0
0
Instacart mengajukan pertanyaan provokatif mengenai peran AI dalam pengembangan perangkat lunak. CTO Anirban Kundu menjelaskan bahwa sebagian besar pekerjaan repetitif yang dilakukan engineer saat ini sebaiknya diserahkan kepada mesin. Hal ini memungkinkan tim manusia fokus pada masalah yang membutuhkan penilaian, niat, dan penanganan pengecualian.
Dalam praktiknya, 97 persen kasus di Instacart menunjukkan bahwa builder tidak lagi membaca kode secara langsung. Peran taktis engineer bergeser dari menulis kode menjadi mengarahkan sistem AI untuk menghasilkan output yang diinginkan. Pendekatan ini mengubah cara tim mengelola proyek baru di mana kode dapat dibuat ulang setiap minggu.
Keuntungan utama yang dirasakan adalah hilangnya kekhawatiran terhadap tech debt. Kode yang tidak aktif akan dihapus dan dibangun kembali, mirip dengan praktik lama dalam assembly code atau object code. Namun, 3 persen sisanya yang melibatkan sistem legacy, compliance, serta workflow sensitif terhadap latensi masih memerlukan perhatian manusia.
Instacart menjalankan proyek Atoms untuk memecah sistem monolith menjadi arsitektur yang lebih modular berbasis RPC. Langkah ini bertujuan menyederhanakan bagian-bagian yang rumit secara bertahap.
Evaluasi kode juga mengalami perubahan besar. Karena AI menghasilkan kode yang sudah benar secara sintaksis, review tradisional digantikan dengan model intent. Developer dilatih untuk mengajukan pertanyaan yang tepat kepada berbagai model AI, kemudian evaluasi dilakukan secara otomatis melalui sekitar 7.000 penilaian bulanan dengan akurasi 99,9 persen.
Salah satu inovasi penting adalah sistem agentic SRE yang dilatih menggunakan data insiden internal Instacart selama bertahun-tahun. Sistem ini mampu mendeteksi dan mengatasi masalah produksi dengan akurasi naik dari 60 persen menjadi lebih dari 90 persen. Contohnya, agen bernama Blueberry berhasil mengidentifikasi masalah pada database shard yang terkait dengan rollout fitur roulette yang berlebihan.
Analisis pertama menunjukkan bahwa pendekatan ini berpotensi mempercepat siklus inovasi di perusahaan ritel teknologi secara keseluruhan, karena sumber daya manusia dapat dialokasikan untuk eksperimen yang lebih strategis. Analisis kedua menggarisbawahi bahwa transisi menuju AI memerlukan peningkatan keahlian domain yang tertanam dalam spesifikasi, sehingga pengetahuan tidak lagi terpusat pada satu tim pemilik kode saja.
Ke depan, pekerjaan engineer akan lebih banyak melibatkan perancangan proses evaluasi, koordinasi eksperimen simultan, serta identifikasi edge case. Domain expertise juga diredefinisi agar kode dapat diakses dan dimodifikasi oleh berbagai kelompok tanpa hambatan tradisional.
