini.

Bukan berarti hari ini langsung mengusir manusia, tapi secara perlahan membuktikan bahwa:

Beberapa proses bisa dilakukan secara sistematis,

Beberapa pengawasan bisa dilakukan secara sistematis,

Beberapa penerimaan bisa dilakukan secara sistematis,

Beberapa rollback dan retry juga bisa dilakukan tanpa harus manusia yang pertama kali menemukannya dan memperbaikinya.

Semakin banyak hal ini terbukti, posisi manusia tidak akan hilang secara langsung, tetapi akan mulai merosot.

Dari posisi pusat default, berubah menjadi intervensi pengecualian;

Dari mengawasi seluruh proses, berubah menjadi hanya mengurusi bagian-bagian tertentu;

Dari pengelola proses, menjadi pengamat proses.

Inilah yang sebenarnya diambil alih oleh harness.

Bukan programmer.

Bukan product manager.

Bukan QA.

Melainkan asumsi yang lebih dalam di balik ketiga peran ini:

Manusia secara default adalah pusat dari proses.

Dan begitu asumsi ini mulai melonggar, ceritanya akan berbeda sama sekali.

Era alat bukan lagi soal siapa yang lebih pandai menggunakan alat.

Era harness adalah soal siapa yang lebih awal menerima bahwa:

Dirinya tidak lagi secara alami berada di pusat sistem.