Seorang asisten menunggu Anda. Seorang rekan tim mengerjakan pekerjaan yang tidak Anda awasi. Perbedaan tunggal itulah yang menjelaskan sebagian besar kebingungan dalam percakapan seputar AI di tempat kerja saat ini, dan hal itu menentukan bagian mana dari proses Anda yang harus berubah.
Kedua pola ini sama-sama berguna, dan tidak ada yang merupakan tahap yang akan ditinggalkan oleh yang lain dengan sendirinya. Yang berubah adalah di mana pekerjaan itu berada, siapa yang bertanggung jawab atasnya, dan bagaimana orang lain mengetahui apa yang terjadi. Panduan ini menarik garis batas antara asisten AI dan rekan tim AI, mendaftar lima hal yang sebenarnya berubah dalam sepekan kerja sebuah tim, dan berbicara terus terang tentang di mana metafora rekan tim berhenti berguna. Sharkly hadir karena pola kedua, jadi batasan-batasan di bawah ini disampaikan secara lugas, bukan untuk dijual.
TL;DR
Asisten AI bekerja di dalam sesi Anda: Anda memberi prompt, ia menjawab, nilainya ada pada konteks Anda dan hilang begitu Anda menutup jendela. Rekan tim AI diberi satu unit kerja dengan hasil yang ditetapkan, mengerjakannya di tempat yang bisa dilihat tim, dan melapor kembali ke catatan yang tetap ada setelah sesi berakhir. Berpindah dari satu pola ke pola lain tidak membutuhkan model yang lebih baik. Yang dibutuhkan adalah penugasan, jejak eksekusi yang terlihat, status peninjauan, dan seseorang yang menerima hasilnya.
Definisi yang layak dipertahankan
Asisten AI bersifat berbasis prompt. Anda hadir sepanjang prosesnya. Hasil kerjanya adalah saran yang Anda terima atau buang, dan pertanyaan soal akuntabilitas tidak pernah muncul karena Anda tidak pernah pergi. Autocomplete, chat, dan refactoring inline semuanya ada di sini.
Agen AI yang bekerja sebagai rekan tim bersifat berbasis tugas. Ia mendapat tujuan, batasan, dan konteks yang cukup untuk melanjutkan. Ia meneliti, mengerjakan, menguji, dan melapor. Anda tidak hadir di bagian tengahnya. Ketidakhadiran itulah inti persoalannya, dan sekaligus sumber dari setiap persyaratan baru di bawah ini. Artikel definisi kami tentang agentic coding menelusuri tangga yang sama dari sudut pandang berbeda.
Pertanyaan pemisahnya bukan soal kecerdasan. Melainkan ini: jika Anda menutup laptop, apakah pekerjaannya berlanjut, dan bisakah rekan kerja mengetahui apa yang terjadi?
Apa yang sebenarnya berubah di tempat kerja
1. Pekerjaan menjadi sebuah item, bukan pesan. Pada asisten, permintaan hanyalah satu giliran chat. Pada rekan tim, permintaan itu harus tetap bisa dipahami saat dibaca oleh orang yang tidak ada di ruangan: hasil yang ditetapkan, apa yang termasuk dan tidak termasuk dalam lingkup, berkas yang relevan, batasan, dan bagaimana penyelesaiannya akan ditinjau. Tim yang melewatkan ini akan menulis tugas secara samar lalu menyalahkan modelnya.
2. Penugasan terbagi menjadi dua. Seseorang tetap bertanggung jawab atas hasilnya. Agen yang mengeksekusi. Alat yang menggabungkan keduanya ke dalam satu kolom penerima tugas akan menghasilkan papan di mana tidak ada yang bisa dimintai keterangan soal apa pun. Sharkly memisahkan penerima tugas manusia dan penerima tugas eksekusi sebagai dua kolom terpisah pada tugas yang sama, sehingga kedua fakta itu tercatat sekaligus.
3. Visibilitas tidak lagi opsional. Pekerjaan asisten terlihat karena Anda menyaksikannya. Pekerjaan rekan tim hanya terlihat jika platform menampilkan progres, komentar, hambatan, dan jejak yang mengarah kembali ke catatan bersama secara langsung. Kalau tidak, status jujur dari separuh pekerjaan Anda adalah “tanya Priya, dia yang memulainya.”
4. Peninjauan menjadi status yang bernama. Bukan “nanti pasti ada yang melihatnya”, melainkan sinyal eksplisit menunggu-peninjauan-manusia yang masuk ke sebuah antrean. Di Sharkly, sinyal itu masuk ke kotak masuk agen milik orang yang bertanggung jawab, bersama dengan kegagalan dan pertanyaan langsung.
5. Kemampuan menjadi milik bersama, atau tetap jadi milik pribadi. Keahlian menyusun prompt seorang developer hanyalah trik asisten. Jika disimpan sebagai konfigurasi agen berisi instruksi, runtime, repositori, dan skill yang bisa digunakan ulang, hal itu menjadi sesuatu yang diwarisi orang berikutnya alih-alih harus ditemukan ulang.
| Dimensi | Asisten AI | Rekan tim AI |
|---|---|---|
| Unit kerja | Sebuah prompt | Tugas dengan kriteria penerimaan |
| Kehadiran Anda | Selalu | Untuk arahan dan peninjauan |
| Di mana output berakhir | Editor atau obrolan Anda | Catatan bersama dengan jejak |
| Akuntabilitas | Secara implisit milik Anda | Seseorang yang disebutkan namanya, secara eksplisit |
| Mode kegagalan | Saran buruk, dibuang | Pekerjaan senyap yang tidak ditinjau siapa pun |
| Penggunaan kembali | Kebiasaan pribadi | Konfigurasi dan skill yang tersimpan |
Seminggu yang terlihat berbeda
Perubahan-perubahan ini muncul di kalender sebelum muncul di metrik.
