AI Bikin Tim Software Lebih Cepat tapi Rilis Lebih Rapuh: Isi Laporan DORA 2025 dan Pengamannya

Artikel
Authors
AI Bikin Tim Software Lebih Cepat tapi Rilis Lebih Rapuh: Isi Laporan DORA 2025 dan Pengamannya

Tim kamu sudah memakai AI untuk menulis kode. Pull request datang lebih cepat, fitur yang dulu butuh seminggu sekarang selesai dalam dua hari. Lalu minggu ini ada tiga rollback, satu hotfix tengah malam, dan seseorang bertanya di grup: "Ini gara-gara AI ya?"

Pertanyaan itu wajar. Jawabannya, menurut laporan DORA 2025, bukan "ya" atau "tidak". AI tidak membuat tim jadi rapuh. AI membuat tim jadi lebih seperti dirinya sendiri, hanya lebih cepat.

Laporan itu adalah State of AI-assisted Software Development 2025 dari DORA, program riset di Google Cloud yang meneliti performa tim software. Artikel ini merangkum isinya secara utuh: angka-angkanya, temuan utamanya, tujuh kemampuan yang menurut mereka menentukan hasil, dan saran untuk memulai. Di bagian akhir ada pengaman praktis yang bisa langsung kamu pasang, salah satunya saya uji ke riwayat repo saya sendiri.

Apa kata laporan DORA 2025

Laporan ini terbit September 2025. Datanya berasal dari survei hampir 5.000 profesional teknologi di seluruh dunia, ditambah lebih dari 100 jam data kualitatif dari wawancara.

AI sudah jadi standar kerja

Angka adopsi AI dari laporan DORA 2025
Angka adopsi AI dari laporan DORA 2025

Sumber gambar: DORA, State of AI-assisted Software Development 2025 (Google Cloud), infografis resmi, lisensi CC BY 4.0.

  • 90% responden memakai AI di tempat kerja.
  • Lebih dari 80% merasa AI meningkatkan produktivitas mereka.
  • 65% mengandalkan AI setidaknya dalam jumlah "sedang".
  • 60% pengguna AI memakainya "sekitar separuh waktu atau lebih" setiap kali menghadapi masalah atau tugas.
  • 59% melihat AI berdampak positif pada kualitas kode mereka.

Tapi ada satu angka yang jarang dikutip: 30% responden sedikit atau sama sekali tidak percaya pada kode yang dibuat AI. Angkanya sedikit turun dari tahun sebelumnya, tapi masih hampir sepertiga.

Temuan utamanya: AI adalah penguat

Kalimat kunci laporan ini: peran utama AI dalam pengembangan software adalah sebagai penguat (amplifier). Ia memperbesar kekuatan tim yang sudah baik, dan memperbesar masalah tim yang sedang kesulitan.

Dalam pengumuman resminya, tim DORA menjelaskan temuan yang membuat tim seperti contoh di atas merasa bingung. Berbeda dengan tahun sebelumnya, adopsi AI kini berhubungan positif dengan throughput pengiriman software dan performa produk. Artinya, tim memang bergerak lebih cepat dan produknya membaik. Tapi adopsi AI tetap berhubungan negatif dengan stabilitas pengiriman.

Penjelasan mereka: AI mempercepat pengembangan, dan percepatan itu membuka kelemahan di tahap sesudahnya. Tanpa sistem kendali yang kuat, seperti tes otomatis yang kokoh, praktik version control yang matang, dan umpan balik yang cepat, volume perubahan yang bertambah berujung pada ketidakstabilan. Tim dengan arsitektur yang tidak saling mengikat dan umpan balik cepat merasakan manfaatnya. Tim yang terikat sistem yang saling bergantung dan proses lambat merasakan manfaat yang kecil, atau tidak sama sekali.

Tujuh kemampuan yang memperbesar manfaat AI

DORA AI Capabilities Model
DORA AI Capabilities Model

Sumber gambar: DORA 2025, infografis resmi, lisensi CC BY 4.0.

DORA tidak berhenti di "AI berdampak". Mereka meneliti kondisi apa yang membuat dampaknya positif, dan menemukan tujuh kemampuan:

  1. Fokus pada pengguna (user-centric focus): AI paling berguna kalau diarahkan ke masalah yang jelas.
  2. Praktik version control yang kuat.
  3. Data internal yang bisa diakses AI: AI tahu konteks perusahaan, bukan hanya pengetahuan umum.
  4. Bekerja dalam batch kecil.
  5. Sikap soal AI yang jelas dan dikomunikasikan: tim tahu apa yang boleh dan tidak boleh dilakukan dengan AI.
  6. Platform internal yang berkualitas.
  7. Ekosistem data yang sehat.

