Anda bukan sedang menulis kod — anda sedang mengurus “pasukan AI”

Kebanyakan orang guna Coding Agent dengan cara yang sama: mereka masih berperanan sebagai tech lead. Reka bentuk sistem kena pantau sendiri, setiap baris kod kena semak, setiap output AI kena lulus pemeriksaan peribadi sebelum commit. Kualiti memang terjamin — tapi harganya? Anda jadi bottleneck terbesar dalam barisan pengeluaran. Semua keputusan tunggu anda, semua butiran lalu anda, dan produktiviti Agent tersekat oleh masa dan perhatian anda.

Pembangun bebas yang betul-betul buat duit dah lama buat satu anjakan peranan: dari TL ke EM. Bahasa mudahnya: TL pantau setiap baris kod, EM hanya tengok sama ada hasilnya berfungsi. TL tanya “kod ni betul ke?”, EM tanya “fungsi ni lulus penerimaan ke?”. Nampak kecil, tapi inilah yang besarkan kapasiti anda daripada “output seorang” kepada “output satu pasukan”.

Kenapa sekarang berani lepas tangan: keupayaan model dah lepas titik kritikal

Syarat untuk lepas tangan ialah kualiti kod yang boleh diharap. Syarat itu dah tercapai tahun ini: penanda aras awam utama menunjukkan model terkini menulis kod dengan ketepatan melebihi 80%, mengalahkan generasi sebelumnya dengan ketara (skor tepat berbeza mengikut penilaian — semak sendiri di Artificial Analysis atau SWE-Bench, jangan percaya petikan pihak ketiga, termasuk saya).

Maksudnya apa? Kod AI hanya perlukan pengesahan ringkas untuk elak larian besar. Pulangan marginal daripada semakan baris demi baris dah terlalu rendah untuk berbaloi. Terus jadi TL bermakna anda guna masa paling mahal untuk kerja QC paling murah. Pasaran tak bayar untuk “keraguan” anda — pelanggan bayar untuk hasil yang diserahkan.

Laluan 1: Ganti pengawasan baris demi baris dengan “pengesahan pelan + sasaran jelas”

Macam mana nak laksanakan? Langkah pertama: ubah aliran kerja. Lepas fikirkan fungsi yang nak dibina, bincang pelan teknikal dengan Agent dulu. Bila pelan disahkan, hantar sasaran bersama pelan terus kepada Agent — menulis kod, menjalankan ujian automasi, semua dia urus. Tugas anda satu sahaja: terima fungsi yang siap, bukan semak butiran kod.

Ini templat prompt pelan yang boleh terus disalin:

1
2
3
4

Saya nak bina【penerangan fungsi】.
Kekangan:【stack teknikal/platform/persekitaran yang mesti serasi】.
Sila keluarkan pelan teknikal dahulu, merangkumi: 1) pecahan modul; 2) aliran data; 3) risiko yang mungkin dihadapi.
Selepas saya sahkan pelan, barulah tulis kod. Lepas siap, jalankan ujian sendiri dan tampal hasilnya kepada saya.

Untuk penerimaan, guna senarai semak ini — tak perlu buka kod pun:

• Jalankan aliran utama sekali, tiada ralat pada laluan utama
• Uji satu kes sempadan setiap jenis (input kosong, input terlalu panjang, tiada internet)
• Semua ujian automasi yang Agent tambah mesti lulus
• Kalau ada bug, jangan selam kod sendiri — terangkan simptom kepada Agent, suruh dia hasilkan semula, baiki, tambah ujian, kemudian anda sahkan sekali lagi

Kunci pendekatan ini: alihkan titik pengesahan ke hadapan. Mod TL mengesahkan di lapisan kod — kos tinggi. Mod EM mengesahkan di lapisan fungsi — klik sana sini, siap dalam beberapa minit. Dalam keseluruhan kitaran, masa anda hanya pergi kepada dua benda: fikirkan apa nak dibuat, dan sahkan ia dibuat dengan betul.

Laluan 2: Pemilihan teknologi — dari “apa yang saya tahu” ke “apa yang paling sesuai”

Anjakan peranan ini ada bonus tersembunyi: pemilihan teknologi tak lagi diikat oleh sempadan kemahiran anda. Dalam fikiran TL, anda akan pilih stack yang biasa, sebab kalau ada masalah anda boleh baiki. Dalam fikiran EM, anda hanya nilai teknologi apa yang paling sesuai untuk projek itu — selebihnya serahkan pada Agent.

