Dari Vibe Coding hingga Brain Fry: Kelelahan Baru yang Mencengangkan para Pengembang
Para pengembang semakin menderita akibat jenis kelelahan baru yang disebabkan oleh alat pengodean kecerdasan buatan (AI) yang menghasilkan banyak kode dengan cepat, sehingga membutuhkan validasi terus-menerus. 'Brain fry AI' ini dikaitkan dengan peningkatan kelelahan pengambilan keputusan, lebih banyak kesalahan, dan keinginan yang lebih tinggi untuk berhenti, seperti yang ditunjukkan oleh survei dan studi. Pengembang berpengalaman mengembangkan strategi untuk mengurangi efek ini, seperti membuat draf, merebut kembali pekerjaan, dan menolak tugas tertentu.
Seorang pengembang di sebuah forum menggambarkan kelelahan yang dialaminya setelah dua bulan berkode tujuh jam sehari dengan alat AI, membandingkannya dengan menaruh lilin produktivitas di atas penyembur api: lebih cepat tetapi menghabiskan lebih banyak energi. Fenomena ini, pertama kali dijelaskan oleh mantan insinyur Google, Jorge Raad, pada Agustus 2025 sebagai 'kelelahan vibecoding', disebabkan oleh delegasi kognitif yang berlebihan kepada AI. Sebuah studi Maret 2026 menyebutnya 'AI brain fry', menemukan bahwa di antara 1.488 orang, terdapat sepertiga lebih banyak kelelahan pengambilan keputusan, 39% lebih banyak kesalahan serius, dan peningkatan keinginan untuk berhenti (dari 25% menjadi 34%). Lembaga Penelitian Upwork menemukan bahwa 77% pengguna AI mengatakan AI meningkatkan beban kerja mereka, dan 88% pengguna AI paling produktif melaporkan kelelahan. Masalah ini terkait dengan 'ironi otomatisasi' yang dijelaskan oleh ahli ergonomi Lisanne Bainbridge pada tahun 1983: ketika tugas-tugas mudah diotomatisasi, manusia dibiarkan dengan tugas-tugas tersulit ditambah pengawasan. Pengembang menggunakan AI karena kode dapat diverifikasi, dan tolok ukur SWE-bench melacak kemajuan. Untuk mengatasinya, pengembang menggunakan tiga strategi utama: membuat draf sebelum menggunakan AI, merebut kembali pekerjaan dengan memahami setiap baris yang dihasilkan, dan menolak tugas-tugas tertentu seperti pilihan arsitektur, area berisiko, dan pekerjaan yang bermakna. Strategi-strategi ini memasang kembali rem yang dilepas oleh mesin. Mengamati di mana para profesional berpengalaman menolak menggunakan AI dapat memandu pemula. Morgan Blangeois, seorang mahasiswa PhD di Université Clermont Auvergne, menulis artikel ini, diterbitkan ulang dari The Conversation.
Sumber: Numerama —
asli