Pengembang · 28 Oktober 2026
Laporan Linux Foundation: AI kurangi waktu penulisan kode 52 persen, namun 25 persen permintaan tarik dinilai berkualitas rendah
Linux Foundation menerbitkan laporan penelitian pada 20 Oktober 2026 yang mengungkap dampak alat pemrograman berbasis kecerdasan buatan generatif terhadap pengembangan perangkat lunak sumber terbuka. Survei ini menunjukkan bahwa penggunaan teknologi tersebut memangkas rata-rata waktu penulisan kode sebesar 52 persen, sementara para pemelihara proyek melaporkan bahwa sekitar 25 persen permintaan tarik yang diterima merupakan kontribusi berkualitas rendah. Fenomena ini menciptakan ketegangan baru di mana efisiensi produksi kode meningkat, namun beban kerja untuk memverifikasi dan memelihara kode tersebut juga bertambah.
Data dari laporan tersebut mengindikasikan bahwa peningkatan efisiensi tidak merata di semua jenis tugas. Meskipun penulisan kode mengalami pengurangan waktu paling signifikan, tugas-tugas komunikasi seperti diskusi proposal hanya menghemat sekitar 19 persen waktu. Sebaliknya, 21 persen responden menyatakan bahwa penggunaan kecerdasan buatan justru membutuhkan waktu lebih lama untuk tugas-tugas dengan kompleksitas tinggi. Hal ini menunjukkan bahwa keunggulan efisiensi alat tersebut tidak selalu dapat diterapkan secara langsung pada seluruh spektrum tugas rekayasa perangkat lunak yang rumit.
Waktu yang dihemat dari penggunaan alat tersebut tidak sepenuhnya dialihkan untuk menghasilkan lebih banyak kode. Sebanyak 66 persen responden menyatakan bahwa mereka mengalokasikan waktu tambahan untuk menangani utang teknis, 63 persen untuk mengembangkan fitur baru, dan 58 persen untuk pembelajaran serta peningkatan keterampilan. Pola distribusi waktu ini mengindikasikan perubahan dalam prioritas kerja para pengembang, di mana perbaikan kualitas dan pembelajaran menjadi fokus utama di samping produksi kode baru.
Tekanan terbesar dirasakan oleh para pemelihara proyek sumber terbuka. Sebanyak 59 persen pemelihara melaporkan peningkatan jumlah kontribusi kode, dengan angka tersebut mencapai 69 persen di proyek berskala besar. Namun, peningkatan volume ini disertai dengan munculnya kontribusi yang disebut sebagai sampah kecerdasan buatan, yaitu kode yang dihasilkan dengan bantuan mesin namun memiliki kualitas buruk atau kurang tervalidasi. Di proyek berskala besar, proporsi kontribusi berkualitas rendah ini meningkat menjadi 31 persen. Penting untuk dicatat bahwa angka ini merupakan estimasi dari responden survei, bukan hasil pengujian objektif terhadap setiap permintaan tarik di platform kode.
Penurunan hambatan teknis memungkinkan lebih banyak pengembang untuk berpartisipasi dalam proyek sumber terbuka. Sebanyak 71 persen pemelihara setuju bahwa kecerdasan buatan generatif telah menurunkan ambang batas partisipasi. Namun, 53 persen pemelihara tidak setuju bahwa teknologi ini telah meningkatkan kepercayaan dalam komunitas. Hal ini terjadi karena kepercayaan dalam kolaborasi sumber terbuka bergantung pada pemahaman kontributor terhadap perubahan yang dibuat, kemampuan mereka untuk menjelaskan pilihan desain, dan komitmen mereka untuk memelihara kode di masa depan, aspek-aspek yang tidak dapat diotomatisasi sepenuhnya oleh alat kecerdasan buatan.
Mekanisme tata kelola komunitas belum sepenuhnya beradaptasi dengan pertumbuhan kontribusi yang dibantu mesin. Hanya 35 persen proyek yang memiliki kebijakan formal yang secara eksplisit mengizinkan penggunaan kecerdasan buatan generatif dalam kontribusi kode. Di sisi lain, 61 persen kontributor menyatakan bahwa mereka melakukan pemeriksaan dan pengujian fungsionalitas yang menyeluruh sebelum mengirimkan kode yang dihasilkan oleh mesin. Ketidaksesuaian antara praktik kontributor dan kebijakan proyek menciptakan asimetri informasi, di mana pemelihara sering kali tidak mengetahui bagian mana dari kode yang dihasilkan oleh mesin dan tingkat validasi yang telah dilakukan.
Laporan tersebut merekomendasikan agar proyek sumber terbuka menetapkan kebijakan yang jelas mengenai kontribusi yang dibantu kecerdasan buatan, termasuk persyaratan pengujian, dokumentasi, dan pengungkapan penggunaan alat. OpenSSF menekankan bahwa meskipun kecerdasan buatan dapat mempercepat penulisan kode, kontributor tetap bertanggung jawab untuk memahami dan menguji konten yang mereka kirimkan. Pemelihara tidak seharusnya menanggung seluruh beban tanggung jawab keamanan secara sepihak. Perubahan ini menandakan pergeseran fokus dalam pengukuran nilai kecerdasan buatan, dari sekadar kecepatan produksi ke metrik seperti tingkat penerimaan kode, waktu yang dibutuhkan untuk tinjauan, dan beban pemeliharaan jangka panjang.