Enam level otonomi pabrik, gerbang di antaranya, dan prakiraan kami soal sejauh mana 2026 membawa kita. Ditulis sekarang supaya Anda bisa menilai kami nanti.
Prediksi soal AI itu murah karena tidak ada yang memeriksanya. Halaman ini adalah rubrik, bukan sekadar firasat: tiap gerbang di bawah ini benar atau salah untuk tim nyata yang merilis perangkat lunak nyata. Kami memperbaruinya saat gerbang terbuka, dan kami tidak memindahkan tiang gawang.
Dipinjam dari cara mobil swakemudi dinilai, diterapkan pada cara perangkat lunak dibangun. Lompatan yang menarik adalah F3 ke F4: dari agen yang Anda beri delegasi, menjadi pabrik yang Anda arahkan.
Fig. 1 · Human share of the effort behind a merged changeSchematic, by autonomy level. Hover for values.
F3 · you are here
F0
Manual
Sebagian besar sejarah perangkat lunak
Manusia menulis tiap baris. Alat mengompilasi, menge-lint, dan mengeluh. Keyboard adalah pabriknya.
Gerbang
▸Tidak ada. Ini adalah lantai dasarnya.
F1
Terbantu
2021 sampai 2023
Autocomplete jadi bagus. Model menyarankan beberapa token berikutnya, tapi tidak ada yang dirilis tanpa manusia mengetik sebagian besarnya.
Gerbang
▸Kode saran model muncul di mayoritas file baru.
▸Tidak ada yang mereview secara berbeda karenanya.
F2
Diawasi
2024
Agen menulis fungsi dan file utuh sementara manusia mengawasi tiap langkah dan menyetujui tiap perintah. Satu agen, satu manusia. Lebih cepat, tapi tetap berurutan.
Gerbang
▸Agen menyelesaikan perubahan lintas file dari awal sampai akhir.
▸Manusia membaca tiap baris sebelum di-merge.
▸Satu manusia mengendalikan paling banyak satu agen sekaligus.
F3
Didelegasikan
2025 sampai sekarangTempat tim serius berada
Agen memegang tugas dari tiket sampai diff. Manusia mereview hasilnya, bukan tiap ketukan tombolnya. Perhatian bergeser dari menulis kode ke menentukan pekerjaan dan menilainya. Satu engineer menjalankan beberapa agen sekaligus di workspace terisolasi.
Armada agen merencanakan, mengimplementasi, mereview, dan menguji pekerjaan satu sama lain. Manusia menetapkan arah, menengahi pengecualian, dan memegang selera. Satuan perhatian manusia bukan lagi pull request, melainkan keputusan.
Hasil masuk, perangkat lunak keluar. Manusia menetapkan maksud, batasan, dan anggaran. Pabrik menjadwalkan dirinya sendiri, merilis terus-menerus, memantau apa yang dirilisnya, dan me-rollback dirinya sendiri. Sebagian besar perubahan di-merge tanpa manusia di dalam alurnya, dan tingkat insiden tidak naik.
Gerbang
○Mayoritas perubahan produksi di-merge tanpa ada manusia yang membaca diff-nya.
○Tingkat kegagalan perubahan sama atau di bawah baseline era manusia selama dua kuartal berturut-turut.
○Pabrik membatalkan deploy buruknya sendiri lebih cepat daripada manusia yang piket.
○Manusia di dalam alur ada untuk keputusan berselera, bukan untuk kapasitas.
Prakiraan
Bagaimana 2026 berjalan
Sebagian catatan, sebagian taruhan. Dua entri pertama sudah terjadi. Sisanya dinyatakan cukup konkret untuk bisa dinyatakan salah.
Fig. 2 · Merged changes written by agents, zero human editsIndustry median, our estimate. Dashed is forecast. The first F4 teams cross the gate earlier.
Awal 2026
Awal 2026
Review menjadi hambatan utama
Sudah terjadi
Menulis kode bukan lagi tempat jam kerja engineer habis. Membacanya yang jadi tempatnya. Tim yang mengadopsi agen paralel pada 2025 lebih dulu menabrak tembok ini: sepuluh agen bisa menghasilkan lebih banyak diff sebelum makan siang daripada yang bisa direview jujur oleh satu tim sampai hari Jumat.
Jawabannya: agen mereview agen, dan manusia mengambil sampel alih-alih membaca semuanya. Kepercayaan dibangun secara statistik, bukan per diff.
Apa yang harus terjadi
Agen pe-review menangkap regresi yang ditanam setara dengan reviewer manusia rata-rata dalam uji buta.
