Apa itu rekayasa agen?

Rekayasa berbasis agen menekankan pemrograman berbasis agen sebagai alat, bukan kemampuan yang membangun seluruh basis kode dari ujung ke ujung. Istilah ini dikembangkan dari istilah awal “pengodean vibe“ yang disebutkan pertama kali oleh salah satu pendiri OpenAI, Andrej Karpathy pada tahun 2025. Pengodean vibe menggambarkan praktik bentuk bebas yang memberi prompt pada alat AI untuk membuat kode, bukannya menulis kode secara manual.

Namun, sejak awal tahun 2026, industri perangkat lunak membutuhkan terminologi yang lebih mencerminkan praktik pengembangan profesional. Karenanya, Karpathy menciptakan istilah baru: “rekayasa berbasis agen”. Dalam artikel ini, kita akan mengeksplorasi apa yang dimaksud dengan rekayasa berbasis agen dan apa perbedaannya dengan pengodean vibe.

Dengan pesatnya pertumbuhan kecerdasan buatan (AI) dan agen AI, menggunakan AI generatif untuk membangun perangkat lunak telah menjadi bagian default dari alur kerja pengembangan perangkat lunak standar. Dalam Survei Pengembang Stack Overflow 2025, ditemukan bahwa 84% responden menggunakan atau berniat untuk menggunakan pemrograman yang dibantu AI dalam proses pengembangan mereka.

Namun, survei juga menunjukkan lebih banyak pengembang yang tidak memercayai keakuratan alat AI daripada memercayainya, dengan 46% menyatakan skeptisisme dibandingkan dengan 33% yang merasa percaya diri dengan hasil.

Hanya sebagian kecil (3%) yang mengatakan mereka “sangat memercayai” output yang dihasilkan AI. Pengembang berpengalaman sangat waspada, melaporkan tingkat “kepercayaan tinggi” terendah (2,6%) dan tingkat “ketidakpercayaan tinggi” tertinggi (20%).¹ Pola ini menyoroti harapan luas bahwa pengawasan manusia tetap penting, terutama untuk peran dengan tanggung jawab yang signifikan.

Dalam praktiknya, pengembang menggunakan AI untuk tugas-tugas yang memakan waktu tetapi berisiko relatif rendah ketika dipandu oleh peninjau manusia yang berpengalaman. Tindakan ini mencakup tugas-tugas seperti refaktorisasi kode, pembuatan boilerplate code dan pengujian, pelaksanaan peninjauan kode ringan, penyusunan dokumentasi, scaffolding API, serta tugas-tugas lain yang berisiko rendah.

Untuk meringkas, pengodean vibe memungkinkan pengembang untuk mengotomatiskan dan membuat prototipe dengan cepat dengan beberapa prompt bahasa alami menggunakan model bahasa besar (LLM) atau sistem agentic.

Kata “vibe” dalam istilah “pengodean vibe” memiliki konotasi yang santai dan improvisasional. Meskipun kerangka pemikiran ini sangat sesuai untuk fase awal dan eksploratif dalam pemrograman yang dibantu AI, hal ini bertentangan dengan kenyataan saat ini di mana para pengembang menunjukkan sikap skeptis terhadap agen AI Coding.

Tanpa keahlian yang memadai dalam menggunakan LLM untuk keperluan rekayasa perangkat lunak, praktik pengodean vibe dapat menghasilkan apa yang disebut “AI slop,” kode yang tidak berguna atau merusak kode yang sudah ada. Kode yang berantakan seperti itu sering kali menambah utang teknis tim teknik, di mana sebagian besar waktu mereka dihabiskan untuk memahami, memperbaiki bug, dan merefaktorisasi kode tersebut.

Selain itu, istilah “rekayasa berbasis agen” dijelaskan oleh Karpathy pada X dengan cara yang berbeda:

• “Agentic”: Sebuah orkestrasi agen yang menulis kode, sedangkan pengembang manusia mengawasi dan memvalidasi hasilnya. Saat agen atau sistem multi-agen menjalankan iterasi pada sub-tugas, kami mempertahankan human-in-the-loop.
• “Teknik”: Diperlukan tingkat keahlian tertentu untuk menggunakan alur kerja berbasis agen guna menghasilkan kode yang bermanfaat tanpa mengorbankan kualitas kode. Keterampilan ini adalah keterampilan yang dapat dikembangkan dan ditingkatkan.

Ingin melihat bagaimana rekayasa berbasis agen mengubah peran insinyur perangkat lunak? Tonton Agentic Engineering vs. Software Engineering: Beyond Vibe Coding untuk mempelajari lebih lanjut bagaimana rekayasa berbasis agen berbeda dari pengembangan perangkat lunak tradisional dan bagaimana pengembang dapat bekerja bersama agen AI.e

Rekayasa berbasis agen bekerja dengan menggabungkan keahlian teknik manusia dengan agen AI yang dapat melakukan tugas pengembangan perangkat lunak tertentu. Alih-alih meminta sistem AI untuk menghasilkan seluruh aplikasi dari satu prompt, pengembang mendefinisikan tujuan, membagi pekerjaan kompleks menjadi tugas yang dapat dikelola, memberikan agen konteks dan alat yang diperlukan, serta meninjau dan memvalidasi hasil kerja tersebut.

