Artificial Intelligence

AI bisa menghasilkan jawaban semakin cepat, tetapi pengetahuan teknis juga semakin cepat usang. Dalam The Art of Doing Science and Engineering, Richard Hamming mengajarkan sesuatu yang justru semakin relevan di era AI: belajar bukan sekadar mengumpulkan fakta, tetapi membangun pola berpikir. Dari memilih masalah yang penting, memindahkan skill antar bidang, hingga kemampuan menilai jawaban AI, semuanya bermuara pada satu hal: kemampuan berpikir. Karena ketika teknologi terus berubah, fondasi berpikir yang kuat membuat kita tidak perlu selalu memulai dari nol.

AI membuat proses coding semakin cepat. Tetapi apakah perusahaan juga menjadi lebih cepat belajar? Buku Accelerate karya Nicole Forsgren, Jez Humble, dan Gene Kim menunjukkan bahwa kecepatan dan kualitas bukan dua hal yang harus dipertentangkan. Dengan DORA Metrics—Deployment Frequency, Lead Time for Changes, Mean Time to Recovery (MTTR), dan Change Failure Rate—kita bisa melihat bagaimana tim teknologi bergerak, belajar, dan pulih dari kegagalan. Di era AI, bottleneck bahkan mulai bergeser: dari menulis kode menuju validasi, evaluasi, keamanan, observability, dan kualitas keputusan.

AI berubah terlalu cepat. Buku, framework, model, bahkan prompt engineering yang hari ini dianggap penting bisa terasa usang beberapa bulan kemudian. Lalu, apa yang seharusnya kita pelajari agar tidak terus mengejar teknologi? Menariknya, jawabannya justru bukan buku tentang AI. Ada buku tentang riset pelanggan, pengambilan keputusan, budaya open source, engineering, metodologi sains, hingga ketidakpastian yang justru mengajarkan meta-skills yang tetap relevan ketika AI terus berubah. Karena AI hanyalah alat. Cara berpikir adalah aset. Dan aset selalu lebih berharga daripada alat.

Selama ini kita sibuk memperdebatkan model AI mana yang paling pintar: GPT, Claude, Gemini, Grok, Fable, atau Opus. Padahal, perubahan terbesar bukan lagi soal siapa yang memimpin benchmark, melainkan bagaimana berbagai model AI mulai bekerja bersama dalam satu workflow. Melalui kisah kembalinya Fable 5, artikel ini mengajak kita melihat lahirnya era AI Orchestration — sebuah paradigma baru ketika keunggulan tidak lagi ditentukan oleh satu model terbaik, tetapi oleh kemampuan mengorkestrasi berbagai model AI agar menghasilkan produktivitas, kualitas, dan efisiensi yang jauh lebih tinggi.

Saya mulai karier dari bahasa assembler, zaman ketika error nggak bisa disalahkan ke "library-nya bug". Saya harus turun sampai level mesin benar-benar berpikir. Setiap teknologi baru muncul, saya tanya: orang paham mesinnya, atau cuma hafal tombolnya? Untuk AI generatif, jawabannya kebanyakan yang kedua. Semua bilang "belajar AI", tapi cuma belajar merangkai prompt. Artikel ini bahas kenapa AI nggak "tahu" fakta, dia menavigasi probabilitas di ruang vektor. Kenapa halusinasi bukan error, tapi koordinat yang salah. Plus cara mengukur makna jawaban AI pakai cosine similarity, bukan menebak kata.

Kita sedang memasuki era ketika manusia palsu memenuhi internet. AI tidak lagi sekadar membantu menulis atau membuat gambar, tapi mulai bertindak seperti manusia: membalas email, menelepon, meniru suara, hingga menjalankan penipuan otomatis tanpa henti. Yang mengerikan bukan hanya teknologinya, tapi fakta bahwa otak manusia memang tidak dirancang untuk melawan manipulasi seperti ini. Di tengah banjir konten AI, bot, dan scam digital, satu hal mulai terasa mahal: keaslian manusia. Dunia berubah sangat cepat. Pertanyaannya bukan apakah AI berbahaya, tapi apakah kita cukup siap hidup di era baru ini.