# Artikel Terkait Keterampilan

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Keterampilan", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

Editor's Note: Sementara banyak orang memperdebatkan apakah AI akan menggantikan programmer, Presiden YC Garry Tan justru mengajukan pertanyaan lain: Jika AI sudah dapat menyelesaikan sebagian besar pekerjaan pemrograman, mengapa kita masih mengelolanya dengan cara lama seperti perangkat lunak biasa? Awal tahun ini, Garry Tan menghabiskan beberapa bulan untuk membuat proyek "Garry's List" dengan Rails dan AI Agent, yang menghasilkan lebih dari 540.000 baris kode. Namun, ia menyimpulkan bahwa kode tersebut tidak penting. Yang berharga adalah "GStack"—kerangka kerja pengembangan baru yang dibangun di sekitar alur kerja AI Agent. Menurutnya, industri perangkat lunak selama ini terbiasa membungkus model AI dengan banyak tes, validator, mekanisme percobaan ulang, dan logika kontrol. Ini seperti membangun "pabrik Foxconn" untuk pekerja AI yang sangat cerdas—membatasi agen yang sebenarnya sudah mampu dengan banyak aturan. Dengan biaya model yang turun cepat dan kemampuannya meningkat, fokus pengembangan perangkat lunak beralih dari "menulis lebih banyak kode" ke "merancang lebih banyak kemampuan." Tan mengusulkan menggunakan Markdown untuk membuat "skill pack" (paket keterampilan yang dapat diuji dan digunakan kembali), di mana Agent dapat secara otomatis menghasilkan kode, tes, dan sistem evaluasi. Sebagai contoh, pekerjaan menilai hackathon yang biasanya memakan waktu berhari-hari kini dapat diselesaikan oleh Agent dalam beberapa puluh menit. Intinya, artikel ini membahas akhir dari logika industrialisasi perangkat lunak. Ketika kode bukan lagi sumber daya paling langka, kompetensi inti insinyur juga bergeser: Daripada menulis lebih banyak kode, kemampuan untuk menilai apa yang layak dibangun, mendefinisikan masalah, dan mengemas pengalaman menjadi aset kemampuan yang dapat digunakan kembali menjadi lebih penting. Kesimpulannya: Insinyur terbaik di masa depan mungkin bukan yang menulis kode paling banyak, tetapi yang menulis paling sedikit namun mampu melepaskan kecerdasan paling besar.

marsbit06/02 21:42

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

marsbit06/02 21:42

Wawancara Eksklusif dengan 7 Pekerja Biasa: Setelah AI Datang, Apakah Hidupmu Tetap Baik?

**Wawancara dengan 7 Pekerja Biasa: Bagaimana Keadaanmu Setelah AI Hadir?** Tahun 2026, gelombang PHK di perusahaan teknologi besar dan industri tradisional terjadi bersamaan. Di balik peningkatan efisiensi, kecemasan struktural semakin mendalam. Bagaimana perubahan nyata yang dialami pekerja akibat revolusi AI? TinTinLand mewawancarai 7 profesional dari berbagai bidang seperti Web3, perdagangan bahan kimia, pertanian digital, manufaktur cerdas, dan grosir tradisional untuk membahas penyetaraan keterampilan, pengurangan posisi kerja, kompetisi efisiensi, dan pertahanan manusia. **Mengadopsi AI: Antara Peluang dan Tekanan** Bagi sebagian orang, AI adalah alat untuk meningkatkan produktivitas, seperti membantu pemrograman, riset, atau kreativitas konten. Namun, bagi yang lain, AI justru menciptakan tekanan kompetisi baru. Pengurangan posisi kerja di bidang seperti administrasi, keuangan, layanan pelanggan, dan desain mulai terlihat. Meski AI mempercepat pekerjaan, ia juga memperluas lingkup tugas dan menuntut pembelajaran terus-menerus. **Perubahan dan Ancaman** AI telah mengubah cara belajar dan bekerja. Pencarian informasi lebih cepat, pekerjaan rutin berkurang, tetapi kekhawatiran akan penggantian peran manusia tetap ada. Beberapa pekerja merasa lebih efisien, sementara yang lain cemas akan masa depan karir mereka. Namun, di sektor seperti keuangan, logistik, dan manufaktur, peran manusia dalam pengambilan keputusan kompleks, penanganan pengecualian, dan pertanggungjawaban masih sulit digantikan. **Mencari Nilai Manusia yang Tak Tergantikan** Di tengah perubahan ini, para profesional berusaha menemukan nilai unik manusia, seperti pemahaman mendalam tentang bisnis, intuisi pasar, kreativitas, dan kemampuan koordinasi. Beberapa beralih ke peran seperti pengawas sistem kompleks, pengembang produk mandiri, atau "super-koordinator" yang mengelola AI. Kunci bertahan adalah terus belajar, beradaptasi, dan memperluas wawasan. **Masa Depan dengan AI** AI bukan lagi pilihan, melainkan keharusan. Meskipun alat AI seperti GPT, Claude, dan DeepSeek membantu banyak pekerjaan, ketergantungan berlebihan juga berisiko. Namun, kemampuan manusia dalam memahami konteks, berinovasi, dan bertanggung jawab tetap menjadi keunggulan utama. Di era AI, yang bertahan adalah mereka yang bisa beradaptasi, belajar cepat, dan menemukan peran baru dalam ekosistem yang terus berubah.

