Menulis kode, pada dasarnya sudah terselesaikan

Menulis artikel: Boris Cherny

Di dalam Anthropic, Boris Cherny dijuluki oleh rekan kerjanya sebagai “Bapak Kode Claude”. Dia secara langsung memimpin tim dalam menciptakan asisten pemrograman berbasis model besar yang terintegrasi secara mendalam ini, dan juga mengalami sendiri transisi besar dari “pengisian otomatis kode” ke “agen cerdas yang menulis 100% kode”.

Dalam sesi berbagi ini yang ditujukan untuk pengusaha dan insinyur, dia secara sistematis menceritakan kisah kelahiran Claude Code, mengapa dikatakan bahwa “codingissolved (menulis kode telah secara dasar terselesaikan)”, serta perubahan apa yang akan terjadi di industri perangkat lunak dan bentuk tim berdasarkan asumsi ini.

Dari “Proyek Tak Terduga” ke Produk Fenomenal

Boris bergabung dengan Anthropic pada akhir 2024, saat itu perusahaan memiliki tim inkubasi yang disebut AnthropicLabs. Tim kecil ini kemudian secara cepat menghasilkan beberapa produk inti seperti Claude Code, MCP, dan aplikasi desktop, dan setelah menyelesaikan misi mereka, tim ini dibubarkan, lalu dipanggil kembali dan memasuki “putaran kedua”.

Dalam konteks tahun 2024, gambaran utama industri tentang “AI menulis kode” masih berpusat pada “asosiatif/penyelesaian tipe” di dalam IDE — tekan Tab, biarkan model membantu melengkapi satu baris kode. Intuisi Boris adalah: kemampuan model sebenarnya sudah jauh melampaui bentuk ini, dan bentuk produk yang sebenarnya sangat tertinggal, inilah yang mereka sebut sebagai “product overhang” secara internal.

Oleh karena itu, tujuan awal Claude Code sangat agresif: bukan lagi membuat penyelesaian yang lebih pintar, melainkan membiarkan agen cerdas langsung menangani pekerjaan “menulis seluruh kode”, sementara manusia lebih fokus pada review dan pengambilan keputusan.

Tentu saja, kenyataannya tidak semulus itu. Dalam 6 bulan pertama pembuatan Claude Code, hampir tidak ada yang benar-benar menggunakannya. Ia hanya mampu menulis sekitar 10% dari kode, pengalaman pengguna sangat kasar, dan bahkan di dalam Anthropic sendiri hanyalah alat eksperimen. Hingga Mei 2025, setelah peluncuran model Opus 4, kurva penggunaan benar-benar meningkat secara eksponensial, dan setiap peningkatan model (4.5, 4.6, 4.7) membawa titik balik yang jelas berupa “perbaikan yang sangat signifikan”.

Melihat ke belakang, hal paling istimewa dari produk ini adalah: dari hari pertama, ia tidak dirancang untuk “model saat ini”, melainkan untuk “model generasi berikutnya dalam 6 bulan ke depan”. Tim tahu bahwa dalam jangka waktu tertentu, tidak akan ada kecocokan pasar produk (PMF), tetapi mereka tetap berpegang pada membangun “interaksi yang tepat” terlebih dahulu, lalu menunggu model menyusul.

Mengapa dikatakan “menulis kode telah terselesaikan”?

Di acara tersebut, Boris langsung bertanya kepada para programmer di depan: siapa yang masih 100% menulis kode secara manual? Siapa yang 100% menggunakan Claude Code atau agen cerdas serupa untuk menulis kode? Kebanyakan orang berada di tengah-tengah, dia bercanda, “Kalau begitu, itu sudah 50% terselesaikan.”

Namun bagi dirinya sendiri, jawabannya sudah sangat ekstrem: dia saat ini 100% kode yang dia buat dihasilkan oleh Claude Code.

Kode yang dimiliki Claude Code sendiri sepenuhnya ditulis oleh model, stack teknologinya sangat konvensional yaitu TypeScript+React, tanpa teknologi canggih yang rumit.

Salah satu alasan memilih stack ini adalah saat kemampuan model masih belum cukup kuat di awal, menggunakan “stack teknologi utama dalam distribusi pelatihan model” dapat secara signifikan meningkatkan kualitas hasil generasi.

