Tiga jam, enam pengembang, 30.000 orang hilang. Ketika gempa mengguncang Venezuela utara, seorang pemrogram di Buenos Aires menggunakan Claude Opus untuk membangun portal web orang hilang dalam tiga jam—tugas yang biasanya memakan waktu seharian penuh. Pengembang kedua di California menggunakan Replit untuk meluncurkan alat pencocokan pasokan dalam empat jam. Pembangunan yang cepat ini memberi keluarga cara untuk mengunggah foto dan membandingkan wajah dengan basis data pusat, serta membantu LSM memasangkan donor dengan korban saat saluran resmi masih terlambat.

Mengapa upaya ini penting

Infrastruktur darurat Venezuela lumpuh: pemadaman listrik, jalan yang rusak, dan jaringan telepon yang kelebihan beban membuat pihak berwenang tidak mampu mengoordinasikan pencarian yang terpadu. Pada jam-jam awal, keluarga bergegas mencari saluran apa pun untuk melaporkan kerabat dan meminta bantuan. Aplikasi yang dibangun oleh diaspora mengisi celah tersebut, menghadirkan layanan fungsional yang hemat internet sementara respons negara masih dalam tahap pembentukan.

Bagaimana para pengembang mencapainya

Pemrogram di Buenos Aires memberikan perintah (prompt) sederhana kepada Claude Opus yang menjelaskan sebuah situs di mana pengguna dapat mengunggah foto, menandai nama, dan menjalankan pencarian kemiripan terhadap daftar yang ada. Claude menghasilkan formulir front-end, alur pemrosesan gambar, dan skema basis data, lalu mengembalikan bundel kode yang siap dideploy. Pengembang tersebut menyesuaikan beberapa prompt, menjalankan kode pada instans cloud, dan situs tersebut langsung aktif dalam waktu kurang dari tiga jam.

Di seberang Pasifik, pengembang di California membuka workspace Replit, mengetik deskripsi singkat tentang “dashboard pencocokan pasokan” yang akan menyerap tawaran donor dan menampilkan kebutuhan terdekat, lalu membiarkan AI menyusun kerangka (scaffold) API back-end, UI admin kecil, dan alur autentikasi sederhana. Empat jam kemudian, alat tersebut sudah dapat diakses melalui URL yang ramah seluler.

Kedua tim menjaga pengalaman pengguna tetap ringan. Mereka memilih antarmuka chat gaya WhatsApp karena sebagian besar korban hanya dapat mengakses data 2G dan memiliki daya baterai yang terbatas. Tidak ada aplikasi native yang berat yang dibangun; sebaliknya, mereka mengandalkan halaman HTML 5 yang memuat dengan cepat dan dapat bekerja secara offline jika memungkinkan.

Pelajaran praktis yang dapat diambil

  • AI sebagai pengganda – Generasi kode berbasis prompt mengubah sprint seharian menjadi hitungan jam.
  • Anggap model sebagai lapisan yang volatil – API model bahasa dapat mengubah harga, batas kecepatan (rate limits), atau menghilang. Membangun logika inti semata-mata dalam prompt akan mengikat produk pada target yang terus berubah.
  • Berpijak pada skema yang tahan lama – Model data untuk orang hilang—foto, nama, lokasi terakhir yang diketahui, status—tetap berguna di berbagai krisis. Setelah ditentukan, ia dapat digunakan kembali tanpa perlu melatih ulang AI.
  • Desain berdasarkan batasan – Bandwidth rendah, listrik yang terputus-putus, dan kurangnya akun email memaksa tim untuk memilih antarmuka berbasis teks dan autentikasi nomor telepon sederhana. Batasan-batasan tersebut menghasilkan perangkat lunak yang berfungsi di tempat di mana solusi yang lebih kaya akan gagal.

Risiko dan poin sanggahan

Peningkatan kecepatan ini datang dengan konsekuensi. Kode yang dihasilkan AI dapat menyembunyikan bug, pengaturan default yang tidak aman, atau kueri yang tidak efisien yang hanya muncul saat beban tinggi. Mengandalkan layanan AI pihak ketiga juga menimbulkan volatilitas biaya; kenaikan harga yang tiba-tiba dapat membuat alat yang awalnya gratis menjadi mahal dalam semalam. Terakhir, kurangnya pengujian formal dalam ketergesaan seperti itu dapat membiarkan kasus-kasus ekstrem (edge cases) tidak teratasi, yang berisiko menyebabkan pencocokan palsu dalam basis data orang hilang—sebuah masalah etika yang serius.

Apa yang perlu diperhatikan selanjutnya

  • Skema data bencana yang terstandardisasi – Jika kelompok kemanusiaan mengadopsi format umum untuk orang, pasokan, dan lokasi, alat bantu bertenaga AI dapat terhubung dengan lebih mudah dan berbagi data lintas batas.
  • Hosting model sumber terbuka – Endpoint model bahasa yang dikelola komunitas dapat memitigasi risiko penutupan API atau lonjakan harga yang tiba-tiba.
  • Perhatian regulasi – Pemerintah mungkin mulai mengawasi perangkat lunak darurat buatan AI terkait privasi data dan keandalan, terutama ketika melibatkan foto pribadi dan data lokasi.
  • Platform komunitas – Jaringan diaspora sudah membentuk saluran respons cepat di aplikasi pesan; mengintegrasikan alat bantu AI secara langsung ke dalam ruang tersebut dapat memangkas waktu penyebaran di masa mendatang.

Kesimpulan bagi para pengembang

Jika Anda perlu meluncurkan aplikasi respons krisis hari ini, mulailah dengan model AI konsumen untuk membuat sketsa UI, menghasilkan boilerplate, dan menjalankan instansi cloud. Kemudian amankan bagian-bagian yang penting: skema data yang jelas dan portabel, UI minimalis yang berfungsi pada perangkat terlemah yang Anda antisipasi, dan autentikasi yang tidak bergantung pada email. Perlakukan output AI sebagai draf, bukan produk akhir, dan bersiaplah untuk mengganti lapisan model jika ketentuannya berubah. Dalam bencana, kecepatan menyelamatkan nyawa, tetapi stabilitas menyelamatkan mereka kembali di kemudian hari.

Source: dev.to/davekurian/diaspora-coders-assemble-earthquake-response-in-hours-with-ai-4c66