Whisper of Code: Bagaimana Claude dari Anthropic mengubah permainan bagi pengembang perangkat lunak

Dunia pengembangan perangkat lunak sedang mengalami transformasi terbesar sejak munculnya pengkodean sumber terbuka. Asisten kecerdasan buatan, yang dipandang skeptis oleh pengembang profesional, kini menjadi asisten kecerdasan buatan diperlukan peralatan di yang sudah ada $736,96 miliar pasar pengembangan perangkat lunak global. Salah satu produk yang mendorong pergeseran seismik ini adalah Anthropic’s Claude.

Claude adalah model AI yang telah menarik perhatian pengembang di seluruh dunia dan memicu pertarungan sengit antara raksasa teknologi untuk mendominasi pengkodean yang didukung AI. Adopsi Claude meroket tahun ini, dan VentureBeat melaporkan peningkatan pendapatan terkait pengkodean sebesar 1.000% dalam tiga bulan terakhir.

Pengembangan perangkat lunak kini menyumbang lebih dari 10% dari seluruh interaksi Claude, menjadikannya kasus penggunaan paling populer untuk model tersebut. Pertumbuhan ini membantu mendorong Anthropic menjadi Penilaian sebesar $18 miliar dan menarik 7 miliar dolar dengan pendanaan dari industri kelas berat seperti Google, AmazonDan Tenaga Penjualan.

Keberhasilan tersebut tidak luput dari perhatian para pesaing. OpenAI memulai sendiri o3 model baru minggu lalu dengan perbaikan kemampuan pengkodeansampai Google Gemini Dan Lama Meta 3.1 menggandakan penggunaan alat pengembang.

Persaingan yang semakin ketat ini menandai perubahan besar dalam fokus industri AI, dari chatbots dan pembuatan gambar ke alat praktis yang menciptakan nilai bisnis langsung. Hasilnya adalah percepatan kemampuan yang memberikan manfaat bagi seluruh industri perangkat lunak.

Alex AlbertKepala hubungan pengembang Anthropic, mengaitkan kesuksesan Claude dengan pendekatan yang unik. “Dalam tiga bulan terakhir, pada dasarnya kami telah meningkatkan pendapatan coding kami sebesar 10x,” katanya kepada VentureBeat dalam sebuah wawancara eksklusif. “Model ini sangat menarik bagi pengembang karena mereka hanya melihat nilai yang besar dibandingkan model sebelumnya.

Beyond Code Generation: Bangkitnya Mitra Pengembangan AI

Apa yang menentukan Claude Yang membedakannya bukan hanya kemampuannya menulis kode, tetapi juga kemampuannya berpikir seperti seorang developer berpengalaman. Model dapat menganalisis hingga 200.000 token konteks — setara dengan sekitar 150.000 kata atau basis kode kecil, menjaga pemahaman sepanjang sesi pengembangan.

“Claude adalah satu-satunya model yang pernah saya lihat yang dapat tetap kompak sepanjang perjalanan,” jelas Albert. “Ia dapat mengkompilasi banyak file, melakukan pengeditan di tempat yang tepat, dan yang paling penting, mengetahui kapan harus menghapus kode, bukan hanya menambahkan lebih banyak.”

Pendekatan ini telah menghasilkan peningkatan produktivitas yang dramatis. Menurut Antropis, GitLab melaporkan peningkatan efisiensi 25-50% di antara tim pengembangan mereka yang menggunakan Claude. Grafik sumberplatform intelijen kode mengalami peningkatan sebesar 75% dalam tingkat injeksi kode setelah beralih ke Claude sebagai model AI utama.

Mungkin yang paling penting, Claude mengubah siapa yang dapat menulis perangkat lunak. Tim pemasaran kini membangun alat otomatisasi mereka sendiri, dan departemen penjualan menyesuaikan sistem mereka tanpa menunggu bantuan TI. Apa yang dulunya merupakan kendala teknis kini menjadi peluang bagi setiap departemen untuk menyelesaikan permasalahannya masing-masing. Perubahan ini mewakili perubahan mendasar dalam cara berbisnis – keterampilan teknis tidak lagi terbatas pada programmer.

Albert membenarkan fenomena ini, mengatakan kepada VentureBeat, “Kami memiliki saluran Slack tempat orang-orang mulai dari perekrutan, pemasaran, hingga penjualan belajar kode dengan Claude. Ini bukan hanya tentang menjadikan pengembang lebih efisien, ini tentang menjadikan semua orang sebagai pengembang.