Pertengahan 2026
Pertengahan 2026
Munculnya sang pengatur
Sedang berjalan
Deskripsi pekerjaannya bergeser. Engineer berhenti menjadi juru ketik berselera dan menjadi pengatur lalu lintas berselera: memecah pekerjaan, mengarahkannya ke armada agen, menengahi konflik antara agen yang sama-sama menyentuh modul yang sama.
Alat yang memperlakukan agen sebagai armada, bukan jendela chat, menjadi antarmuka bawaan ke basis kode.
Apa yang harus terjadi
Satu engineer menjalankan 10 atau lebih alur kerja bersamaan, dan penyelesaian konflik merge antar branch agen sendiri sebagian besar sudah otomatis.
Akhir 2026
Akhir 2026
Shift malam
Prakiraan
Keandalan jangka panjang melewati ambang batas. Pekerjaan yang diberikan jam 6 sore cukup sering bisa di-merge jam 9 pagi sehingga tidak menjadwalkan shift malam terasa seperti membiarkan pabrik menganggur.
Penyiapan environment, tes flaky, dan urusan kredensial — mode kegagalan membosankan yang mematikan run tanpa pengawasan pada 2025 — sebagian besar diselesaikan lewat rekayasa, bukan lewat model.
Apa yang harus terjadi
Run tanpa pengawasan selama 8 jam atau lebih berhasil pada mayoritas tiket rutin tanpa manusia yang membukanya dari kebuntuan.
2027
2027
Tim F4 pertama
Prakiraan
Tim-tim pertama, yang berukuran kecil, merilis kode yang mayoritas ditulis agen tanpa membaca tiap barisnya, dan tingkat cacatnya tetap terjaga. Tidak ada yang gaib di baliknya: lapisan review, canary, rollback cepat, dan kebiasaan menulis spesifikasi alih-alih kode.
Semua orang berdebat apakah ini bisa digeneralisasi. Perdebatan itu justru tanda bahwa levelnya sudah tercapai.
Apa yang harus terjadi
Setidaknya satu tim yang bisa kami sebut namanya, termasuk tim kami, melewati semua gerbang F4 selama satu kuartal penuh dan mempublikasikan angkanya.
Di luar itu: F5 bukan klaim jangka dekat
Kami tidak memperkirakan full self-driving pada 2026 atau 2027. Yang jujur belum diketahui: apakah review oleh agen bertahan menghadapi kompleksitas yang bermusuhan, apakah spesifikasi bisa menggantikan pembacaan kode sebagai jangkar kepercayaan dalam skala besar, dan apakah ekonomi komputasi menjaga shift malam tetap lebih murah daripada manusia yang dibantunya. F5 adalah entri rubrik supaya kami mengenalinya saat melihatnya, bukan sebuah janji.
Kartu skor
Posisi industri, sejujurnya
Pembacaan kami per Agustus 2026, berdasarkan tim kami sendiri dan tim yang kami amati dari dekat. F3 sebagian besar terbuka. F4 sebagian besar tertutup. Jarak itulah pekerjaannya.
Standar untuk pekerjaan yang cakupannya jelas di workspace terisolasi.
●Terbuka
F3
3+ alur kerja bersamaan per engineer
Praktik harian tim kami dan pengguna terberat kami.
●Terbuka
F3
Mayoritas PR agen di-merge tanpa suntingan
Berlaku untuk pekerjaan rutin, belum untuk refactor yang rumit.
◐Sebagian
F4
Separuh perubahan yang di-merge adalah kode agen tanpa suntingan
Manusia masih menyunting atau banyak mengarahkan sebagian besar diff yang di-merge.
○Ditutup
F4
Review agen setara dengan review manusia
Review agen menangkap bug nyata tapi belum bisa dipercaya sendirian.
○Ditutup
F4
10+ alur kerja bersamaan tanpa kehilangan konteks
Mungkin di hari yang bagus. Biaya pengawasan masih tumbuh terlalu cepat.
◐Sebagian
F4
Run semalaman tanpa pengawasan, siap di-merge pagi harinya
Berhasil kalau environment-nya bersih. Environment jarang bersih.
◐Sebagian
F4
Tiket ke produksi di bawah satu hari, median
Antrean review dan CI memakan keuntungan yang dihasilkan agen.
○Ditutup
Pabrik butuh lantai kerja
Superset adalah meja kerja untuk transisi F3 ke F4: agen paralel di workspace terisolasi, armada yang benar-benar bisa Anda awasi, dan permukaan review untuk kode yang tidak Anda tulis.