Pendiri Claude Code Mengungkap Prediksi Terbaru: Divisi Kerja Tim Dirombak di Era AI, "Lima Tipe Orang" Ini Paling Dibutuhkan

marsbitPublished on 2026-06-30Last updated on 2026-06-30

Abstract

Dengan maraknya Agent Coding yang membentuk ulang industri perangkat lunak, perubahan tidak hanya terjadi pada peran "insinyur" tradisional. Boris Cherny, pemimpin tim Claude Code di Anthropic, mengamati bahwa fungsi teknik, produk, desain, dan ilmu data semakin menyatu. Dia mengusulkan lima peran baru berbasis pola perilaku, tidak terikat pada jabatan tradisional: 1. **The Prototyper (Pembuat Prototipe):** Menghasilkan banyak ide dan konsep baru, fokus pada kuantitas dan disruptif. 2. **The Builder (Pembangun):** Mengubah prototipe kasar menjadi produk atau infrastruktur yang siap produksi dan dapat diskalakan. 3. **The Sweeper (Pembersih):** Menyederhanakan antarmuka, mengatur ulang kode, dan menghapus fitur berlebihan untuk meningkatkan kinerja dan kemampuan pemeliharaan. 4. **The Growth (Pertumbuhan):** Mengiterasi produk yang sudah jadi agar lebih dekat dengan pasar, meningkatkan retensi pengguna, dan mengubahnya dari "dapat digunakan" menjadi "diperlukan". 5. **The Maintainer (Pemelihara):** Memastikan keamanan, keandalan, efisiensi, dan ketahanan sistem yang matang dalam jangka panjang. Peran-peran ini tidak eksklusif. Satu orang dapat merangkul beberapa peran (misalnya, 1+3 atau 2+3) yang berubah sesuai tahap produk atau proyek. Tim yang sehat membutuhkan kombinasi peran yang berbeda bergantung pada kematangan produk: produk baru membutuhkan peran 1,2,3; produk yang sedang tumbuh membutuhkan 2,3,4 dengan beberapa 5; produk matang membutuhkan 3,4,5 dengan beberap...

Dalam situasi di mana Agent Coding tengah booming dan membentuk ulang industri perangkat lunak, dunia industri tampaknya telah mulai menerima fakta yang tak terbantahkan bahwa "insinyur" telah berubah. Namun kenyataannya, yang berubah mungkin bukan hanya posisi "insinyur" saja, perubahan yang lebih mendalam sedang terjadi secara diam-diam di balik struktur organisasi tim...

Baru-baru ini, Boris Cherny, kepala tim Claude Code di Anthropic, mengajukan sebuah pengamatan yang menarik di X.

Dia mencatat, seiring dengan semakin menyatunya fungsi-fungsi seperti teknik, produk, desain, dan ilmu data, dia terus berpikir, ke arah seperti apa peran-peran ini akan berkembang di masa depan? Mengambil tim Claude Code sebagai contoh, "label jabatan" tradisional di dalam tim sedang dihapus secara total, digantikan oleh 5 jenis peran baru "tanpa ikatan" yang didasarkan pada pola perilaku: Prototyper (Si Pembuat Purwarupa), Builder (Si Pembangun), Sweeper (Si Pembersih), Growth (Si Pertumbuhan), Maintainer (Si Pemelihara).

Prototyper (Si Pembuat Purwarupa): Bertanggung jawab utama untuk mengajukan ide-ide baru, terus menghasilkan banyak kreativitas, di mana sebagian besar pada akhirnya tidak akan diluncurkan. Dengan kata lain, mereka mengejar kuantitas dan sifat disruptif dari ide-ide, tanpa terjebak apakah setiap ide harus direalisasikan.

Builder (Si Pembangun): Bertangg jawab utama untuk mengubah ide-ide yang tersebar atau purwarupa kasar, dengan cepat menjadi produk atau infrastruktur berkinerja tinggi yang benar-benar dapat digunakan di lingkungan produksi dan dihadapan banyak pengguna. Singkatnya, mereka bertanggung jawab menyelesaikan lompatan sulit dari 0.1 ke 1.

Sweeper (Si Pembersih): Bertanggung jawab utama untuk "melakukan pengurangan". Efek samping paling menakutkan di era AI adalah pembengkakan kode dan fungsi yang berlebihan. Tugas Sweeper adalah membersihkan, menyederhanakan antarmuka pengguna, menyederhanakan, merefaktor kode dan arsitektur sistem yang berantakan, menghapus fungsi-fungsi berlebihan yang tidak perlu, untuk mendapatkan kinerja dan kemudahan pemeliharaan sistem yang tinggi.