marsbit06/01 08:21

Wawancara Eksklusif dengan 7 Pekerja Biasa: Setelah AI Datang, Apakah Hidupmu Tetap Baik?

marsbit06/01 08:21

Lima Bentuk Inti AI Agent Menurut Pandangan YC

Penyunting: AI Agent telah berkembang dari prompt sekali pakai ke dalam alur kerja yang lebih kompleks. Pertanyaan penting sekarang bukanlah "apakah model bisa menyelesaikan tugas?", tetapi "bisakah kemampuan AI dijadikan aset proses yang dapat digunakan ulang dan terakumulasi?". Berikut adalah lima bentuk inti yang muncul: 1. **Skills:** Bukan SOP kaku, melainkan lebih seperti "pemanggilan metode". Satu alur kerja (Skill) yang sama dapat digunakan untuk banyak kasus dengan mengganti parameternya (misal, target, pertanyaan, dataset). 2. **Thin Harness:** Kerangka kerja eksekusi ringan (~200 baris kode) yang menjadi "tangan dan kaki" bagi model. Fungsinya menjalankan loop, membaca/menulis file, dan mengelola konteks. 3. **Resolvers:** Tabel perutean yang memetakan jenis tugas ke Skill spesifik. Ini mencegah "korupsi konteks" saat jumlah Skill sangat banyak, sehingga memastikan panggilan yang tepat. 4. **Latent vs. Deterministic:** Pisahkan tugas. Serahkan penilaian, sintesis, dan pemahaman kontekstual ke LLM. Gunakan kode deterministik (yang dapat ditulis model) untuk hal-hal yang memerlukan kepastian dan konsistensi, seperti perhitungan. 5. **Memory:** Lapisan memori untuk akumulasi pengetahuan jangka panjang. Contoh: folder markdown dengan satu halaman per entitas (orang/perusahaan/konsep), berisi kesimpulan terkini dan garis waktu yang terus bertambah. Kombinasi ini membentuk **"kemampuan proses" (process power)** – keunggulan kompetitif yang berkelanjutan di era AI. Ini mengubah pengalaman menjadi alur kerja yang terdokumentasi, tugas menjadi parameter, aturan stabil menjadi kode, dan pembelajaran menjadi memori yang terakumulasi. Sistem semacam ini, meski tampak sederhana (seperti folder markdown), sulit ditiru karena dibangun melalui iterasi dan disiplin yang terus-menerus, berbeda dengan aplikasi hasil "vibe coding" yang harga ekuilibrinya akan turun hingga ke biaya token.

marsbit05/20 07:50

Lima Bentuk Inti AI Agent Menurut Pandangan YC

marsbit05/20 07:50

Bagaimana Mengotomatiskan Setiap Alur Kerja dengan Claude Skills (Tutorial Lengkap)

