Aturan 80/20 dalam Kode AI

AI menulis 80% fitur saya dalam 10 menit. Kodenya terlihat bersih. Logikanya masuk akal. Berhasil pada percobaan pertama. Saya merasa senang.

Namun, AI berguna untuk 80% pertama dan tidak berguna untuk 20% terakhir.

AI mengoptimalkan happy path. Ia membangun untuk dunia di mana segalanya berjalan lancar. Perangkat lunak yang nyata hidup di dunia di mana segala sesuatunya bisa salah.

Saya baru-baru ini membangun sebuah Sol Email Worker. AI menghasilkan logika inti, threading, dan routing dalam 20 menit. Itu adalah bagian yang mudah.

20% terakhir membutuhkan keahlian nyata saya:

• Dedupikasi: Menangani pesan duplikat. • Logika sender-skip: Menghindari pemrosesan pesan sendiri. • Pemulihan kesalahan (error recovery): Mengelola respons API yang tidak terduga. • Output log: Memungkinkan proses debugging pada jam 2 pagi.

AI melakukan apa yang saya minta. Saya gagal meminta penanganan edge cases karena saya belum memikirkannya secara mendalam.

Kita memiliki masalah pengukuran. Kita melacak baris kode dan tiket yang ditutup. Metrik ini menghargai 80% yang cepat. Tidak ada yang melacak waktu yang dihabiskan untuk penanganan kesalahan (error handling) atau pemeriksaan null.

20% tersebut tidak terlihat di dasbor, tetapi di sanalah pekerjaan nyata terjadi. Sekarang saya melacak waktu prompt-to-ship. Ini adalah waktu dari prompt pertama hingga fitur produksi yang stabil. Angka ini selalu setidaknya 4x lipat dari waktu pembuatan oleh AI.

Begini cara saya bekerja sekarang:

  • Saya mengalokasikan waktu 4x lipat dari waktu AI untuk setiap tugas.
  • Saya memberikan prompt untuk unhappy path. Saya memberi tahu AI untuk berasumsi bahwa jaringan gagal atau API mengembalikan null.
  • Saya memperlakukan draf pertama sebagai titik awal, bukan garis finis.

3 jam yang saya habiskan untuk penanganan kesalahan setelah 30 detik pembuatan bukanlah pemborosan. Itulah pekerjaan yang sebenarnya. AI memindahkan pekerjaan dari menulis struktur menjadi membuat kode tersebut nyata.

Membuat kode menjadi nyata itu lambat. Hal itu membutuhkan konteks spesifik Anda, pengguna Anda, dan riwayat basis kode (codebase) Anda. Itulah arti dari keahlian.

AI bekerja di wilayah yang sudah dikenal. Edge cases adalah wilayah yang asing setiap saat.

Lain kali jika demo AI membuat Anda terkesan, tanyakan apa yang terjadi setelah demo berakhir.

Source: https://dev.to/amrree/the-8020-rule-of-ai-code-id

Optional learning community: https://t.me/GyaanSetuAi