Seiring iterasi model, sekarang ia hampir tanpa hambatan mampu mempelajari bahasa baru, kerangka kerja baru, dan pilihan stack teknologi tidak lagi menjadi hambatan.

Dalam alur kerja pribadi Boris, dia bisa menyelesaikan puluhan PR setiap hari, pernah satu hari “menggesek” hingga 150 PR, hanya untuk menguji seberapa tinggi efisiensinya; dan semua PR tersebut, kode yang benar-benar ditulis adalah oleh Claude. Dia berperan sebagai produk/arsitektur/reviewer.

Tentu saja, dia juga mengakui bahwa “menyelesaikan 100%” ini saat ini hanya berlaku di sebagian skenario:

Kode yang kecil dan jelas, dengan stack teknologi utama, sudah bisa sepenuhnya diserahkan ke model untuk ditulis.

Untuk kode yang sangat besar, kompleks secara historis, atau dalam bahasa yang jarang digunakan dan lingkungan rekayasa yang sangat khusus, model besar saat ini masih memiliki kekurangan yang nyata.

Namun, penilaiannya sangat sederhana: kebanyakan kekurangan ini hanyalah masalah “menunggu model generasi berikutnya”.

Satu ponsel + ribuan agen: alur kerja pribadi Boris

Boris pernah membagikan lingkungan pengembangannya di media sosial, awalnya dia tidak menyangka akan memicu banyak diskusi, karena baginya itu hanyalah “cara kerja yang berkembang secara alami”.

Sekarang, sebagian besar pekerjaannya bahkan sudah dipindahkan ke ponsel: buka ClaudeApp, di tab Kode di sebelah kiri, bisa melihat beberapa percakapan paralel. Biasanya dia mengelola 5-10 percakapan sekaligus, dan setiap percakapan memiliki banyak sub-agen, totalnya bisa mencapai ratusan; di malam hari, bahkan ada lebih dari seribu agen yang menjalankan tugas jangka panjang di latar belakang.

Konsep kunci yang mendukung sistem ini adalah sebuah perintah yang tampaknya sangat sederhana: /loop.

/loop esensinya adalah membuat Claude menggunakan cara seperti cron, untuk menjadwalkan “tugas yang akan otomatis diulang di masa depan”: bisa diatur setiap menit, setiap 5 menit, harian, dan seterusnya.

Dengan loop ini, dia membangun sebuah “sistem pemeliharaan otomatis” yang lengkap:

Ada loop khusus “mengawasi PR”: memperbaiki CI, otomatis rebase, menjaga daftar PR tetap bersih.

Ada loop yang bertanggung jawab “memelihara kesehatan CI seluruh proyek”: otomatis mendeteksi dan memperbaiki masalah seperti flaky test.

Ada loop yang setiap 30 menit menarik feedback dari Twitter dan secara otomatis mengelompokkan serta merangkum, membentuk ringkasan feedback yang langsung bisa digunakan untuk pengambilan keputusan.

Dalam deskripsinya, loop sudah seperti semacam bahasa pemrograman yang berorientasi ke masa depan: bentuk paling sederhana dan dapat dilakukan, tetapi sangat kuat. Ditambah lagi dengan routines (aliran kerja jangka panjang yang berjalan di server, bahkan saat komputer dimatikan), model dapat terus mendorong kemajuan proyek di latar belakang.

Bentuk tim: setiap orang adalah “multi-disiplin yang serba bisa”

Ketika seseorang dapat menggunakan AI untuk menulis 100% kode, meningkatkan efisiensi pengembangan 10 hingga 100 kali lipat, cara organisasi tim secara alami akan berubah.

Penilaian utama Boris tentang tim masa depan adalah: “generalist (orang serba bisa) lintas disiplin” akan jauh lebih umum daripada sekarang.

Saat ini, yang disebut generalist biasanya merujuk pada “orang serba bisa dalam sistem rekayasa” — misalnya satu orang mampu mengelola iOS, Web, dan Server; tetapi tren baru yang dia lihat adalah:

Orang serba bisa akan melintasi lebih banyak batas fungsi, seperti: rekayasa + desain, rekayasa + produk + data science, rekayasa + keuangan/operasi, dan lain-lain.

Di tim Claude Code mereka, sudah muncul kondisi seperti ini: manajer rekayasa, manajer produk, desainer, ilmuwan data, keuangan, riset pengguna, semuanya mampu menulis kode, dan banyak menggunakan Claude Code untuk mendorong pekerjaan mereka.