Standup tidak lagi menjadi ajang menyiarkan status, karena papan sudah memuat statusnya. Yang layak memakan waktu lima menit adalah daftar pengecualian: eksekusi mana yang gagal, hasil mana yang menunggu manusia, tugas mana yang ternyata ditulis terlalu samar sampai agennya menebak-nebak. Daftar itu singkat dan bisa langsung ditindaklanjuti, jauh lebih baik daripada kebanyakan standup.
Perencanaan juga berubah bentuk. Ketika sebuah tugas harus cukup spesifik agar bisa dieksekusi agen, perinciannya bergeser ke awal dan menjadi lebih konkret: kriteria penerimaan tidak lagi sekadar formalitas karena kriteria yang samar menghasilkan eksekusi yang harus Anda buang. Tim biasanya menyadari ini sebagai penulisan lingkup yang lebih banyak di awal dan kehilangan lebih sedikit waktu di tengah sprint.
Peninjauan menjadi sumber daya yang menjadi penghambat. Tiga agen bisa menghasilkan lebih banyak perubahan dalam satu pagi daripada yang bisa diselesaikan satu peninjau dalam sehari, sehingga hambatan sebenarnya bergeser dari kecepatan mengetik ke kapasitas membaca. Rencanakan hal itu alih-alih menemukannya belakangan: batasi berapa banyak pekerjaan agen yang sedang berjalan per peninjau, dan perlakukan antrean hasil yang belum ditinjau yang terus menumpuk sebagai masalah yang sama dengan tumpukan pull request yang belum di-merge.
Di mana metafora rekan tim mulai runtuh
Jika metafora ini dianggap serius, ia mulai menyesatkan orang dalam tiga hal.
Agen tidak bisa memikul akuntabilitas. Ia bisa diberi kredit atas pekerjaan; tetapi ia tidak bisa mempertanggungjawabkan suatu hasil, dimintai alasan atas sebuah trade-off kuartal depan, atau menanggung konsekuensi dari keputusan yang buruk. Setiap platform serius di bidang ini menegaskan hal itu: Linear mempertahankan manusia sebagai penerima tugas utama dengan agen sebagai kontributor, dan kerangka Sharkly sendiri adalah bahwa agen meneliti, mengerjakan, menguji, dan melapor sementara manusia menetapkan arah, memberikan wewenang, dan menerima hasilnya.
Agen tidak punya memori berkelanjutan tentang tim Anda kecuali Anda memberikannya. Rekan kerja baru menyerap konteks dengan cara berada di sekitar. Agen hanya mendapatkan persis apa yang Anda tuliskan, itulah sebabnya lingkup yang tertulis selalu mengalahkan lingkup yang tersirat.
Dan status agen bukanlah status proyek. Sebuah tugas bisa berstatus In Progress saat agen sedang bekerja, menunggu balasan, menunggu peninjauan, atau melaporkan error. Membaca status eksekusi sebagai status proyek adalah cara tim berakhir terkejut di akhir sprint. Panduan kami tentang manajemen proyek agen AI membahas pemisahan itu secara rinci.
Apa yang perlu ditambahkan sebelum agen berperilaku seperti rekan tim
Empat hal, dalam urutan ini. Tidak satu pun memerlukan migrasi.
- Tugas dengan hasil yang bisa ditinjau. Jika Anda tidak bisa mengatakan bagaimana Anda akan memeriksa pekerjaannya, agen juga tidak bisa.
- Penerima tugas eksekusi yang terpisah dari pemiliknya. Tugaskan orang dan agen pada item yang sama.
- Eksekusi yang terlihat. Progres, komentar, dan jejak yang melekat pada tugas, bisa dibaca oleh siapa pun di tim.
- Langkah penerimaan. Seseorang yang disebutkan namanya memindahkan pekerjaan ke selesai setelah membaca buktinya, bukan setelah melihat eksekusinya berakhir.
Tambahkan hal-hal itu untuk satu jenis pekerjaan yang berulang terlebih dahulu: pembaruan dependensi, cakupan tes pada modul yang stabil, scaffolding migrasi. Perluas setelah orang kedua bisa meninjau hasil agen milik orang lain tanpa perlu penjelasan lisan. Unduh Sharkly jika Anda ingin alur itu sudah terkonfigurasi, atau bangun sendiri di tracker yang sudah Anda gunakan.
FAQ
Apakah agen AI hanya asisten dengan lebih banyak izin? Izin memang penting, tetapi perbedaan sebenarnya ada pada unit kerjanya. Asisten menangani sebuah prompt di dalam sesi Anda; agen menangani tugas yang tetap ada setelah sesi berakhir dan melapor kembali ke catatan bersama.
Haruskah kita mengganti asisten dengan agen? Tidak. Asisten tetap lebih baik untuk apa pun yang ingin Anda kendalikan ketukan demi ketukan. Agen ditujukan untuk pekerjaan yang bisa Anda spesifikasikan, serahkan, dan tinjau.
Siapa yang meninjau pekerjaan agen dalam skala besar? Orang yang sama yang meninjau pull request manusia, itulah sebabnya kapasitas peninjauan menjadi hambatan yang sesungguhnya. Mulailah dengan mengukur berapa lama hasil menunggu sebelum manusia membukanya.
Apakah agen memerlukan akun dan izin sendiri? Agen memerlukan akses terbatas, dan cakupannya harus sesempit yang dibutuhkan pekerjaan. Dalam praktiknya, itu berarti repositori tertentu, mesin tertentu, dan model peran yang menentukan siapa yang bisa memicu agen mana. Penjelasan Sharkly Agents kami menunjukkan salah satu implementasinya.