Risiko Keamanan dan Masalah Pekerjaan: Tantangan AI dalam Pengkodean

Namun transformasi yang cepat ini telah menimbulkan kekhawatiran. Georgetown Pusat Keamanan dan Teknologi Baru (CSET) memperingatkan potensi risiko keamanan dari kode yang dihasilkan AI, pertanyaan gugus tugas efek jangka panjang tentang karya pengembang. Tumpukan Melimpahsitus tanya jawab pemrograman populer yang dilaporkan oleh a mengejutkan menolak pertanyaan baru setelah meluasnya penggunaan asisten pengkodean AI.

Namun meningkatnya gelombang pengkodean yang dibantu AI tidak menghilangkan pekerjaan pengembang—banyak yang tampaknya justru meningkatkannya. Ketika kecerdasan buatan menangani tugas-tugas pengkodean biasa, pengembang dapat fokus pada arsitektur sistem, kualitas kode, dan inovasi.

Perubahan ini mencerminkan transformasi teknologi sebelumnya dalam pengembangan perangkat lunak: sama seperti bahasa pemrograman tingkat tinggi tidak menghilangkan kebutuhan akan pengembang, asisten AI menjadi lapisan abstraksi lain yang membuat pengembangan lebih mudah diakses dan menciptakan peluang baru untuk keahlian.

Bagaimana AI mengubah masa depan pengembangan perangkat lunak

Pakar industri memperkirakan bahwa AI akan secara mendasar mengubah cara pengembangan perangkat lunak dalam waktu dekat. Gartner perkiraan itu pada tahun 2028 75% insinyur perangkat lunak perusahaan akan menggunakan asisten kode AI, sebuah lompatan signifikan dari kurang dari 10% pada tahun 2023. di awal

Anthropic sedang mempersiapkan masa depan ini dengan fitur-fitur baru seperti cache cepatyang mengurangi biaya API sebesar 90% dan pemrosesan batch Kemampuan untuk memproses hingga 100.000 permintaan secara bersamaan.

“Saya pikir model-model ini akan mulai menggunakan alat yang sama seperti yang kita gunakan,” prediksi Albert. “Kami tidak perlu mengubah model kerja kami karena model tersebut akan beradaptasi dengan cara kami bekerja.”

Dampak dari asisten pengkodean AI tidak terbatas pada pengembang individu, dan perusahaan teknologi besar melaporkan manfaat yang signifikan. Misalnya, Amazon menggunakan asisten pengembangan perangkat lunak bertenaga AI, Pengembang Amazon Qmemigrasikan lebih dari 30.000 aplikasi produksi dari Java 8 atau 11 ke Java 17. Upaya ini menghemat 4.500 tahun pekerjaan pengembangan dan $260 juta per tahun untuk memotong biaya untuk peningkatan kinerja.

Namun, dampak asisten pengkodean AI pada industri tidak selalu positif. Sebuah studi oleh Uplevel tidak menemukan peningkatan produktivitas yang signifikan bagi pengembang yang menggunakan GitHub Pilot kedua.

Lebih lanjut tentang ini dilaporkan dalam penelitian a 41% meningkatkan dalam kesalahan diimplementasikan menggunakan alat AI. Hal ini menunjukkan bahwa meskipun AI dapat mempercepat tugas pengembangan tertentu, AI juga dapat menimbulkan tantangan baru terhadap kualitas dan pemeliharaan kode.

Sementara itu, lanskap pendidikan perangkat lunak sedang berubah. Bootcamp pengkodean tradisional bermunculan penurunan penerimaan seiring dengan semakin populernya program pembangunan yang berpusat pada AI. Tren ini menunjukkan masa depan di mana literasi teknis menjadi sama pentingnya dengan membaca dan menulis, namun dengan kecerdasan buatan sebagai penerjemah universal antara niat manusia dan pembelajaran mesin.

Albert melihat evolusi ini sebagai sesuatu yang alami dan tak terelakkan. “Saya pikir hal ini hanya akan meningkatkan rantainya, sama seperti kita tidak selalu bekerja dalam perakitan (bahasa),” katanya. “Juga, kami membuat abstraksi. Kami pergi ke C dan kemudian ke Python, dan saya pikir itu terus meningkat.

Ia menambahkan bahwa kemampuan untuk bekerja di berbagai tingkat teknis akan tetap penting. “Itu tidak berarti Anda tidak bisa turun ke level yang lebih rendah dan berinteraksi dengan mereka.” Saya hanya berpikir lapisan-lapisan abstraksi akan terus menumpuk sehingga memudahkan orang-orang yang baru pertama kali terjun ke lapangan untuk berkolaborasi lebih luas.

Dalam visi masa depan ini, batasan antara pencipta dan pengguna mulai memudar. Kode tersebut tampaknya hanyalah permulaan.