Growth (Si Pertumbuhan): Mengambil alih produk yang sudah terbentuk dan dibangun. Saat produk memasuki pasar, Growth bertanggung jawab untuk iterasi berkelanjutan dengan langkah-langkah kecil dan cepat, harus peduli: Bagaimana agar produk lebih dekat dengan pasar? Bagaimana membuat pengguna lebih ingin bertahan? Bagaimana membuat produk dari "bisa digunakan" menjadi "dibutuhkan". Namun, peran ini tidak setara dengan operasi pertumbuhan tradisional, melainkan lebih mendekati kombinasi kemampuan produk, data, pemahaman pengguna, dan eksperimen.

Maintainer (Si Pemelihara): Bertanggung jawab atas operasional jangka panjang dari sistem yang sudah matang. Mereka belum tentu terlibat dalam mengejar fitur baru yang cemerlang, tetapi sangat memperhatikan keamanan, keandalan, efisiensi operasional yang ekstrem, dan ketahanan sistem, memastikan layanan tetap stabil seperti batu karang dalam kondisi lalu lintas ekstrem apa pun.

Namun perlu diperhatikan, kelima peran ini tidak sesuai dengan jabatan tradisional. Artinya, mereka tidak seperti dalam manajemen organisasi tradisional, di mana peran seseorang tetap pada gelar jabatannya.

Boris Cherny percaya, banyak orang mungkin menjangkau dua peran, bahkan terkadang menjangkau tiga peran.

"Saya juga menyadari bahwa peran-peran ini tidak benar-benar terikat pada jabatan spesifik. Misalnya, di dalam Anthropic, beberapa desainer lebih sesuai dengan tipe 1, beberapa lebih sesuai dengan tipe 2, dan beberapa lebih sesuai dengan tipe 3; begitu pula dengan insinyur, manajer produk, ilmuwan data."

Ini berarti, dalam tim yang diperkuat AI yang efisien, banyak anggota bukan lagi "sekrup tunggal". Seorang desainer bisa menjadi Prototyper, juga bisa menjadi Sweeper; seorang insinyur bisa menjadi Builder, juga bisa menjadi Maintainer; seorang manajer produk bisa mengambil peran Growth, juga bisa menjadi Prototyper; seorang ilmuwan data mungkin tidak hanya melakukan analisis, tetapi juga bisa langsung terlibat dalam pertumbuhan produk dan optimisasi sistem...

Dengan kata lain, cara tim melihat seseorang di masa depan mungkin akan berubah. Pertanyaan di masa lalu mungkin terutama "Anda di posisi apa"? Sedangkan di masa depan atau sekarang sedang berubah menjadi "Anda dapat mendorong tahap mana dalam siklus hidup produk"?

Boris Cherny menganalisis, cara kombinasi peran yang dibutuhkan oleh tim yang sehat ini tergantung pada tahap di mana produk berada:

Sebuah produk yang benar-benar baru, belum menemukan kesesuaian dengan pasar, membutuhkan orang yang ahli dalam peran tipe 1, 2, 3;

Sebuah produk yang sedang tumbuh, telah menemukan kesesuaian dengan pasar, membutuhkan peran tipe 2, 3, 4, dan dilengkapi dengan beberapa peran tipe 5;

Sebuah produk yang sudah memiliki kesesuaian pasar yang kuat, membutuhkan peran tipe 3, 4, 5, dan mempertahankan beberapa peran tipe 2.

"Mungkin peran produk di masa depan akan lebih seperti ini, bukan pembagian jabatan berdasarkan bidang keahlian seperti saat ini."

Dan begitu postingan ini diterbitkan, segera menimbulkan diskusi hangat di antara netizen, mayoritas menyetujui.

"Ini sangat sesuai dengan keadaan kerja orang yang sebenarnya. Di beberapa proyek, saya benar-benar kombinasi 1+3, dan di proyek lain, saya hampir murni 4. Nama jabatan tidak pernah benar-benar merangkum ini."

Seorang ilmuwan data juga "memberi kesaksian", mengatakan bahwa sebagai ilmuwan data, dia sering menemukan dirinya melakukan pekerjaan tipe Sweeper, sambil membangun produk dengan selera ilmu data. "Jadi, apakah ini berarti saya tipe 2+3?"

Netizen Kun Chen@kunchenguid mengatakan, merasakan hal yang sama. Dia mengatakan bahwa dirinya selalu tidak terlalu suka mendefinisikan "prototipe peran" ini, karena orang mudah melihatnya dan berpikir: "Oh, ternyata inilah saya", lalu berhenti merefleksikan diri. Sedangkan dalam kenyataannya, "Peran seseorang seringkali perlu berubah bersama proyek."

