Programming sebelum ada AI agent terasa lebih sederhana.

Bukan berarti pekerjaannya mudah. Maksud saya, bentuk pekerjaannya lebih gampang dibayangkan. Biasanya saya bergerak melalui satu alur kerja dalam satu waktu. Contohnya:

Planning -> Coding -> Testing -> Deploying -> Deployed

Context switching menjadi beban yang sangat berat. Sebagai contoh ketika saya memiliki 3 tugas dalam backlog. Setiap saya kembali ke tugas yang tadinya saya tinggalkan, saya membutuhkan waktu untuk mengumpulkan kembali konteks sehingga pikiran saya berada pada situasi terakhir ketika tugas tersebut tertinggal. Belum lagi ngoding, selain saya harus berkonsentrasi penuh, pekerjaan ini tidak bisa ditinggalkan di tengah-tengah. Bisa buyar hasil pemikiran kita sebelumnya.

Satu siklus project bisa memakan fokus mendalam selama beberapa hari bahkan seminggu. Saya bukan cuma mengerjakan tugasnya, tapi juga membawa seluruh ilmu mengenai pekerjaan tersebut di dalam kepala. Progress terlihat linear karena perhatian saya juga berurutan. Di sini saya membuatkan simulasi sederhana bagaimana situasi sebelum AI:

Perhatikan bagaimana Fokus mesti bergerak lagi dari awal ketika konteks project berubah. Dan perhatikan pula bagaimana progress bisa maju-mundur tergantung dari perubahan situasi. Begitulah kira-kira gambarannya.

AI dan ilusi parallelisme yang menggoda

Setelah ada AI coding agent, ada 2 hal yang saya rasakan drastis perubahannya. Pertama, ngoding kini bisa ditinggal. Saya tidak perlu lagi hands-on ketika ngoding. Yang kedua, AI bisa membantu mengumpulkan konteks sehingga mempermudah context switching. Dengan demikian, saya bisa menjaga beberapa thread pekerjaan tetap hidup sekaligus.

Terdengar seperti mimpi seorang engineer yang terlalu sering punya side project tapi waktunya terbatas 😅. Tapi pengalaman sebenarnya tidak sesederhana parallel execution. Yang terjadi lebih mirip managed parallelism.

Agent tidak benar-benar bergerak maju hanya karena ia ada. Ia hanya bergerak maju ketika saya fokus melihatnya, membaca state terakhir, review hasilnya, atau menyelesaikan ambiguitas. Berikut ini adalah simulasi yang saya buat untuk menggambarkan situasi saat ini:

Di titik ini saya mulai melihat fokus seperti node terpisah. Fokus bergerak dari satu agent ke agent lain. Pergerakan fokus saya dari satu agent ke agent lain adalah context switching. Context switching yang selalu menjadi momok dan dihindari oleh programmer kini malah menjadi tuntutan pekerjaan di era Agentic. AI Agent bisa membantu proses context switching kita dengan memberikan summary, tapi tetap saja otak kita perlu pemanasan untuk bisa memahami situasi dan mengambil keputusan.

Ketika saya mulai mengirimkan prompt ke agent, pekerjaan mulai maju dan saya bisa beralih ke pekerjaan lain sembari menunggu.

Planning -> Coding

Tentunya tidak ada pekerjaan yang selalu berjalan mulus. Mungkin agent akan bertanya balik atau meminta konfirmasi. Mungkin implementasinya belum sepenuhnya memenuhi ekspektasi. Atau malah agent bekerja dengan asumsi yang keliru. Tentunya ini adalah pushback yang membutuhkan fokus kita kembali:

Planning -> Coding
              ⇅
       Ask Confirmation 

Pushback sebenarnya bukan hal yang aneh dan sudah ada sebelum era agentic. Bedanya saat ini adalah loop antara eksekusi -> feedback -> eksekusi bisa semakin singkat karena proses eksekusi oleh AI agent lebih cepat daripada kita.

Pushback bukan kegagalan, tapi sinyal

Saya tidak menganggap pushback sebagai kegagalan murni dalam mendefinisikan requirement. Di dalam PRD yang sangat ekstensif pun kita masih bisa mendapatkan pergantian spesifikasi di tengah proses implementasi. Kalau agent kembali dari Coding ke Planning, biasanya ada sesuatu yang perlu diperjelas: scope terlalu luas, acceptance criteria tidak eksplisit, atau saya belum memberi konteks yang seharusnya dibaca.

Yang penting adalah jangan membiarkan pushback yang sama terjadi berulang-ulang. Sekali mundur masih wajar, tapi instruksi berikutnya harus lebih baik. Idealnya ini menjadi momen untuk mengubah iterasi dari:

"Kerjakan fitur ini"

menjadi:

"Kerjakan fitur ini dengan batasan berikut, baca file ini dulu, jangan sentuh bagian itu, dan berhenti setelah test ini hijau"

Semakin banyak agent yang berjalan, semakin penting kemampuan untuk memberi batasan seperti ini. Tanpa batasan, parallelism berubah menjadi noise.

