Cara Programmer Memakai AI dengan Aman dan Efektif
Panduan praktis memakai asisten coding AI dalam pekerjaan sehari-hari: tugas yang cocok, cara menulis instruksi, review hasil, menjaga kerahasiaan kode dan data, serta dampaknya pada peran programmer.
Asisten AI kini ikut bekerja di hampir setiap tahap pengembangan software. AI bisa menulis fungsi, menjelaskan kode lama, membuat test, membaca log error, bahkan menjalankan perintah di terminal dan mengubah banyak file sekaligus. Pertanyaannya bukan lagi "pakai AI atau tidak", melainkan bagaimana memakainya tanpa menurunkan kualitas dan keamanan.
Tugas yang paling cocok diserahkan ke AI
- Kode berulang (boilerplate): CRUD, validasi form, mapping data antar-format, dan konfigurasi.
- Memahami kode yang belum dikenal: "Jelaskan alur fungsi ini" atau "di mana data pasien disimpan di project ini?"
- Menulis dan melengkapi test untuk kode yang sudah ada.
- Debugging: menempelkan pesan error beserta konteksnya, lalu meminta hipotesis penyebab.
- Migrasi dan refactor yang bersifat mekanis, misalnya mengganti library atau menyeragamkan gaya penulisan.
- Dokumentasi: README, komentar, dan ringkasan perubahan.
Sebaliknya, keputusan arsitektur, pemahaman kebutuhan klien, dan penilaian risiko tetap membutuhkan manusia yang memahami konteks bisnisnya.
Cara menulis instruksi yang baik
Kualitas jawaban AI sangat bergantung pada konteks yang Anda berikan. Bandingkan dua instruksi berikut:
- Kurang jelas: "Buat API pasien."
- Jelas: "Tambahkan endpoint GET /pasien/{id} di project Laravel ini, ikuti pola controller yang sudah ada di PasienController. Kembalikan 404 jika tidak ditemukan. Jangan tampilkan NIK lengkap, samarkan kecuali 4 digit terakhir. Tambahkan test-nya."
Instruksi yang baik menyebutkan tujuan, batasan, pola yang harus diikuti, dan cara memeriksa hasilnya. Untuk tugas besar, minta AI menyusun rencana terlebih dahulu, periksa rencananya, baru minta dikerjakan.
Selalu review, seperti me-review kode rekan kerja
Kode dari AI bisa terlihat meyakinkan tetapi keliru. Contohnya memanggil fungsi yang tidak ada, salah menangani kasus tepi, atau diam-diam menghapus validasi. Perlakukan hasilnya seperti pull request dari rekan baru:
- Baca diff-nya. Pastikan Anda memahami setiap baris sebelum digabungkan.
- Jalankan test dan aplikasi. Jangan hanya mengandalkan penjelasan AI bahwa kodenya sudah benar.
- Periksa bagian yang sensitif: autentikasi, perhitungan uang, dosis, dan data pribadi.
- Pastikan tidak ada dependensi baru yang tidak perlu atau tidak jelas asalnya.
Menjaga kerahasiaan
Ini bagian yang paling sering diabaikan, padahal paling berisiko, terutama di proyek kesehatan:
- Jangan menempelkan data pasien asli ke layanan AI. Gunakan data contoh atau data yang sudah dianonimkan. Data kesehatan termasuk data pribadi yang bersifat spesifik menurut UU Pelindungan Data Pribadi.
- Jangan menyertakan kredensial: password database, API key, atau token. Simpan di file .env yang tidak ikut dibagikan.
- Pahami kebijakan penyedia AI yang dipakai kantor atau klien Anda: apakah data dipakai untuk melatih model, berapa lama disimpan, dan apakah ada paket khusus perusahaan.
- Ikuti aturan klien. Sebagian klien melarang kode mereka dikirim ke layanan eksternal. Tanyakan sebelum memakai AI pada kode milik klien.
Apakah AI menggantikan programmer?
Yang berubah adalah porsi pekerjaan. Waktu yang dulu habis untuk mengetik kode rutin bergeser ke memahami masalah, merancang solusi, me-review hasil, dan berkomunikasi dengan pengguna. Programmer yang juga memahami infrastruktur, pengujian, implementasi, dan kebutuhan bisnis klien justru semakin bernilai, karena AI membutuhkan arahan dan pemeriksaan dari orang yang memahami gambaran utuhnya.
Keterampilan yang makin penting:
- Menguraikan kebutuhan yang samar menjadi spesifikasi yang jelas.
- Membaca dan menilai kode dengan cepat.
- Menulis test yang benar-benar menguji perilaku penting.
- Memahami domain, misalnya alur pelayanan pasien, klaim asuransi, atau standar data kesehatan.
Menghitung biaya jika membangun fitur AI
Jika Anda menanamkan AI ke dalam aplikasi untuk klien, misalnya chatbot atau ringkasan otomatis, biaya API bisa menjadi komponen yang signifikan. Perkirakan dengan kalkulator biaya API AI sebelum menyusun penawaran.