**Panduan Lengkap: Mengotomatiskan Alur Kerja dengan Claude Skills** Claude Skills adalah file instruksi permanen yang disimpan di komputer Anda, dirancang untuk memberi tahu Claude cara menyelesaikan tugas tertentu secara konsisten dan berkualitas tinggi. Berbeda dengan prompt biasa yang hanya menjadi awal percakapan, Skills bertindak seperti karyawan terlatih yang mengikuti proses, standar, dan format output yang sama setiap kali. **Mengapa Skills Sangat Berharga?** Skills menawarkan kualitas yang terstandarisasi dan dapat diandalkan. Dengan lebih dari 80.000 Skills komunitas dan Skills resmi dari Anthropic, alat ini masih sering kurang dimanfaatkan karena kurangnya panduan yang jelas. **Tahap 1: Instalasi Cepat (5 Menit)** Skills adalah folder di komputer Anda yang berisi file `SKILL.md`. Untuk menginstal: - Kunjungi skillsmp.com atau github.com/anthropics/skills. - Pilih Skill yang relevan, ikuti petunjuk instalasi. - Terapkan pada tugas nyata dan bandingkan hasilnya dengan metode prompt biasa. **Tahap 2: Membuat Skill Kustom dari Awal** Sebelum mulai, jawab tiga pertanyaan: 1. **Apa tujuan Skill ini?** (Contoh: "Menulis email tindak lanjut untuk calon klien yang menghadiri webinar, menyebutkan sesi spesifik, menyertakan studi kasus, dan mengajak menjadwalkan demo 15 menit."). 2. **Kapan Skill ini diaktifkan?** (Daftar 5 frasa pemicu seperti "tulis email tindak lanjut"). 3. **Seperti apa output yang sempurna?** (Berikan contoh nyata). **Struktur File SKILL.md:** - **Bagian 1:** YAML frontmatter (nama dan deskripsi spesifik). - **Bagian 2:** Instruksi alur kerja langkah demi langkah, contoh, dan penanganan kasus khusus. **Tahap 3: Uji dan Optimalkan ke Level Produksi** Uji Skill dengan tiga skenario: 1. **Jalur reguler** (80% kasus penggunaan). 2. **Kasus batas** (input tidak biasa atau tidak lengkap). 3. **Uji tekanan** (tugas paling kompleks dan berantakan). Lakukan pengoptimalan mingguan berdasarkan kegagalan. Dalam satu bulan, Skill akan menghasilkan output setara profesional manusia. **Tahap 4: Bangun Perpustakaan Skills untuk Industri Anda** Buat satu Skill untuk setiap tugas berulang dalam alur kerja Anda. Contoh per bidang: - **Pemasaran:** Pembuat brief acara, penulis iklan, perencana kalender konten. - **Keuangan:** Pemroses laporan pengeluaran, analis faktur, penjelas perbedaan anggaran. - **Konsultasi:** Penyusun proposal, alat persiapan wawancara kebutuhan. Dengan 10 Skills yang menghemat 30 menit per minggu, Anda dapat menghemat 260 jam per tahun. Skills mengubah cara kerja: dari mengulang instruksi manual menjadi memiliki sistem otomatis yang efisien. Mulailah membangun perpustakaan Skills Anda sekarang.

marsbit05/12 09:59

Bagaimana Mengotomatiskan Setiap Alur Kerja dengan Claude Skills (Tutorial Lengkap)

marsbit05/12 09:59

Panduan Penggunaan AI dari CEO Y-Combinator: Masa Depan Milik Mereka yang Membangun Sistem Berbunga Majemuk

Panduan Penggunaan AI dari CEO Y Combinator: Masa Depan Milik Mereka yang Membangun Sistem Majemuk Ketika banyak orang masih melihat AI sebagai alat obrolan yang lebih pintar, CEO Y Combinator Garry Tan telah mengubahnya menjadi sistem operasi pribadi. Inti produktivitas di era AI telah berubah: model hanyalah mesin, yang benar-benar menghasilkan pertumbuhan majemuk adalah sistem menyeluruh yang dibangun di sekitar pengetahuan, alur kerja, konteks, dan penilaian pribadi. Dalam sistem seperti ini, setiap pertemuan, buku, email, dan koneksi tidak lagi menjadi informasi terisolasi, melainkan terus dimasukkan ke dalam "otak kedua" yang terstruktur. Setiap tugas berulang tidak lagi bergantung pada prompt sementara, tetapi diabstraksi menjadi *skill* yang dapat digunakan kembali dan terus disempurnakan. AI tidak hanya membantu menyelesaikan tugas, tetapi membantu memproduktifkan, mensistemasi, dan menginfrastrukturkan cara kerja pribadi. Kompetisi masa depan mungkin bukan milik mereka yang hanya bisa menggunakan AI, tetapi milik mereka yang dapat melatih sistem AI majemuk di sekitar kehidupan dan pekerjaan nyata mereka. Sistem AI pribadi akan mengingat latar belakang Anda, memahami konteks Anda, mewarisi penilaian Anda, dan menjadi lebih kuat dengan setiap penggunaan. Nilai AI tidak terletak pada apa yang dihasilkan sekali, tetapi pada kemampuannya untuk menjadi sistem saraf yang terus mengakumulasi, menghubungkan, dan meningkatkan. Bagi individu, inilah awal sebenarnya dari "cara kerja asli AI." Tan membagikan contoh konkret: sistem "book mirror" yang menganalisis dan memetakan isi buku ke konteks hidupnya, serta persiapan rapat otomatis yang memanfaatkan basis pengetahuan pribadi berisi 100.000 halaman. Sistem ini dibangun dengan arsitektur "harness tipis, skill tebal, kode tebal," terdiri dari banyak *skill* yang dapat dikombinasikan dan *skill* meta yang dapat membuat *skill* baru. Intinya: masa depan milik individu yang dapat membangun sistem AI majemuk, bukan hanya pengguna alat AI terpusat. Perbedaannya seperti antara menulis buku harian dan memiliki sistem saraf. Semua alat dan kerangka kerja yang dijelaskan telah diopen-source-kan, mengundang siapa saja untuk mulai membangun sistem mereka sendiri.

