Pendahuluan

Pada bagian ketiga kita melihat bahwa fondasi citizen development modern seperti RPA dan no-code/low-code menyimpan risiko utang yang melampaui Kami Excel. Lantas, apa yang berubah ketika AI generatif muncul di lanjutan cerita ini?

AI generatif dapat menganalisis aset program yang ada, membantu migrasi, serta menopang perancangan ulang. Sebaliknya, aset yang tidak pernah ditulis sebagai kode—kotak hitam no-code atau RPA—pada kenyataannya sulit diselamatkan bahkan oleh AI.

Dengan kata lain, warisan negatif yang tersisa di masa depan mungkin akan terkonsentrasi pada hal-hal yang “tidak pernah dikodekan”.

Seluruh seri

  • Menatap masa depan citizen development—sejarah, kondisi sekarang, AI generatif, dan yang datang 0/7 (terjemahan bahasa Indonesia sedang dipersiapkan)
  • Citizen development, apakah kembalinya EUC?—pelajaran sejarah dari Kami Excel 1/7 (terjemahan bahasa Indonesia sedang dipersiapkan)
  • Kami Excel benar-benar jahatkah?—dari penyelamat menjadi warisan negatif 2/7 (terjemahan bahasa Indonesia sedang dipersiapkan)
  • Cahaya dan bayangan platform citizen development modern 3/7
  • Warisan yang diselamatkan dan ditinggalkan AI generatif 4/7 (artikel ini)
  • Cara menghindari kegagalan tata kelola dan warisan negatif 5/7
  • Sudut pandang yang melenceng memperbanyak warisan negatif 6/7 (terjemahan bahasa Indonesia sedang dipersiapkan)
  • Warisan akan terus lahir, namun tetap bisa dijinakkan—gambaran masa depan citizen development 7/7 (terjemahan bahasa Indonesia sedang dipersiapkan)

Kekuatan AI generatif—“mencairkan” aset kode

Selama ini migrasi kode legacy menyedot tenaga manusia dalam jumlah besar. Program yang ditulis dalam bahasa lama seperti COBOL atau VB bisa mencapai jutaan baris tanpa dokumentasi, sehingga analisisnya menuntut veteran yang paham konteks bisnis.

AI generatif membuka jalan keluar di sini.

  • Otomasi pembacaan kode AI dapat menggambarkan diagram ketergantungan fungsi dan menebak makna variabel atau struktur data dari konteksnya.

  • Bantuan konversi bahasa AI mampu menyiapkan draf migrasi, misalnya dari COBOL ke Java atau dari VB ke Python.

  • Semi otomatisasi refaktorisasi AI merapikan logika spageti per fungsi, menghasilkan kode uji, dan menjadikannya lebih siap disentuh generasi berikutnya.

Singkatnya, selama aset tersebut tersisa dalam bentuk kode, AI dapat “mencairkannya” secara semi otomatis. Dalam aspek ini AI generatif berpotensi menjadi pengubah permainan bagi pembaruan sistem legacy.

Namun bukan berarti setiap kode pasti terselamatkan. Jika lingkungan dependensi sudah hilang atau tidak ada lagi orang yang menguasai proses bisnisnya, AI pun tidak bisa menambal seluruhnya. Meski begitu, peluang pemulihan tetap jauh lebih tinggi dibanding aset yang hanya menyisakan kotak hitam.

Yang tak bisa diselamatkan—aset yang tak pernah menjadi kode

Sebaliknya, bagaimana nasib aset yang dibangun dengan no-code atau RPA?

Semua itu eksis sebagai operasi GUI atau diagram alur, dan representasi internalnya terkungkung dalam struktur data proprietary milik vendor. AI generatif paling mahir mengolah informasi berbentuk teks, sehingga kotak hitam yang disimpan dalam format terenkripsi atau eksklusif hampir mustahil dipahami.

Misalnya, “alur bisnis” RPA mungkin terlihat sebagai blok diagram, tetapi kenyataannya tersimpan sebagai berkas proyek terenkripsi. “Aplikasi” no-code pun hanya bisa dijalankan di cloud penyedianya dan tidak menyediakan ekspor dalam bentuk source code.

Dalam praktiknya, merancang ulang biasanya lebih cepat daripada mencoba menyelamatkannya. Kelak mungkin riset yang menafsirkan rekaman layar atau operasi pengguna akan membantu mengekstrak sebagian logika dengan AI. Namun setidaknya saat ini, mewarisi aset yang terlanjur menjadi kotak hitam tetap sangat sulit.

Garis pembatas warisan negatif—apakah tersisa dalam bentuk kode

Dari sini terlihat garis demarkasi warisan negatif di masa depan.

  • Apa pun yang ditinggalkan sebagai kode membuka peluang untuk dipakai ulang, dimigrasikan, dan diperbaiki dengan bantuan AI generatif.
  • Apa pun yang tidak pernah dikodekan memiliki banyak bagian “tak terlihat” bagi AI, sehingga pada akhirnya perlu didesain ulang dari nol.

Dengan kata lain, kemungkinan penyelamatan di masa depan sangat ditentukan oleh apakah aset itu tersisa sebagai kode atau tidak. AI generatif justru menegaskan garis pembatas tersebut.

Pandangan ke depan—AI bukan penyelamat serba bisa

AI generatif memang kuat, tetapi untuk saat ini ia jauh dari kata mahakuasa. Ia tidak bisa sepenuhnya menyelamatkan aset citizen development yang sudah menjadi kotak hitam, dan tentu tidak bisa melegitimasi keputusan masa lalu.

AI justru menagih biaya dari “kebebasan untuk tidak menulis kode”. Organisasi yang terbuai dampak instan lalu memilih no-code harus menanggung sendiri biaya perancangan ulang karena tidak dapat berharap banyak pada AI generatif.

Karena itu, bagian selanjutnya akan membahas secara mendalam bagaimana merancang tata kelola agar warisan negatif tidak kembali lahir.

Berikutnya: Cara menghindari kegagalan tata kelola dan warisan negatif 5/7