Dia memberi contoh, misalnya saat memulai proyek baru, dia biasanya akan menjadi Prototyper dan Builder; tetapi dengan cepat, ketika hal-hal yang kasar dan tidak sempurna mulai menjadi hambatan, dia akan berubah menjadi Sweeper. Dan seiring proyek semakin matang, dia akan beralih ke Growth dan Maintainer... "Jika saya membatasi diri pada satu peran tertentu, maka saat proyek mencapai tahap tertentu, saya harus melepaskannya."

Dan realitas lainnya adalah, sekarang orang semakin sering mengerjakan banyak proyek secara bersamaan, yang menuntut orang dapat memainkan peran berbeda di proyek yang berbeda. "Mengelompokkan diri ke dalam prototipe tetap tertentu, seringkali membatasi seseorang untuk memperluas ambisi."

Jadi sarannya adalah: Tetap fleksibel, fokus pada hal terpenting yang dibutuhkan untuk mencapai tujuan, jangan terlalu memikirkan batasan peran. Karena batasan ini hanya akan terus kabur seiring waktu.

Boris Cherny menanggapi hal ini, ini benar-benar sesuai dengan perasaannya: "Sepenuhnya setuju. Peran seringkali terus berubah seiring waktu dan tahap proyek."

Ada juga netizen yang menyatakan keraguan, "Mengingat masalah AI menulis kode pada dasarnya sudah terpecahkan, mengapa masih membutuhkan peran seperti Builder dan Sweeper? Tidakkah kita bisa langsung meminta Claude untuk menjalankan siklus berulang?"

Menanggapi hal ini, penjelasan Boris Cherny adalah, Claude dapat membantu menyelesaikan hal-hal ini dalam berbagai tingkat, dan akan semakin kuat seiring waktu. Dan saat ini, Claude hari ini sudah cukup baik dalam menangani dua jenis pekerjaan Sweeper dan Builder.

Lalu bagaimana dengan Anda, bagaimana melihat perubahan peran jabatan ini? Selamat berkomentar dan berdiskusi di kolom komentar!

Referensi link:

https://x.com/bcherny/status/2071379474277613732

https://x.com/kunchenguid/status/2071382977628795289

Artikel ini berasal dari akun WeChat publik "Machine Heart" (ID:almosthuman2014), penulis: yang memperhatikan AI

Trending Cryptos

Related Questions

QMenurut Boris Cherny, apa saja lima peran 'non-label' baru yang muncul dalam tim yang diubah oleh AI, dan apa fokus utama masing-masing?

ALima peran tersebut adalah: 1) The Prototyper (Prototiper): fokus menghasilkan banyak ide dan konsep baru, tidak semua harus diluncurkan. 2) The Builder (Pembangun): mengubah prototipe kasar menjadi produk atau infrastruktur yang siap produksi. 3) The Sweeper (Pembersih): menyederhanakan antarmuka, kode, dan arsitektur, menghapus redundansi untuk kinerja dan pemeliharaan yang lebih baik. 4) The Growth (Pendorong Pertumbuhan): mengiterasi produk yang sudah jadi untuk mendekatkannya ke pasar dan meningkatkan retensi pengguna. 5) The Maintainer (Pemelihara): memastikan keamanan, keandalan, efisiensi, dan ketahanan sistem yang matang.

QBagaimana Boris Cherny menjelaskan bahwa peran-peran baru ini berbeda dari jabatan atau posisi tradisional dalam sebuah tim?

ABoris Cherny menjelaskan bahwa kelima peran ini tidak terikat pada jabatan tradisional seperti insinyur, manajer produk, atau desainer. Seseorang dapat menjalani beberapa peran sekaligus (misalnya, seorang desainer bisa menjadi Prototyper dan Sweeper), dan peran seseorang dapat berubah sesuai dengan tahap produk atau proyek yang sedang dikerjakan.

QMenurut analisis Boris Cherny, bagaimana komposisi peran yang dibutuhkan oleh sebuah tim yang sehat berubah sesuai dengan tahapan produk?

AKomposisinya bergantung pada tahap produk: 1) Produk baru yang belum menemukan product-market fit membutuhkan orang yang ahli dalam peran Prototyper, Builder, dan Sweeper. 2) Produk yang sedang tumbuh dan telah menemukan product-market fit membutuhkan Builder, Sweeper, Growth, dengan beberapa Maintainer. 3) Produk yang sudah memiliki product-market fit kuat membutuhkan Sweeper, Growth, dan Maintainer, dengan tetap mempertahankan beberapa Builder.

