DORA: AI Mempercepat Penulisan Kode, tetapi Code Review dan Kualitas Menuntut Praktik Tim Baru
DORA menemukan waktu yang dihemat AI saat menulis kode sering habis untuk verifikasi. Berikut tiga trade-off dan praktik tim yang disarankan untuk menghadapinya.
Artikel ini disusun dengan bantuan AI berdasarkan sumber resmi yang tercantum di bawah, dan diperiksa secara otomatis sebelum terbit.
Asisten AI untuk menulis kode kini menjadi bagian dari pekerjaan sehari-hari banyak tim pengembang. Menurut laporan 2025 DORA State of AI-assisted Software Development, 90% profesional teknologi sudah memakai AI di tempat kerja, dan lebih dari 80% merasa produktivitasnya meningkat. Namun, dalam artikel yang diterbitkan pada 10 Maret 2026, DORA mengingatkan bahwa dampak AI terhadap siklus pengembangan perangkat lunak (SDLC) tidak berupa peningkatan yang lurus. Ditulis oleh Jessica Baolin dan Nathen Harvey, artikel tersebut menguraikan sejumlah trade-off yang perlu dikelola tim dan pimpinannya.
Apa yang Diteliti DORA
Para peneliti menganalisis 1.110 jawaban survei terbuka dari software engineer Google pada kuartal ketiga 2025. Responden diminta menceritakan bagaimana alat berbasis AI memengaruhi alur kerja mereka selama tiga bulan sebelumnya. Sebagian besar masukan berkisar pada empat aktivitas utama:
- pembuatan kode (code generation),
- pencarian informasi,
- code review,
- pengujian (testing).
DORA mencatat AI berhasil mempercepat pekerjaan di semua kasus penggunaan yang dianalisis. AI membantu mengotomatiskan kode boilerplate, mengurangi hambatan saat memulai tugas baru, dan menjembatani kesenjangan pengetahuan, misalnya saat engineer bekerja dengan bahasa pemrograman yang belum dikuasai atau kode warisan (legacy). DORA menggambarkan AI sebagai amplifier: ia memperbesar kekuatan organisasi yang sudah berkinerja tinggi, tetapi juga memperbesar disfungsi organisasi yang sedang bermasalah.
Tiga Trade-off yang Perlu Diwaspadai
DORA merangkum tiga ketegangan utama dari penggunaan AI dalam SDLC:
- Waktu menulis berpindah ke waktu verifikasi. Waktu yang dihemat saat menulis kode sering terpakai kembali untuk memeriksa hasilnya. Laporan DORA 2025 mencatat 30% developer hanya sedikit atau sama sekali tidak memercayai kode buatan AI. Halusinasi dan beban verifikasi muncul di semua kasus penggunaan yang dianalisis.
- Bantuan AI dapat melemahkan pembangunan keterampilan. Penurunan keterampilan (skill degradation) tercatat sebagai salah satu tema negatif, terutama pada pembuatan kode dan pembelajaran.
- Prototipe cepat, integrasi produksi lambat. Prototipe bisa dibuat dengan sangat cepat, tetapi membawanya ke kualitas siap produksi tetap memakan waktu.
Ketegangan ini, menurut DORA, mungkin menjelaskan temuan mereka bahwa adopsi AI yang lebih tinggi berkaitan dengan naiknya throughput pengiriman perangkat lunak sekaligus naiknya instabilitas pengiriman.
Kesalahan Umum dalam Mengadopsi AI
Dari temuan tersebut, ada beberapa jebakan yang patut dihindari:
- Mengukur keluaran, bukan dampak. Banyaknya baris kode tidak menunjukkan apakah perangkat lunak menjadi lebih baik atau lebih stabil.
- Memangkas estimasi terlalu dini. DORA meminta pimpinan untuk tidak mengurangi estimasi sebelum berinvestasi menutup jarak antara prototipe cepat dan kualitas setara produksi.
- Mengandalkan AI di atas fondasi yang rapuh. Menurut DORA, jika tim bergulat dengan alat yang terfragmentasi, data yang terkotak-kotak, atau infrastruktur yang rapuh, AI hanya akan membantu mereka "menghasilkan utang teknis lebih cepat".
Cara Tim dan Klien Menerapkannya
DORA memberikan sejumlah saran praktis bagi tim dan pimpinan:
- Ubah cara code review. Berikan umpan balik AI kepada penulis kode saat ia masih menulis, gunakan agen review yang memahami konteks untuk menegakkan standar, dan bekerja dalam batch kecil. Tim juga diajak menimbang ulang apakah review asinkron masih paling optimal dibandingkan berinvestasi pada otomatisasi pengujian.
- Ukur dampak. Google memakai indikator kecepatan, kemudahan, dan kualitas (speed, ease, quality/SEQ) untuk produktivitas developer. DORA juga merujuk pada kerangka SPACE, H.E.A.R.T., dan Value Stream Management.
- Sesuaikan estimasi secara realistis. Perhitungkan waktu verifikasi dan integrasi ke produksi, bukan hanya kecepatan membuat prototipe.
- Lindungi waktu untuk belajar mendalam. Tim perlu menyediakan ruang agar keterampilan engineer, terutama yang masih junior, tetap tumbuh.
Bagi manajer TI yang sedang menyusun kebijakan penggunaan AI, temuan DORA ini menjadi pengingat bahwa kecepatan menulis kode hanyalah satu bagian dari gambaran besar. Bagi klien yang menilai jadwal dari vendor, janji percepatan berkat AI layak ditanyakan lebih lanjut: bagaimana proses review, pengujian, dan stabilitas rilis dijaga. Kualitas pengiriman perangkat lunak tetap bergantung pada praktik tim yang kuat, dengan atau tanpa AI.
Sumber & referensi
Artikel ini merupakan ringkasan dan interpretasi tim Oemah Solution atas sumber-sumber di bawah. Untuk detail dan konteks lengkap, rujuk sumber aslinya.