Alur kerja rekayasa berbasis agen yang umum mencakup langkah-langkah berikut:

1. Menetapkan tujuan dan persyaratannya. Pengembang menetapkan apa yang perlu dicapai perangkat lunak atau fitur, serta persyaratan teknis, kendala, dan standar kualitas.

2. Membagi pekerjaan menjadi beberapa tugas. Pekerjaan pengembangan yang kompleks dibagi menjadi tugas-tugas yang lebih kecil dan terdefinisi dengan baik yang dapat dijalankan oleh agen AI, seperti menulis kode, memperbarui dokumentasi, menghasilkan tes, atau mengidentifikasi bug.

3. Memberikan tugas kepada agen AI. Pengembang memilih atau mengonfigurasi agen untuk tugas tertentu dan memberi mereka akses ke kode yang relevan, dokumentasi, alat pengembangan, dan konteks lain yang mereka butuhkan untuk bekerja secara efektif.

4. Mengelola dan membimbing para agen. Pengembang memberikan instruksi, menetapkan dependensi antar-tugas, dan menentukan kapan agen harus bekerja secara independen atau ketika output mereka memerlukan intervensi manusia.

5. Meninjau dan memvalidasi output. Insinyur manusia mengevaluasi kode yang dihasilkan agen dan output lainnya untuk memeriksa kebenaran, keamanan, kinerja, pemeliharaan, dan keselarasannya dengan persyaratan. Tes otomatis dan alat evaluasi lainnya dapat mendukung proses ini.

6. Melakukan iterasi dan perbaikan. Agen dapat merevisi pekerjaan mereka berdasarkan hasil pengujian, masukan pengembang, atau perubahan persyaratan. Pengembang terus memandu proses sampai output memenuhi standar yang diperlukan.

7. Mengintegrasikan perubahan yang telah disetujui. Setelah pekerjaan telah ditinjau dan divalidasi, pengembang mengintegrasikan kode yang dihasilkan ke dalam alur kerja pengembangan perangkat lunak yang lebih luas dan basis kode produksi.

Perbedaan utamanya adalah agen AI melakukan sebagian besar eksekusi, sementara insinyur manusia tetap bertanggung jawab untuk mengarahkan pekerjaan, membuat keputusan teknis tingkat tinggi, dan memastikan kualitas hasil akhir. Hal ini memungkinkan organisasi menggunakan AI untuk lebih dari sekadar pembuatan kode sambil mempertahankan penilaian teknik dan pengawasan yang diperlukan untuk pengembangan perangkat lunak profesional.

Organisasi dapat mengadopsi rekayasa berbasis agen dengan membangun tata kelola yang tepat, melengkapi pengembang dengan keterampilan untuk bekerja dengan agen AI, dan menciptakan infrastruktur teknis yang diperlukan untuk mendukung alur kerja berbasis agen. Termasuk menyediakan agen konteks organisasi yang relevan, memecah pekerjaan pengembangan menjadi tugas-tugas yang dapat dikelola, dan menetapkan proses yang jelas untuk pengawasan dan validasi manusia.

Organisasi dapat mengambil beberapa langkah untuk mendukung adopsi.

Bersama-sama, praktik ini dapat membantu organisasi beralih dari eksperimen dengan pengodean AI menuju pendekatan yang lebih terstruktur untuk rekayasa berbasis agen, di mana agen AI mengambil tugas pengembangan yang semakin kompleks di bawah pengawasan manusia yang tepat. 

Rekayasa agen memungkinkan kita untuk beralih dari logika deterministik menuju ranah penilaian probabilistik yang lebih kompleks. Oleh karena itu, hal ini membutuhkan perubahan mendasar dalam cara organisasi berpikir dan cara tim teknik beroperasi.

Seiring dengan terus berkembangnya lanskap pengembangan perangkat lunak yang didukung AI, terminologi yang digunakan dalam bidang ini kemungkinan besar juga akan terus berubah. Kendati “rekayasa agensial” menawarkan kerangka pemikiran yang lebih matang dan akurat mengenai cara para pengembang berkolaborasi dengan sistem otonom saat ini, praktik-praktik di baliknya akan terus berkembang seiring dengan meningkatnya kemampuan agen-agen AI. Dalam beberapa tahun mendatang, kita dapat mengharapkan sistem agen untuk menangani tugas-tugas yang semakin kompleks.

Pada saat yang sama, peran para pengembang akan berkembang dari sekadar menulis kode menjadi merancang, mengawasi, dan membentuk perilaku sistem-sistem AI tersebut. Baik Anda seorang insinyur AI, pengembang full-stack, ilmuwan data, atau seseorang yang baru memulai perjalanan pengodean, prinsip-prinsip inti—seperti pengawasan manusia, pemahaman mendalam tentang desain sistem, dan pengambilan keputusan yang didasarkan pada penilaian yang cermat—akan tetap menjadi landasan utama.

Jika Anda merasa tidak yakin harus mulai dari mana, mulailah dari yang kecil. Jelajahi satu alur kerja berbasis agen, baik sumber terbuka atau kelas enterprise, uji dengan tim Anda dan lihat apa yang mungkin.