Jawaban singkat: Haruskah kode yang dihasilkan AI bersifat open source? Tidak ada aturan hukum yang mewajibkannya. Argumen yang mendukungnya bertumpu pada dua poin: model belajar dari kode open source, dan kode yang ditulis sepenuhnya oleh AI mungkin tidak dapat dilindungi hak cipta. Apa pun pilihan Anda, tim Anda membutuhkan hal yang sama terlebih dahulu: catatan tentang agen mana yang menulis apa, dari tugas mana, dan siapa yang mereviewnya.
Pada 17 November 2026, sebuah tulisan berjudul “All AI-generated code should be Open Source” berada di posisi teratas Hacker News dengan lebih dari 1.200 poin dan 650 komentar. Thread itu memang riuh, tetapi pertanyaan di baliknya sangat praktis. Jika agen Anda menulis porsi kode yang semakin besar dari codebase Anda, siapa pemilik kode itu, dengan lisensi apa, dan siapa yang bertanggung jawab saat kode itu rusak?
Isi argumen “kode hasil AI seharusnya open source”
Argumen untuk membuka kode hasil AI bersifat etis sekaligus legal: model dilatih dari kode open source dan Creative Commons, jadi menutup output-nya sama dengan mencuci lisensi-lisensi tersebut, dan kode tanpa penulis manusia mungkin memang tidak dapat dilindungi hak cipta, sehingga seharusnya dirilis di bawah lisensi terbuka atau CC0.
Tulisan Jakub Jankiewicz membangun argumen melalui empat langkah:
- Data pelatihan. Model belajar dari kode open source selama puluhan tahun dan dari jawaban Stack Overflow, yang membawa lisensi Creative Commons yang mewajibkan atribusi. Mengubahnya menjadi kode tertutup “terasa seperti pencucian lisensi,” dengan kata-katanya sendiri.
- Kepengarangan. Kode yang murni dihasilkan AI tidak memiliki penulis manusia, sehingga seharusnya tidak dapat dilindungi hak cipta. Ia merujuk pada sengketa selfie monyet dan posisi U.S. Copyright Office mengenai AI.
- Jurisdiksi. Beberapa negara, seperti Inggris, memberikan perlindungan terbatas pada karya yang dihasilkan komputer, jadi aturannya tidak seragam.
- Solusinya. Pengembang seharusnya merilis kode hasil AI di bawah lisensi open source atau mengalokasikannya ke domain publik dengan CC0, setidaknya pada bagian di mana manusia hampir tidak berkontribusi selain menulis prompt.
Poin terakhir inilah yang paling relevan bagi tim: yang ia sasar adalah kode yang tidak direview atau diubah oleh siapa pun, bukan kode yang didesain manusia dan diketik oleh agen.
Hak cipta dan kode hasil AI: posisi hukum saat ini
Sisi legal dari argumen ini punya dukungan nyata di Amerika Serikat, tetapi dukungannya lebih lemah di tempat lain.
Pada Januari 2025, U.S. Copyright Office menerbitkan Bagian 2 laporan AI-nya, tentang hak cipta. Posisinya: hak cipta menuntut kepengarangan manusia, prompt saja umumnya tidak memberi seseorang kontrol yang cukup atas output, dan kontribusi manusia seperti memilih, menata, atau memodifikasi output tetap dapat dilindungi. Pada Maret 2025, D.C. Circuit menegaskan dalam Thaler v. Perlmutter bahwa Copyright Act menuntut adanya penulis manusia.
Inggris mengambil garis yang berbeda. Pasal 9(3) dari Copyright, Designs and Patents Act 1988 menganggap penulis karya yang dihasilkan komputer adalah orang yang melakukan pengaturan yang diperlukan untuk penciptaannya.
Jadi di Amerika Serikat, sebuah file yang dihasilkan agen tanpa suntingan manusia yang berarti mungkin hanya memiliki perlindungan hak cipta yang lemah, atau bahkan tidak sama sekali. File yang direstrukturisasi, dipangkas, dan dikembangkan oleh pengembang kemungkinan besar dilindungi. Sebagian besar kode produksi berada di antara kedua ekstrem itu, dan garis batasnya terletak pada proses review Anda.
Argumen balasan, secara berdampingan
Kebantahan terkuat di thread itu bukan “pendapat penulisnya salah soal hukum.” Kebantahan itu menyangkut apa yang mengikuti dari argumen tersebut.