Soal platform, angkanya: 90% organisasi sudah memakai setidaknya satu platform internal, 29% memakai lebih dari satu, dan 76% punya tim platform khusus. Laporan menemukan hubungan langsung antara kualitas platform internal dan kemampuan organisasi mendapat nilai dari AI.

Laporan ini juga memetakan tujuh profil tim, dari kelompok yang terjebak "tantangan mendasar" dengan proses yang bolong dan tingkat kelelahan tinggi, sampai kelompok "berprestasi tinggi yang harmonis" yang unggul di hampir semua sisi.

Saran mereka untuk memulai

Saran untuk pemimpin teknologi dari DORA 2025
Saran untuk pemimpin teknologi dari DORA 2025

Sumber gambar: DORA 2025, infografis resmi, lisensi CC BY 4.0.

Pertanyaannya, kata DORA, bukan lagi apakah perlu memakai AI, tapi bagaimana mendapatkan nilainya. Dalam pengumumannya, mereka menyarankan enam titik mulai: perjelas dan sosialisasikan kebijakan AI, hubungkan AI ke konteks internal, prioritaskan praktik dasar, perkuat jaring pengaman, investasi di platform internal, dan fokus pada pengguna akhir.

Kenapa ini terasa nyata buat saya

Yang membuat laporan ini menarik bagi saya bukan angka adopsinya, tapi kata "penguat".

Beberapa perbaikan di proyek klien yang saya pegang saya kerjakan bersama agent coding. Riwayat commit-nya mencatat agent itu sebagai co-author. Salah satunya perbaikan yang menyalakan kembali mode strict MySQL di aplikasi Laravel lama. Perubahan seperti itu bisa merusak banyak hal sekaligus. Yang membuat saya berani menggabungkannya bukan agennya, tapi 322 tes yang harus lulus lebih dulu. Agent mempercepat penulisan kode. Tes yang memutuskan apakah kode itu boleh masuk.

Itu persis yang digambarkan DORA. Tanpa tes dan proses review, kecepatan dari agent hanya akan menambah jumlah perubahan yang belum terbukti benar. Dengan pengaman, kecepatan yang sama berubah jadi pengiriman yang lebih cepat dan tetap stabil.

Satu hal lagi yang saya garis bawahi: "bekerja dalam batch kecil" ada di daftar tujuh kemampuan. Agent coding cenderung menghasilkan perubahan besar sekaligus, karena menulis kode tidak melelahkan baginya. Yang lelah adalah orang yang harus mereviewnya.

Pengaman yang bisa dipasang minggu ini

Langkah di bawah ini adalah terjemahan praktis dari kemampuan DORA ke tim kecil. Bukan resep resmi dari laporan, tapi titik awal yang bisa diukur.

Langkah 1: tulis sikap tim soal AI, satu halaman

Kemampuan kelima DORA adalah sikap soal AI yang jelas dan dikomunikasikan. Untuk tim kecil, cukup satu halaman di repo: alat apa yang dipakai, data apa yang tidak boleh dimasukkan ke AI, dan siapa yang bertanggung jawab atas kode yang ditulis AI. Jawaban untuk yang terakhir sebaiknya selalu sama: orang yang membuka pull request.

Langkah 2: tes wajib lulus sebelum merge, tanpa pengecualian

Kalau belum ada, pasang tes otomatis di setiap pull request. Contoh untuk proyek Laravel dengan GitHub Actions:

name: tests
on: [pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: shivammathur/setup-php@v2
        with:
          php-version: '8.3'
      - run: composer install --no-interaction --prefer-dist
      - run: cp .env.example .env && php artisan key:generate
      - run: php artisan test

Lalu aktifkan aturan di repo supaya pull request tidak bisa di-merge sebelum tes ini hijau. Tanpa aturan itu, tes hanya jadi saran.

