Ketika agen coding AI dipakai serius, hal pertama yang mengejutkan bukan kecerdasannya.
Melainkan:
“Kapan dia pulang?”
Siang riset, sore implementasi, malam pengujian, tengah malam diberi bug. Pagi berikutnya masih memperbaiki sesuatu.
Tim manusia akan membutuhkan shift malam, lembur, handover, pengelolaan kelelahan, dan jadwal. AI menghadapi batas berbeda: paket, kuota, konteks, tool, dan keandalan sistem.
Lalu muncul hal yang lebih aneh:
jatah satu minggu bisa habis dalam beberapa hari.
Awalnya terasa sangat besar. Beberapa hari kemudian sistem secara tidak langsung berkata, “Minggu ini sudah terlalu banyak dipakai.”
Hukum ketenagakerjaan menghilang lalu lahir kembali sebagai rate limit.
0. Ukuran yang penting adalah throughput, bukan jam kerja
Daripada bertanya berapa jam AI aktif, lebih baik ukur:
- berapa investigasi selesai
- berapa file berubah
- berapa pengujian berjalan
- berapa masalah terselesaikan
- berapa hasil masuk production
- berapa yang macet
AI dapat berulang kali mencari, membandingkan, mengedit, dan menguji dengan cepat. Yang penting adalah berapa banyak pekerjaan berguna yang benar-benar melewati seluruh pipeline.
1. Keanehan operasi 24 jam bukan karena shift malam murah
Operasi manusia 24/7 memerlukan shift, tunjangan, handover, dan cadangan.
AI biasanya bekerja di bawah batas produk yang sama siang maupun malam.
Yang aneh bukan “bisa bekerja malam”.
Yang aneh adalah unit yang sama terus bekerja tanpa pergantian shift.
Kesalahannya pun berbeda: kurang konteks, asumsi salah, kegagalan tool, atau spesifikasi yang tidak lengkap.
2. Kuota yang lebih besar menciptakan pekerjaan yang lebih besar
Ketika limit naik, pengguna berhenti berhemat.
Tugas yang sebelumnya dilakukan sendiri ikut diserahkan ke AI.
Riset sederhana berubah menjadi:
riset→implementasi→tes→perbaikan→tes ulang→cek log→perbaikan lagi.
Jadi kuota besar pun bisa habis cepat.
Ini bukan selalu kekurangan kapasitas.
Lebih banyak supply menciptakan lebih banyak demand untuk kerja AI.
3. Pemulihan berkala mengubah waktu tunggu menjadi buffer
Saat menunggu kapasitas kembali, kita bisa:
- mencatat masalah baru
- merapikan langkah reproduksi
- mengumpulkan log
- mengelompokkan dugaan penyebab
- memprioritaskan batch berikutnya
Setelah kuota pulih, semuanya diproses sekaligus.
Sistem berubah dari percakapan real-time menjadi pabrik batch.
4. Mode premium paling cocok sebagai eskalasi
Mode berkualitas tinggi bisa memakan banyak kuota.
Namun nilainya besar ketika sistem benar-benar macet.
Gunakan untuk:
- memetakan akar masalah
- mengurai dependensi
- menyusun urutan perbaikan
- merancang pencegahan berulang
- menentukan monitoring
Artinya gunakan premium untuk perencanaan di bawah ketidakpastian.
Rutinitas: mode normal. Macet: eskalasi. Diagnosis dan rencana: premium. Eksekusi: kembali ke normal.
5. Semakin cepat AI, semakin bottleneck berpindah
Pipeline umum:
generasi → penyimpanan → transformasi → publikasi → production → verifikasi.
Satu tahap yang rapuh bisa menghapus manfaat kecepatan di depan.
100 dibuat, 99 terbit, 1 menjadi inventaris.
Jika berulang, ini adalah masalah yield.
6. “Artikel tidak muncul” belum tentu kegagalan generasi
Masalah bisa terjadi di:
- penyimpanan
- validasi metadata
- lokalisasi
- antrean publikasi
- deploy
- verifikasi
- halaman daftar
Maka setiap tahap perlu counter.
Dibuat 120 → disimpan 120 → masuk antrean 118 → terverifikasi 116
Empat yang hilang menjadi terlihat.
Gagal boleh terjadi; hilang diam-diam tidak boleh.
7. Pabrik AI 24 jam perlu pemulihan otomatis
Alur ideal:
- deteksi kekurangan
- isolasi ID
- klasifikasikan error
- retry bila aman
- eskalasi hanya kegagalan berulang
Jangan jalankan ulang semuanya.
Proses ulang hanya yang rusak.
8. Peran manusia berkurang, tetapi tidak hilang
Manusia tetap menentukan:
- apa yang penting
- tingkat error yang diterima
- apa yang tidak boleh diotomasi
- kapan memilih kualitas atau kecepatan
- masalah mana yang layak di-upgrade
Perannya menjadi perancang lini.
9. Masalah sebenarnya bukan AI bekerja terlalu keras
Yang lebih buruk adalah menghabiskan banyak kuota untuk hasil yang:
- hilang di tengah pipeline
- tidak masuk production
- gagal tanpa terlihat
- mengulang bug yang sama
- membuang premium mode untuk pekerjaan remeh
Prinsip terbaik:
murah dan cepat untuk rutinitas; premium untuk bottleneck; kegagalan harus terlihat; retry otomatis jika memungkinkan.
Saat itu, Anda bukan hanya memakai AI.
Anda sedang merancang pabrik tempat AI bisa bekerja.