| Argumen | Argumen balasan |
|---|---|
| Model dilatih dari open source, jadi output-nya seharusnya terbuka | Klaim data pelatihan sedang diperjuangkan di pengadilan; lisensi pada output tidak menyelesaikannya |
| Kode yang tidak dapat dilindungi hak cipta seharusnya dirilis | Tidak dapat dilindungi hak cipta bukan berarti sudah dipublikasikan; tidak ada bagian dari laporan Copyright Office yang mewajibkan Anda merilis kode |
| Kode dengan upaya rendah tidak layak mendapat perlindungan | Hampir tidak ada kode produksi yang dibuat tanpa upaya: spesifikasi, review, pengujian, dan suntingan adalah kerja manusia |
| Lisensi terbuka menghormati commons | CC0 secara menyeluruh dapat menghapus perlindungan dari kontribusi manusia yang tercampur dalam file yang sama |
| Aturannya seharusnya seragam di semua negara | Hukum hak cipta bersifat nasional; aturan Inggris di atas sudah berbeda dari aturan Amerika Serikat |
Perhatikan asumsi yang sama di kedua kolom. Setiap baris bergantung pada pengetahuan tentang seberapa besar bagian sebuah perubahan berasal dari agen dan seberapa besar bentuknya dibentuk manusia. Anda tidak bisa menetapkan kebijakan lisensi, menjawab pertanyaan pelanggan soal asal-usul kode, atau memperdebatkan kepengarangan tanpa catatan itu.
Siapa yang bertanggung jawab atas kode yang ditulis agen?
Debat lisensi masih terbuka. Akuntabilitas tidak. Orang yang melakukan merge atas perubahan itu memilikinya, apa pun yang menulis draf pertamanya.
Itulah gagasan inti dalam tulisan kami tentang kepemilikan manusia atas pekerjaan agen. Bug dalam kode yang ditulis agen tetaplah bug Anda. Rahasia yang bocor dalam pull request agen tetaplah insiden Anda.
Agen meneliti, mengeksekusi, menguji, dan melaporkan. Manusia menentukan arah, memberikan otoritas, dan menerima hasilnya. Debat open source tidak mengubah pembagian peran itu; ia hanya menaikkan biaya jika Anda kehilangan jejaknya.

Provenance untuk kode hasil AI: apa yang perlu dicatat
Provenance adalah catatan tentang asal-usul sebuah perubahan. Untuk kode yang ditulis agen, catatan yang berguna menjawab enam pertanyaan:
- Tugas mana yang meminta perubahan tersebut, beserta persyaratan dan kriteria penerimaannya.
- Agen mana yang mengerjakannya, pada runtime dan model apa.
- Eksekusi mana yang menghasilkannya, beserta waktu mulai, waktu selesai, dan sumber pemicunya.
- Pull request mana yang membawanya masuk ke repositori.
- Siapa yang mereviewnya, dan apa yang mereka ubah sebelum menerimanya.
- Lisensi apa yang berlaku pada kode tersebut di repositori.
Sebagian besar tim sudah memiliki sebagian dari informasi ini. Pull request memuat diff dan reviewer. Git dapat membawa metadata terstruktur melalui commit trailer. Beberapa agen coding, termasuk Claude Code, menambahkan trailer co-author secara default, dan Anda bisa memperluas konvensi tersebut dengan kunci Anda sendiri:
fix(auth): return 401 instead of 500 on expired refresh token
Refresh tokens past their TTL threw an unhandled TokenExpiredError
in the session middleware. Map it to a 401 with a retry hint.
Co-Authored-By: Claude <[email protected]>
Agent-Task: COIN-1287
Agent-Run: 3f9c2a71-0b4e-4c8a-9d51-6e2f4b7a1c09
Reviewed-By: Priya Shah
Human-Edits: renamed handler, added regression test
Trailer ikut bersama commit, jadi mereka tetap ada meski repositori berpindah. Yang tidak bisa mereka simpan adalah eksekusinya sendiri: panggilan tool, percobaan yang gagal, dan diskusi di balik bentuk akhirnya.
Untuk pelacakan lisensi di tingkat file, identifier SPDX dan konvensi REUSE memberi setiap file header lisensi yang bisa diperiksa oleh tool. Jika tim Anda memutuskan sebagian aset hasil generasi dirilis di bawah CC0, di sinilah keputusan itu menjadi dapat diverifikasi.
Bagaimana Sharkly menyimpan catatan pada tugas
Sharkly adalah sistem manajemen pekerjaan untuk manusia dan agen coding. Anda menugaskan sebuah Task kepada Agent sama seperti Anda menugaskannya kepada seseorang, dan Task tersebut tetap menjadi catatan bersama bagi tim.
Catatan itulah jejak provenance yang paling sering hilang di kebanyakan tim:
- Task menyimpan persyaratan, Assignee, komentar, lampiran, dan linimasa Activity perubahan tugas.
- Log eksekusi menampilkan, untuk setiap run, alasan penjadwalan, waktu mulai dan selesai, panggilan tool dan event Runtime, sumber pemicu, serta detail kegagalan apa pun, sebagaimana dijelaskan dalam dokumentasi eksekusi task.
- Komentar Agent yang ditujukan untuk tim disimpan sebagai Comments yang terhubung ke run, sehingga penjelasan berada tepat di samping buktinya.
- Sinyal review: Agent dapat meninggalkan Task dalam status menunggu review manusia, yang mengarahkannya kepada orang yang bertanggung jawab alih-alih melakukan merge diam-diam.