Langkah 3: batasi ukuran perubahan

Ini terjemahan dari kemampuan "bekerja dalam batch kecil". Skrip kecil di bawah menolak pull request yang terlalu besar untuk direview dengan teliti:

#!/usr/bin/env bash
# Pakai: cek-ukuran-perubahan.sh <base> <head> [maks_baris] [maks_file]
set -euo pipefail
base=$1; head=$2; max_lines=${3:-400}; max_files=${4:-15}
read -r files lines < <(git diff --numstat "$base" "$head" \
  | awk '$1 != "-" { f++; l += $1 + $2 } END { print f+0, l+0 }')
echo "perubahan: $files file, $lines baris (batas $max_files file, $max_lines baris)"
if (( files > max_files || lines > max_lines )); then
  echo "TERLALU BESAR: pecah jadi beberapa PR kecil sebelum direview"
  exit 1
fi
echo "OK: cukup kecil untuk direview dengan teliti"

Saya jalankan skrip ini ke tiga pull request lama di repo website saya:

Skrip ukuran perubahan dijalankan ke tiga PR lama
Skrip ukuran perubahan dijalankan ke tiga PR lama

PR pertama adalah fitur analytics yang dikerjakan agent coding: 31 file dan 1.087 baris dalam satu pull request. Waktu itu tetap saya review dan merge. Dengan skrip ini, PR seperti itu akan diminta dipecah dulu. Dua PR lainnya, perbaikan gambar preview, kecil dan langsung lolos.

Angka 400 baris dan 15 file hanya titik awal. Sesuaikan dengan kebiasaan tim kamu, lalu pasang sebagai satu langkah di CI.

Langkah 4: beri AI konteks internal, bukan hanya prompt

Kemampuan ketiga adalah data internal yang bisa diakses AI. Versi paling sederhananya: dokumen di repo yang menjelaskan konvensi, keputusan arsitektur, dan hal yang tidak boleh diubah. Agent coding modern membaca file seperti ini sebelum bekerja. Tanpa konteks itu, agent menebak.

Langkah 5: ukur stabilitas, bukan hanya kecepatan

DORA mengukur dua sisi: throughput dan stabilitas. Kalau tim kamu hanya mengukur jumlah fitur atau pull request yang selesai, efek negatif AI tidak akan terlihat sampai terjadi insiden. Catat minimal dua hal setiap minggu: berapa deployment yang harus di-rollback atau di-hotfix, dan berapa lama waktu memulihkannya.

Langkah 6: review dengan pertanyaan "apa yang bisa salah"

Saat mereview kode dari AI, jangan hanya membaca apakah kodenya rapi. Tanyakan apa yang terjadi saat input kosong, saat dua request datang bersamaan, atau saat layanan luar gagal. Kode buatan AI biasanya rapi di jalur yang berhasil, dan diam di jalur yang gagal.

Checklist pengaman AI untuk tim software

  • Ada satu halaman sikap tim soal AI di repo.
  • Tes otomatis wajib lulus sebelum merge, dan aturan itu dikunci di repo.
  • Ada batas ukuran pull request yang dicek otomatis.
  • Ada dokumen konteks internal yang dibaca agent coding.
  • Tim mencatat rollback, hotfix, dan waktu pemulihan setiap minggu.
  • Reviewer bertanya soal jalur gagal, bukan hanya jalur berhasil.
  • Orang yang membuka pull request bertanggung jawab atas seluruh isinya, termasuk bagian yang ditulis AI.

Apa yang tidak dikatakan laporan ini

  • Artikel ini merangkum laporan resmi dan pengumumannya, bukan seluruh isi laporan lengkap. Laporan lengkap DORA 2025 tersedia setelah mengisi formulir di situs Google Cloud. Angka di artikel ini diambil dari infografis resmi DORA dan pengumuman resmi tim DORA di blog Google Cloud.
  • Angka survei adalah persepsi responden. "Lebih dari 80% merasa lebih produktif" berbeda dengan produktivitas yang diukur langsung.
  • Hubungan bukan sebab-akibat. DORA melaporkan hubungan antara adopsi AI dan stabilitas, bukan bukti bahwa AI sendirian menyebabkan ketidakstabilan.
  • Langkah di bagian implementasi adalah terjemahan saya, bukan resep DORA. Skrip dan contoh CI sengaja disederhanakan. Batas 400 baris dan 15 file bukan angka dari laporan.
  • Responden survei bersifat global. Laporan ini tidak memisahkan hasil untuk tim di Indonesia.

Repo yang masih bisa di-merge saat tes merah adalah pengaman pertama yang perlu dibereskan, sebelum menambah satu alat AI lagi.

Sumber: DORA, "State of AI-assisted Software Development 2025", Google Cloud, September 2025 (dora.dev/dora-report-2025). Pengumuman resmi: N. Harvey dan D. DeBellis, "Announcing the 2025 DORA Report", Google Cloud Blog, 24 September 2025.

Artikel terkait

Tulisan lain yang nyambung dengan topik ini.

Comments

Komentar akan tampil setelah disetujui.

Memuat komentar...