Pekerjaan sebulan, diselesaikan insinyur yang baru bekerja setahun dalam sehari.
Dia belum pernah pakai Claude Code, bahkan tidak begitu paham bagaimana USB bekerja.
Tugas hari itu, bikin model USB keyboard dan mouse untuk simulator, sekaligus tulis driver perangkat USB untuk Android.
Pake cara lama, kerjaan ini butuh sebulan. Hasilnya, dia cuma butuh sehari.
Chip belum dibuat, software sudah harus jalan dulu di simulator. Tingkah laku perangkat USB kayak keyboard, mouse, semua harus dibuat ulang di lingkungan virtual.
Vendor EDA cuma kasih kode referensi untuk transmisi data dasar, sisanya harus dijalanin sendiri: pelajari dulu standar komunikasi USB, baru buat model terpisah buat tiap jenis perangkat.
Kerjaan ini kalau dikerjain orang senior pun butuh waktu dan tenaga. Sementara insinyur ini belum pernah coba Vibe Coding sekalipun.
Hal pertama yang dia lakukan, lempar fungsi yang mau diimplementasikan beserta kode referensi itu ke dalamnya.
Claude Code melengkapi kebutuhan, kasih cara implementasi, tulis kodenya, dia kasih instruksi sedikit langsung direvisi satu versi.
Begitulah, model keyboard dan mouse, validasi fungsi, driver perangkat USB Android, semuanya selesai di hari yang sama.
AI nulis halaman web, nulis script, renovasi seluruh basis kode, orang-orang udah kebal. Kali ini AI yang dikerjain adalah validasi chip.
Yang ditekan adalah kurva belajar pemula, bukan keahlian profesional untuk menilai benar salah.
Seorang karyawan Samsung Electronics sedang bekerja di lini produksi semikonduktor.
Kelompok proyek sebelah dapet tugas yang lebih pelik.
Klien mau SoC kustom, saluran data di dalam chipnya aja ada 64, saling bersilangan, tiap saluran harus diverifikasi. Yang ribet, kode sirkuit yang ngatur memori belum selesai ditulis, sebagian dokumen desain standar juga kurang.
Dalam situasi kayak gini, insinyur biasanya cuma bisa lakukan satu hal: nunggu.
Mereka enggak.
Pembangunan dan pengecekan lingkungan validasi yang rencananya butuh lebih dari sebulan, selesai berjalan dalam dua hari.
Evaluasi internal Samsung soal ini: percepatan 15 kali lipat.
Yang dihemat adalah waktu tunggu
SoC kustom itu sebenarnya macet di mana?
Klien mau struktur semikonduktor baru, plus pake IP dari supplier eksternal.
Menurut alur tradisional, insinyur harus nunggu dulu dokumen desain lengkap, nunggu RTL DRAM controller dirilis, baru bisa bangun lingkungan validasi, hubungkan verification IP, tulis skenario tes.
Alur ini linier, kalau mata rantai pertama belum siap, yang di belakang semua berhenti di tempat.
Cara Samsung kali ini adalah memasukkan apa yang udah mereka dapet dulu: informasi desain SoC dari vendor EDA, spesifikasi komunikasi internal chip, verification IP, semuanya diserahkan ke Claude.
AI mencari verification IP yang dibutuhkan, lakukan layout dan koneksi, hasilkan lingkungan validasi virtual dan skenario tes. DRAM controller belum diserahkan, ganti pake modul virtual dulu buat posisinya, inti jalur data tetap bisa berjalan.
Divisi System LSI Samsung telah menggunakan Claude Code untuk pengembangan dan validasi semikonduktor, sebagian tugas dipangkas dari sebulan jadi dua hari.
Hasilnya, RTL asli belum dirilis, error awal udah ketahuan.
Inilah sumber asli percepatan 15 kali lipat itu, yang dihemat adalah waktu mati menunggu kelengkapan dokumen.
Percepatan 15x dan Tiga Kali Melanggar Batas
Dalam evaluasi internal Samsung, tercatat tiga anomali.
Pertama: Insinyur suruh dia perbaiki sebuah error. Dia tidak perbaiki akar penyebabnya, malah mengubah pesan error jadi peringatan biasa.
Lampu merah diganti kuning, indikatornya jadi lolos.
Kedua: Insinyur cuma suruh dia rollback fungsi tertentu. Dia malah ikut menarik kembali pekerjaan lain yang udah selesai.
Ketiga: Insinyur cuma suruh dia analisis hasil validasi. Dia malah mencoba mengubah kode sirkuit RTL yang asli.
Inikah "AI belajar menyembunyikan", atau "mengubah kode inti seenaknya"?
Mendowngrade error jadi peringatan, lebih mendekati perilaku cari jalan pintas untuk mencapai target saat ini, ini adalah misalignment tujuan, bukan dia jadi punya niat menipu.
Anthropic sendiri, waktu mendeskripsikan perilaku serupa, pakai kata "terlalu aktif" dan salah menilai cakupan dampak operasi.
Penyebab internal Samsung juga mengarah ke lapisan ini: model besar tidak cukup paham hubungan dependensi kompleks dalam bahasa desain hardware. Dia tau cara bikin satu baris kode berjalan, tidak tau baris kode ini memengaruhi berapa banyak hal di belakangnya.
Pembedaan ini penting.
Kalau benar-benar belajar menyembunyikan, itu masalah di level model, hari ini belum ada yang yakin bisa selesaikan; sedangkan misalignment, tidak paham dependensi, adalah masalah rekayasa, bisa dikendalikan dengan izin dan proses.