Pekerjaan paralel berkedok sebagai linear

Masalah berikutnya muncul ketika satu project tidak lagi berupa satu garis lurus. Ia bisa bercabang menjadi sub-sub pekerjaan:

A: Planning -> Coding -> Testing -> Deploying -> Deployed
   ↳ Subplan -> Coding -> Testing -> Deploying -> Deployed
   ↳ Subplan -> Coding -> Testing -> Deploying -> Deployed

Di sinilah leverage terasa sangat kuat, tapi juga mahal secara mental. Saya membuat simulasi berikut ini untuk memvisualisasikannya. Ini bukan lagi n buah project, melainkan n(1 + s) tergantung ada berapa turunannya :

Kalau kamu ingin merasakan sendiri bagaimana fokus berpindah di antara agent, saya juga membuat versi interaktifnya di /assets/simulations/2026/04/programming-work-on-agentic-era/. Coba mainkan sebentar sebelum lanjut membaca.

Saya tidak lagi cuma bertanya, “Project A sedang ada di state apa?” Pertanyaannya berubah menjadi, “Bagian mana dari project A yang butuh fokus saya sekarang, dan konteks apa yang harus saya reload supaya bisa membantu dia bergerak?”

Ini mirip membuka beberapa tab browser untuk debugging. Pada awalnya terasa produktif. Setelah tab-nya terlalu banyak, kita mulai lupa tab mana yang berisi error asli, tab mana yang cuma dokumentasi, dan tab mana yang dibuka karena panik.

AI coding agent punya versi yang sama. Bedanya, tab itu bisa menulis code-nya sendiri.

Godaan untuk terus menambah spesifikasi

Ini yang paling sering saya rasakan ketika sebuah tugas mulai mencapai garis finish. Pikiran-pikiran seperti “apakah setiap use case sudah dicover?” dan “apakah perlu tambahan fitur x?” menjadi sangat menggoda karena AI bisa menyelesaikan itu semua dalam hitungan menit. Namun dampaknya adalah ukuran kode yang harus direview menjadi semakin besar dan kompleks.

Akhir-akhir ini saya sering menjalankan skill /simplify di Claude Code untuk membantu saya memangkas dan menyederhanakan kode yang kompleks. Prompt serupa juga yang saya berikan untuk menantang balik dokumentasi plan yang dibuat oleh agent jika sudah mulai menjadi kompleks.

AI tidak menggantikan fokus

Kesimpulan saya sementara ini:

AI tidak menghilangkan kebutuhan untuk fokus. Ia mengubah fokus dari mengerjakan satu hal secara mendalam menjadi mengelola kapan banyak hal boleh bergerak.

Ini bukan berarti deep work hilang. Saya masih membutuhkan fokus panjang untuk memahami masalah yang rumit, mengambil keputusan arsitektur, atau membaca tradeoff yang tidak bisa diserahkan ke agent begitu saja.

Yang berubah adalah ritmenya. Dulu saya bisa masuk ke satu pekerjaan dan tinggal di sana lama. Sekarang saya lebih sering menjadi scheduler untuk beberapa pekerjaan yang sama-sama hidup.

Tentunya simulasi di atas hanyalah penyederhanaan saja, karena fokus manusia tidak selalu bisa 100%. Seringkali saya bisa melakukan context switching dalam hitungan menit, namun terkadang perlu beberapa jam hanya untuk kembali paham kenapa saya meminta agent melakukan sesuatu. Di sini pengalaman sebagai pemain game Factorio cukup membantu karena di game itu saya seringkali mengalami context switching, tetapi tidak sampai burnout karena rewardnya bisa dirasakan secara instan (dopamin).

Jumlah task juga tidak harus tiga. Saya hanya suka angka itu karena masih terasa manusiawi. Lebih dari itu, kepala saya bisa pecah.

Tidak semua task juga butuh alur Planning, Coding, Testing, dan Deploying. Untuk pekerjaan kecil, kadang cukup Coding dan Testing. Untuk perubahan berisiko, Planning bisa jauh lebih panjang daripada Coding.

Tetap saja, model sederhana ini membantu saya memahami satu hal: kemampuan utama di era agentic bukan hanya menulis code lebih cepat. Kemampuan yang semakin penting adalah menjaga fokus tetap sehat, memberi batasan yang jelas, dan tahu kapan sebuah pekerjaan harus maju, mundur, atau berhenti.

Bagaimana dengan kamu? Apakah AI agent membuat pekerjaanmu terasa lebih ringan, atau justru membuat context switching jadi semakin tak terkendali?