QApa tanggapan dan contoh nyata dari seorang ilmuwan data yang dikutip dalam artikel terkait dengan peran-peran baru ini?

ASeorang ilmuwan data yang dikutip mengatakan bahwa dia sering menemukan diri melakukan pekerjaan seperti Sweeper (membersihkan dan menyederhanakan), sambil juga membangun produk dengan pendekatan khas ilmu data. Dia bertanya-tanya apakah ini menjadikannya kombinasi peran Builder dan Sweeper (tipe 2+3).

QBagaimana Boris Cherny menanggapi keraguan bahwa AI (seperti Claude) dapat sepenuhnya menggantikan peran seperti Builder dan Sweeper?

ABoris Cherny menjawab bahwa Claude memang dapat membantu dalam berbagai tingkat untuk semua peran tersebut dan kemampuannya akan terus meningkat. Saat ini, Claude sudah cukup baik dalam membantu tugas-tugas peran Sweeper dan Builder, tetapi peran manusia tetap diperlukan dalam ekosistem tim yang diubah oleh AI.

Related Reads

You Use Claude and Codex Every Day, but Meta Has Restricted Internal Use

In May, Meta imposed internal restrictions on its engineers regarding the use of Claude Code and Codex, two widely used AI programming tools. Despite being a major client, Meta's guidelines, still in effect, prohibit these external models from being used for specific tasks to prevent potential "escalations with partners." The core concern is "distillation"—the risk that outputs from Claude or Codex could inadvertently contaminate the training data and evaluation processes for Meta's in-house AI coding assistant, MetaCode. If MetaCode is trained or evaluated using data generated by these external models, it risks learning their capabilities rather than developing its own, blurring the line of intellectual origin. The restrictions are precise: engineers cannot use the external models to generate test questions, debug source code, or suggest test cases. AI-generated content is also barred from environments accessible to MetaCode. However, AI can still assist with peripheral tasks like workflow setup and code organization, provided all outputs are manually reviewed. This caution reflects a broader industry dilemma. While distillation is a common technique, using a competitor's model output for training raises legal and ethical questions about the ownership of derived capabilities. Contractual terms from companies like OpenAI and Anthropic explicitly forbid using their outputs to build competing products, putting enforcement power in the hands of rivals. The move is also financially motivated, as Meta seeks to reduce its hefty internal AI spending, estimated in the billions this year. Meta's policy illustrates the delicate balance companies must strike: leveraging powerful external AI tools while safeguarding the integrity and independence of their own AI development. As AI systems increasingly help build other AIs, distinguishing the origin of capabilities becomes a fundamental challenge for the entire industry.

marsbit2h ago

You Use Claude and Codex Every Day, but Meta Has Restricted Internal Use

marsbit2h ago

Why Do We Need an AI Content Perspective Today?

The article "Why Do We Need an AI Content Perspective Today?" explores the complex and often contentious integration of AI into the cultural and creative industries, particularly film and television. It begins with the cancellation of Amazon's AI-generated animation "Punky Duck," highlighting the ethical debates surrounding AI content. AI's rapid advancement is transforming video production, enabling cost-effective, full-length AI films (e.g., "RAPHAEL," "Dreams of Violets") while sparking industry resistance over issues like "synthetic actors." The core debate has shifted from whether to use AI to how to use it responsibly. The article analyzes why AI's entry into film is uniquely unsettling. It distinguishes between "cultural fast food" (short-form, fast-paced content like micro-dramas) and "cultural main courses" (traditional, long-form film/TV). AI currently excels at the former, matching its fragmented narratives, shallow emotional needs, and free-to-consumer models. However, venturing into the latter challenges the human-centric essence of storytelling—creativity, emotional depth, and the unique value of human labor and experience. While AI can generate massive volumes of content and lower costs, it risks devaluing human creativity, leading to homogenized output, and creating unfair competition through potential intellectual property infringement. Its efficiency also amplifies content safety risks, making preemptive governance crucial. To counter these risks, the article proposes establishing clear boundaries guided by a human-centered AI content perspective. It outlines four principles: 1) Amplify, rather than displace, human creative space; 2) Respect and protect human creative output; 3) Ensure human creative control and responsibility remain paramount; and 4) Guarantee transparency and traceability in AI creation. The conclusion emphasizes that humans must act as the "helmsmen" of technology, steering AI development to enhance, not replace, the core human values at the heart of cultural expression.

marsbit2h ago

Why Do We Need an AI Content Perspective Today?

marsbit2h ago

Trading

Spot

Hot Articles

Discussions

Welcome to the HTX Community. Here, you can stay informed about the latest platform developments and gain access to professional market insights. Users' opinions on the price of S (S) are presented below.

活动图片