Dengan kata lain, setiap orang tetap memiliki kedalaman keahlian masing-masing, tetapi “menulis kode” bukan lagi hak istimewa kelompok minoritas, melainkan kemampuan dasar yang dimiliki semua orang, sama seperti kemampuan menggunakan Office dan PPT saat ini.

Ini juga mengarah langsung ke sebuah penilaian makro: ambang produktivitas perangkat lunak akan benar-benar turun, dan orang yang paling memahami bidangnya akan menjadi “pengembang” yang paling unggul.

Misalnya, dalam pengembangan perangkat lunak akuntansi, yang benar-benar harus memimpin bentuk dan logika produk mungkin bukan insinyur terbaik, tetapi seorang akuntan yang sangat paham bisnis dan mampu menguasai AI untuk menulis kode, karena “pengkodean” menjadi bagian yang relatif mudah, sedangkan “pemahaman mendalam tentang bidang” adalah sumber daya yang langka.

Dari “kelas programmer” ke “pemrograman massal”: analogi dari percetakan

Untuk menjelaskan kedalaman perubahan ini, Boris mengajukan analogi sejarah teknologi favoritnya: pengaruh AI terhadap produksi perangkat lunak sangat mungkin mirip dengan dampak percetakan di Eropa abad ke-15 terhadap produksi teks.

Sebelum penemuan mesin cetak, sekitar 10% orang di Eropa mampu membaca dan menulis, mereka biasanya bekerja di sekitar kekuasaan (raja, bangsawan, gereja), melakukan pekerjaan “membaca dan menulis pengganti”. Membaca dan menulis adalah keahlian profesional yang sangat khusus, dan kebanyakan orang seumur hidup mereka tidak pernah mengaksesnya.

Setelah mesin cetak muncul, dalam waktu 50 tahun saja, jumlah teks yang dipublikasikan di Eropa melebihi seluruh satu milenium sebelumnya, dan biaya satu buku turun sekitar 100 kali. Selama beberapa ratus tahun berikutnya, dengan penyesuaian sistem pendidikan dan struktur sosial, tingkat literasi global meningkat hingga sekitar 70%: membaca dan menulis dari keahlian minoritas menjadi kemampuan dasar mayoritas orang.

Pendapat Boris adalah: perangkat lunak dan pemrograman sedang mengalami kurva yang sama, dan kecepatannya akan lebih cepat lagi.

Dulu, menulis perangkat lunak adalah pekerjaan yang “sangat profesional dan sangat tinggi ambang batasnya”.

Sekarang, menulis perangkat lunak akan menjadi seperti “mengetik” atau “mengirim SMS” yang umum dimiliki.

Akan tetap ada insinyur profesional dan arsitek sistem top, tetapi pembagian kerja masyarakat akan benar-benar dirombak: banyak ahli bidang, pengusaha, dan pekerja biasa akan langsung “bekerja sama dengan model untuk menulis perangkat lunak”.

Apakah SaaS akan mengalami “kepunahan besar”?

Ketika AI menurunkan biaya menulis perangkat lunak 10 kali bahkan 100 kali, apa yang akan terjadi pada produk SaaS yang sudah ada? Apakah akan terjadi “kepunahan besar SaaS”? Ini salah satu pertanyaan yang paling sering diajukan kepada Boris.

Jawabannya jauh lebih kompleks daripada sekadar “ya/tidak”, dia menggunakan kerangka “Seven Powers (Tujuh Benteng Perlindungan Bisnis)” yang sering dibahas di podcast Acquired untuk menganalisis.

Menurutnya, AI akan membuat beberapa benteng perlindungan bisnis menjadi cepat menurun nilainya:

Biaya beralih (Switching Costs): ketika Anda bisa dengan cepat memigrasi data dan membangun ulang alur kerja menggunakan model, efek penguncian yang sebelumnya bergantung pada integrasi dan konfigurasi kompleks akan berkurang secara signifikan.

Kemampuan proses (Process Power): banyak perusahaan mengandalkan desain proses dan alur kerja kompleks sebagai keunggulan kompetitif, tetapi model besar semakin mampu memahami dan memperbaiki proses, terutama model seperti 4.7 yang mampu “otomatis hillclimbing (mengoptimasi secara iteratif sampai mencapai target)”, yang sangat mahir menguras ruang inefisiensi dalam proses.

