Mengapa Otomatisasi Berbasis Aturan Gagal dalam Pengembangan AI

Sebagian besar pengembang mendefinisikan otomatisasi sebagai pemicu (trigger), proses, dan hasil (output). Ini berhasil untuk cron jobs dan skrip penyebaran (deployment scripts). Namun, ini gagal saat Anda menggunakan AI untuk menulis perangkat lunak.

AI tidak mengikuti urutan langkah yang tetap. AI membuat penilaian tentang arsitektur dan dependensi. Pergeseran ini memerlukan transisi dari otomatisasi sederhana ke eksekusi terkelola (managed execution).

Masalah dengan otomatisasi sederhana

Otomatisasi sederhana berfungsi untuk tugas-tugas yang dapat diprediksi. Ini sangat baik dalam menulis boilerplate atau menjalankan linter. Tugas-tugas ini memiliki jalur yang jelas dan hasil yang sudah diketahui.

Masalah muncul ketika sebuah tugas membutuhkan konteks. Anda harus mengetahui bagaimana fitur baru berinteraksi dengan layanan yang sudah ada. Anda harus memeriksa apakah perubahan skema merusak sesuatu.

Alat yang hanya berfokus pada tugas yang sedang dikerjakan sering kali gagal. Mereka menghasilkan kode yang terlihat benar tetapi merusak arsitektur Anda. Kode tersebut kurang memiliki kesadaran akan sistem spesifik Anda.

Celah dalam alur kerja Anda

Sebagian besar perusahaan sudah mengotomatisasi tugas-tugas yang mudah. Data industri menunjukkan bahwa 30% hingga 40% alur kerja sudah terotomatisasi.

Sisa pekerjaan yang ada membutuhkan penilaian (judgment). Inilah bagian tersulit dari rekayasa perangkat lunak. Di sinilah otomatisasi berbasis aturan menjadi mahal karena kurangnya konteks.

Apa yang diberikan oleh eksekusi terkelola

Eksekusi terkelola mengubah cara kerja sistem. Ini berfokus pada tiga tahap:

• Perencanaan datang sebelum eksekusi. Sistem membuat rencana untuk persyaratan dan arsitektur. Anda meninjau rencana ini sebelum kode apa pun ditulis. • Visibilitas di atas kecepatan. Alat-alat sekarang memprioritaskan untuk menunjukkan hasil kerjanya. Anda dapat melihat penalaran di balik sebuah build alih-alih menebak-nebak di kemudian hari. • Alur kerja yang terkendali. Sistem menggunakan state machines dan delegasi tugas untuk menjaga agar tindakan agen dapat diperiksa (inspectable).

Cara memilih alat yang tepat

Jangan bertanya apakah sebuah alat dapat menghemat waktu. Hampir semua alat dapat menghemat waktu. Bertanyalah tentang cakupan tugasnya.

Gunakan otomatisasi sederhana untuk tugas-tugas yang sempit dan berisiko rendah. Ini cepat dan memiliki overhead yang rendah.

Gunakan eksekusi terkelola untuk build yang kompleks. Gunakan saat keputusan arsitektur memiliki risiko tinggi.

Tujuannya bukan untuk menggantikan otomatisasi. Tujuannya adalah untuk mencocokkan alat dengan risiko pekerjaan tersebut.

Sumber: https://dev.to/8080_ai/why-rule-based-automation-breaks-in-ai-development-and-what-managed-execution-fixes-1j9f