Ada pembangun bebas berkongsi pengalaman begini (menurut pos asal, tidak disahkan secara bebas): semasa membina aplikasi terjemahan sari kata, dia mula dengan Electron sebab biasa dengan frontend, tapi prestasi tak pernah memuaskan. Akhirnya dia tukar terus ke Swift + AppKit — stack yang dia tak pernah sentuh — dengan bantuan AI sepanjang proses, tanpa halangan. Untuk produk rentas platform seterusnya, dia pilih Rust, bahasa yang dia tak pernah tulis langsung. Benar atau tidak kisah ini, logiknya boleh diuji: malam ini juga, pilih satu stack yang anda tak biasa, suruh Agent bimbing anda tulis alat kecil 100 baris, dan tengok sama ada anda tersekat. Ringkasnya: sempadan kemahiran bukan lagi alasan — pilih sahaja apa yang paling optimum.

Laluan 3: Jadikan kelajuan iterasi sebagai parit pertahanan — dan jom kira untung

Bila mod ini lancar, tempoh penghantaran boleh dimampatkan dari berminggu ke beberapa hari. Pelanggan bagi keperluan pagi, petang tu dah ada versi boleh diterima. Pesaing kemas kini seminggu sekali, anda sehari sekali. Di Carousell, Lemon8 dan Upwork memang ramai yang ambil job pembangunan AI, tapi majoriti masih di tahap “AI tolong saya taip kod”. Dengan mod EM, anda main di liga lain.

Jangan cakap konsep saja — jom kira (anggaran konservatif, laraskan ikut kadar anda):

• Ambil job biasa “alat kecil/mini app”, harga purata RM800 sejob
• Mod TL: satu job siap dalam 5 hari, maksimum 4 job sebulan — pendapatan RM3,200
• Mod EM: pelan + penerimaan ambil 1.5 hari, semasa Agent bekerja anda ambil job seterusnya — setiap job hanya makan 2 hari masa anda, 8-10 job sebulan — pendapatan RM6,400-8,000
• Kos: langganan AI paling mahal sekitar RM100/bulan, kadar kerja semula sekitar 10% selepas senarai semak dikuatkuasakan, peruntukkan separuh hari penampan setiap job

Maksudnya, bulan yang sama, beza pendapatan melebihi RM3,000 — dan dalam mod EM, bottleneck anda ialah jumlah job, bukan kelajuan tangan. Tulis terus di halaman servis anda: “Versi boleh guna dihantar dalam 48 jam”. Itu kelebihan yang orang lain tak boleh tiru.

Satu-satunya bottleneck: anda sendiri tak jelas nak buat apa

Mod ini ada kekangan sebenar: bila tiba masa merancang versi besar baharu atau hala tuju produk baharu, manusia semula jadi bottleneck. Agent sehebat mana pun hanya boleh laksanakan sasaran yang anda dah fikirkan dengan jelas. Kalau anda sendiri kabur, dia tak akan hasilkan satu baris kod pun yang berguna.

Jadi mod EM sebenarnya menuntut lebih daripada anda — bukan kedalaman teknikal, tapi penilaian produk. Anda kena luangkan masa mengkaji apa yang dicari pelanggan di Carousell dan Shopee, apa yang dirungut dalam pos masalah di Lemon8, kandungan alatan apa yang sedang meletup di TikTok. Salurkan semua masa yang dijimatkan daripada menyemak kod kepada “memikirkan apa nak dibuat” — itulah kedudukan sebenar manusia dalam mod ini.

Mula hari ini: tiga langkah untuk tukar peranan

Kalau anda belum pernah ambil job, jangan terus fikir nak gandakan kapasiti. Laluan masuk yang lebih rendah: pasang iklan “custom AI tool” di Carousell, harga RM150-250, dan habiskan job pertama dengan tiga langkah di bawah — anda akan dapat aliran kerja boleh guna semula dan rasa harga sebenar.

Langkah pertama: pilih satu projek kecil yang sedang berjalan, paksa diri tidak buka fail kod langsung — hanya tulis pelan, beri sasaran, buat penerimaan fungsi. Lalui sekali aliran kerja EM penuh dan rekod masa yang diambil. Itu data tangan pertama anda, lebih bernilai daripada kisah sesiapa. Langkah kedua: jadikan “bila ada bug, terangkan kepada Agent untuk dihasilkan semula dan dibaiki” sebagai refleks — jangan sekali-kali terjun ke dalam kod sendiri. Langkah ketiga: untuk projek seterusnya, sengaja pilih stack yang anda tak biasa tapi paling sesuai, dan sahkan sama ada AI mampu membawa anda merentasinya.

Titik kritikal keupayaan pengekodan AI dah berlalu. Dividen sedang berpindah daripada “orang yang tahu guna AI menulis kod” kepada “orang yang tahu mengurus pasukan AI”. Malam ini juga, pilih satu projek dan jalankan aliran kerja EM mengikut templat dan senarai semak di atas.