marsbit05/11 06:22

Panduan Penggunaan AI dari CEO Y-Combinator: Masa Depan Milik Mereka yang Membangun Sistem Berbunga Majemuk

marsbit05/11 06:22

a16z tentang Perekrutan: Bagaimana Memilih antara Bakat Asli Kripto dan Bakat Tradisional?

Dengan berkembangnya industri crypto, timbul pertanyaan kritis: kapan harus merekrut talenta yang sudah berpengalaman di bidang crypto (crypto-native) dan kapan bakat dari latar belakang tradisional dapat menjadi aset? Menurut a16z, crypto-native profesional unggul dalam peran yang membutuhkan keahlian teknis mendalam dan spesifik, seperti pengembangan smart contract, di mana kesalahan dapat berakibat fatal. Namun, talenta tradisional dari perusahaan teknologi besar membawa keahlian dalam penskalaan, operasi yang kompleks, dan pengalaman membangun produk untuk jutaan pengguna, yang sangat berharga saat produk crypto beralih ke pasar arus utama. Kunci perekrutan adalah menemukan kandidat yang memiliki rasa ingin tahu alami tentang teknologi terdesentralisasi dan yang selaras dengan visi perusahaan. Proses wawancara harus disesuaikan untuk menguji motivasi dan pemahaman mereka, serta kemampuan untuk belajar dengan cepat. Struktur kompensasi, termasuk paket berbasis token, dapat menjadi daya tarik finansial yang signifikan. Setelah perekrutan, proses onboarding yang kuat sangat penting untuk mempercepat kurva pembelajaran melalui sesi berbagi pengetahuan, program mentoring, dan sumber daya pendidikan berkelanjutan. Intinya, membangun tim yang sukses di crypto membutuhkan kombinasi strategis antara keahlian crypto-native dan pengalaman tradisional, dengan fokus pada bakat yang dapat beradaptasi dan berkembang.

marsbit04/19 01:22

a16z tentang Perekrutan: Bagaimana Memilih antara Bakat Asli Kripto dan Bakat Tradisional?

marsbit04/19 01:22

Demam AI 2026: Bagaimana Orang Biasa Bisa Menang?

Tiga Jalan Menuju Kesuksesan di Era AI 2026: Bukan Cuma Hindari Penggantian, Tapi Manfaatkan AI untuk Amplifikasi Diri Artikel ini menawarkan tiga jalur bagi individu untuk "menang" di era AI, yaitu meningkatkan hidup melalui pendapatan lebih, waktu lebih banyak, dan keahlian yang lebih kuat. 1. Jalur Karier (Career Architect): Fokus menjadi yang terbaik di perusahaan saat ini dengan memanfaatkan AI untuk meningkatkan efisiensi dan nilai diri. Cocok untuk pekerja kerah putih yang nyaman dengan industri mereka. Kuncinya adalah membangun alur kerja AI khusus, terus belajar, dan memiliki pemahaman teknis dasar. 2. Jalur Pendapatan (Income Architect): Membangun sumber pendapatan di luar pekerjaan utama dengan memanfaatkan AI. Ini adalah pilihan menengah dengan risiko lebih rendah daripada startup tetapi potensi lebih tinggi daripada jalur karier. Contohnya adalah menawarkan layanan berbasis AI yang diproduktifikasi atau membangun audiens dan memonetisasi konten. 3. Jalur Startup (Venture Architect): Jalur tersulit dengan potensi tertinggi, yaitu membangun aset yang dapat diskalakan seperti produk AI native atau agensi layanan AI. Cocok untuk mereka yang memiliki pengalaman, sumber daya, dan toleransi risiko tinggi. Kesimpulan utamanya: Jangan menunggu. Kesuksesan datang dari kecepatan bertindak, bereksperimen, dan beriterasi. Risiko terbesar adalah tidak mengambil risiko sama sekali. Pilih jalur yang paling sesuai dan segera mulai.

marsbit03/31 08:49

Demam AI 2026: Bagaimana Orang Biasa Bisa Menang?

marsbit03/31 08:49

活动图片