Sementara itu, beberapa benteng perlindungan yang lebih dasar tidak akan hilang karena AI, malah bisa menjadi semakin penting:

Efek jaringan

Skala ekonomi

Sumber daya langka (misalnya data unik, saluran distribusi, kualifikasi khusus) dan lain-lain

Selain itu, tren penting lainnya adalah: dalam 10 tahun ke depan, jumlah startup yang mampu “menghasilkan produk setara perusahaan besar dengan sedikit tenaga manusia” akan meningkat secara signifikan, mungkin 10 kali lipat dari 10 tahun terakhir.

Alasannya:

Perusahaan besar harus merombak proses mereka sendiri, melatih ulang seluruh staf untuk menggunakan AI, yang akan menghadapi hambatan besar dan resistensi internal.

Tim baru bisa mulai dari hari pertama dengan “AI native”, membangun nilai dengan sangat efisien dengan sedikit orang, dan secara drastis mengurangi dimensi kompetitif perusahaan tradisional di banyak bidang.

Dalam pandangannya, era ini sangat ramah bagi pengusaha dan pengembang — “Ini mungkin salah satu masa terbaik untuk membuat produk dan berwirausaha.”

Bagaimana Anthropic “menggunakan sendiri” teknologi ini?

Banyak orang beranggapan bahwa perusahaan model seperti Anthropic akan menggunakan “versi rahasia yang lebih kuat” secara internal, sehingga bisa unggul jauh dari luar. Pendapat Boris justru sebaliknya:

Secara model, penggunaan internal sama seperti yang digunakan orang lain (misalnya banyak memakai Opus 4.7), hanya sedikit yang menggunakan model penelitian Mythos untuk eksperimen, dan mereka tidak bergantung secara jangka panjang pada versi privat yang sulit diakses dari luar.

Keunggulan kompetitif yang sebenarnya, menurutnya, bukan di modelnya, tetapi di tingkat integrasi AI secara mendalam dalam seluruh organisasi.

Secara spesifik:

Perusahaan tidak lagi melakukan “kode manual murni”, bahkan query SQL pun dihasilkan oleh model.

Tim berbeda dari Claude saling “ngobrol dan berkolaborasi” di Slack, membantu insinyur manusia mengisi kekurangan dan berkomunikasi lintas tim.

Banyak proses diorganisasi ulang dengan mekanisme loop, sub-agen, routines, sehingga model terus mendorong kemajuan pekerjaan di latar belakang.

Karena itu, dia berpendapat bahwa “kesenjangan” terbesar saat ini bukan di akses teknologi, tetapi di organisasi dan desain proses. Untuk startup baru, ini adalah peluang besar: daripada mengubah proses lama sedikit demi sedikit, lebih baik dari hari pertama mendesain organisasi secara “AI native”.

Peluang produk dalam 6–12 bulan ke depan

Kembali ke pertanyaan produk dan kewirausahaan: jika beberapa tahun lalu dia melihat “product overhang dalam pemrograman”, di mana letak overhang berikutnya hari ini?

Dia menyebutkan beberapa arah:

ClaudeDesign: sebuah bidang yang sudah bisa digunakan saat ini, tetapi akan menjadi lebih menakjubkan seiring iterasi model. Ini mewakili “alur kerja desain yang sangat AI-driven”.

Loop/Batch/agen cerdas paralel skala besar: memungkinkan ratusan bahkan ribuan tugas berjalan secara bersamaan di berbagai agen, menjadi kemampuan standar, bukan lagi trik rahasia pemain profesional.

Penggunaan komputer langsung oleh model: melalui kemampuan visual + kontrol, membuat model bisa mengoperasikan perangkat lunak lokal seperti manusia. Untuk sistem lama tanpa API/MCP, ini adalah solusi universal.

Karakteristik bersama dari arah ini adalah: saat ini sudah “cukup bisa digunakan”, tetapi potensi ledakan sebenarnya mungkin akan muncul setelah satu atau dua generasi model berikutnya.

Seperti Claude Code di masa lalu, tim dengan ambisi bisa mulai merancang bentuk produk untuk “model masa depan” dari sekarang, dan merebut posisi saat model menyusul.