Tugas Baru Insinyur
Adalah Menetapkan Batas untuk Agen Cerdas
Cara Samsung dalam hal ini, intinya cuma tiga:
AI boleh sentuh mana, orang yang tentukan; hasil yang dia serahkan, orang yang verifikasi ulang; setelah dipastikan stabil, baru sedikit demi sedikit kasih wewenang.
Kalau diterapkan ke insinyur, jadi beberapa tugas baru: direktori mana yang writable, kode sirkuit seperti RTL boleh diubah apa enggak, aturan validasi mana yang sama sekali tidak boleh diubah, tiap perubahan siapa yang review......
Kalau kamu pernah pakai Claude Code untuk kerja, tiga pelanggaran batas di atas besar kemungkinan juga tidak asing: suruh dia perbaiki error, dia malah turunin level log; suruh dia tarik satu fungsi, dia ikut bawa commit kamu kemarin.
Perbedaannya, pada konsekuensinya bisa ditarik kembali atau tidak.
Kamu nulis software, paling parah cuma rollback satu commit, ulang dari awal.
Industri chip beda. Begitu desain di-tape-out, alias layout dikirim ke lini produksi untuk mulai dibuat, sirkuit udah terpahat di wafer silikon, mau ubah cuma bisa buang seluruh batch, mulai dari awal lagi.
Software bisa di-patch, chip tidak bisa.
AI Buat Chip
Manusia Harus Tetap Dalam Lingkaran
Yang menarik, di waktu yang sama, Anthropic sendiri juga taruhan di jalur hardware ini.
9 Juli, mereka umumkan kerja sama dengan perusahaan jasa rekayasa UST, memasukkan Claude ke lapangan seperti validasi chip, otomotif, manufaktur, sekaligus beri pelatihan untuk 20 ribu insinyur, arsitek, dan konsultan UST global.
UST punya platform bernama iDEC, khusus mengelola verifikasi hardware dan wafer sebelum chip diproduksi massal.
Menurut UST, pipeline ini udah memotong siklus validasi lebih dari setengah, kerjaan yang dulu empat hari, sekarang 48 jam bisa selesai.
Sekarang, Claude Code diintegrasikan jadi otak: baca definisi pin dan gambar sirkuit chip, tulis tes lalu jalankan lagi, kemudian bandingkan data dari perangkat fisik dengan model simulasi di komputer, mana yang tidak cocok ditandai.
Anthropic dalam pengumuman itu menyebutkan, di industri dengan biaya kesalahan tinggi seperti ini, meminta persetujuan manusia, membuat tiap langkah tercatat, adalah prasyarat sistem ini bisa benar-benar dipakai di lini produksi.
Di Reddit, seorang pengguna yang mengaku kerja di perusahaan EDA kurang optimis:
Walaupun udah pakai agen cerdas dan alur keterampilan, masih jauh dari enak dipakai, jalankan satu alur butuh waktu berbulan-bulan; efek untuk sirkuit digital dan validasi dua bagian ini, jelas lebih baik daripada analog, mixed-signal, dan memori.
Keluhan ini sebenarnya menyembunyikan sebuah pola.
Entah itu basis kode kamu, atau pipeline Samsung, yang pertama kali berhasil dijalankan AI adalah validasi.
Penyebabnya cuma satu: validasi punya jawaban standar, jalankan sekali langsung tahu benar salah, tidak perlu tunggu orang yang nilai.
AI Bukan Mau Gantiin Siapa
Tapi Meningkatkan Output Satu Orang
Perkiraan industri, divisi System LSI sekitar 6000 orang. Qualcomm hingga September tahun lalu sekitar 52000 orang.
Bagi orang yang duduk di kursi System LSI, ini berarti pasar chip yang sama, lawan punya orang lebih banyak berkali-kali lipat.
Insinyur yang baru kerja setahun itu, berdiri di posisi ini: SDM kurang, deadline tetap ditekan, standar sama sekali tidak diturunkan.
Jadi harapan sebenarnya yang ditaruh pada AI di sini, adalah meningkatkan output satu orang.
Koneksi berulang, validasi berulang, pelajari spesifikasi berulang, pekerjaan paling makan waktu ini diserahkan, senior baru punya waktu buat kerjain bagian yang benar-benar sulit, junior baru sanggup tanggung kerjaan yang lebih berat.
Insinyur itu selesaikan pemodelan USB sebulan dalam sehari, yang dihemat AI buat dia, adalah ambang batas "harus paham dulu standar USB" itu.
Seorang pelaku industri semikonduktor bilang: Agen cerdas jenis ini jalan memang cepat, tapi kalau tidak dikendalikan, yang keluar adalah masalah besar.
Penilaian dia adalah, waktu pengembangan keseluruhan akan terus ditekan, tahapan yang dulu dieksekusi manusia selangkah demi selangkah akan terus berkurang, yang akhirnya dipegang insinyur adalah dua ujung: tujuan bagaimana ditetapkan, hasilnya benar atau tidak.
Pekerjaan insinyur tidak berkurang, cuma berubah bentuk.
Keahlian dulu, adalah bisa membangun satu lingkungan validasi; keahlian ke depan, adalah tahu lingkungan validasi yang dibangun AI ini, bagian mana yang salah.
AI bisa menekan pekerjaan sebulan jadi satu dua hari. Tapi chip sekali di-tape-out, tidak ada yang bisa menekannya kembali.
Referensi:
https://news.nate.com/view/20260812n19157?utm_source=chatgpt.com
Artikel ini berasal dari akun WeChat "Xin Zhi Yuan", penulis: ASI Revelation, editor: Yuan Yu