- Tautan pull request: integrasi GitHub menghubungkan pull request dan menyinkronkan issues ke dalam sebuah Space, sehingga perubahan kode dan tugas saling merujuk.

Sharkly tidak menentukan lisensi Anda, dan bukan produk kepatuhan. Ia menyimpan fakta-fakta yang menjadi dasar keputusan lisensi di satu tempat, alih-alih di sesi terminal pribadi.
Kebijakan provenance yang bisa Anda terapkan minggu ini
Gunakan kebijakan paling sederhana yang bisa menjawab enam pertanyaan di atas. Mulailah dari sini:
- Satu task untuk setiap perubahan agen. Tidak ada pekerjaan agen tanpa ID task. Chat informal boleh untuk eksplorasi; apa pun yang akan dirilis wajib punya task.
- Masukkan ID task di branch dan commit. Sebuah trailer atau prefix branch sudah cukup untuk pencarian nantinya.
- Wajibkan reviewer manusia dengan nama jelas. Nama reviewer tercantum di pull request dan task, dan suntingannya dicatat.
- Tulis satu baris lisensi per repositori. Putuskan apakah kode hasil agen mengikuti lisensi yang sudah ada di repositori (pilihan default bagi kebanyakan tim) atau yang lain, dan tuliskan di
CONTRIBUTING.md. - Beri tag pada file yang lisensinya berbeda. Gunakan header SPDX jika Anda memilih CC0 atau lisensi lain untuk aset hasil generasi.
- Simpan log run selama Anda menyimpan pull request. Jika Anda menyimpan thread review, simpan pula run yang menghasilkan diff tersebut.
Untuk mekanisme review yang lebih mendalam, lihat cara mereview kode hasil AI dengan bukti tingkat task dan di mana menempatkan approval gate untuk agen coding.
Gunakan kebijakan ringan saat agen hanya menyentuh tool internal dan pengujian. Gunakan keenam langkah penuh saat kode agen dikirim ke pelanggan, berjalan di lingkungan yang diatur regulasi, atau masuk ke repositori yang sudah Anda publikasikan di bawah lisensi open source.
Haruskah tim Anda meng-open-source kode yang ditulis agen?
Kemungkinan besar tidak secara default, dan bukan hanya karena thread ini. Hukum masih terus berkembang, sebagian besar output agen dalam alur kerja yang direview mengandung kontribusi manusia yang nyata, dan rilis CC0 menyeluruh bisa memberikan lebih banyak hal daripada yang Anda maksudkan.
Langkah yang lebih baik adalah memastikan pertanyaan itu bisa dijawab. Ketika pelanggan atau tim legal Anda bertanya “seberapa banyak kode ini ditulis agen, dan siapa yang memeriksanya,” Anda membuka satu catatan dan menunjukkan task, run, pull request, dan reviewer-nya.
Jika Anda sudah menjalankan Claude Code, Codex, atau agen coding lain, hubungkan satu Computer ke Sharkly, tugaskan satu task berisiko rendah kepada seorang Agent, dan lihat apa yang ditampilkan catatan task saat eksekusinya selesai. Catatan itulah jejak provenance Anda, apa pun hasil akhir debat open source ini.
FAQ
Apakah kode hasil AI dapat dilindungi hak cipta?
Di Amerika Serikat, kode yang dihasilkan AI tanpa kontribusi manusia yang berarti kemungkinan besar tidak dapat dilindungi hak cipta, berdasarkan laporan Copyright Office 2025 dan Thaler v. Perlmutter. Pemilihan, penataan, dan modifikasi output oleh manusia tetap dapat dilindungi. Negara lain, termasuk Inggris, menangani karya yang dihasilkan komputer secara berbeda.
Apakah saya wajib meng-open-source kode yang ditulis agen AI?
Tidak ada undang-undang yang mewajibkannya. Tulisan di Hacker News berargumen bahwa Anda seharusnya melakukannya atas dasar etika. Kode yang tidak dapat dilindungi hak cipta tidak otomatis menjadi publik; Anda tetap bisa menjaganya tetap privat.
Siapa yang bertanggung jawab atas bug dalam kode hasil AI?
Tim yang melakukan merge. Agen bisa menulis perubahannya, tetapi orang yang menerima pull request memegang kepemilikan atas hasilnya. Catat orang tersebut di task dan pull request.
Bagaimana cara melacak kode mana yang ditulis agen AI?
Hubungkan setiap perubahan agen ke sebuah task, tambahkan ID task dan run sebagai commit trailer, tautkan pull request ke task, dan catat reviewer manusianya. Papan task yang menyimpan log run agen akan memberikan sisanya.
Apakah CC0 masuk akal untuk kode hasil AI?
Bisa jadi, untuk aset hasil generasi yang jelas terpisah, seperti fixture atau scaffolding. Menerapkan CC0 pada file campuran berisiko merilis juga bagian yang ditulis manusia, jadi beri tag pada file-file tersebut dengan header SPDX alih-alih melisensikan ulang seluruh repositori.



