Dengan menyematkan kemampuan AI generatif ke dalam program, kita dapat menciptakan mekanisme yang sebelumnya tidak dapat dicapai dengan program konvensional.
Lebih lanjut, seiring dengan AI generatif yang mampu secara otomatis menghasilkan program, kita akan dapat dengan bebas dan mudah membuat serta menjalankan program berdasarkan ide-ide kita.
Hingga saat ini, saya telah menciptakan sistem yang dapat menerjemahkan artikel blog saya ke dalam bahasa Inggris dan mempostingnya di blog berbahasa Inggris, membuat video penjelasan dari video presentasi dan mengunggahnya ke YouTube, serta menghasilkan dan menerbitkan situs blog saya sendiri dengan indeks, kategori, dan tag.
Dengan cara ini, sistem yang menggunakan konten asli sebagai bahan baku dan menggabungkan fitur AI generatif untuk menghasilkan berbagai konten turunan dapat disebut sebagai pabrik intelektual.
Saya juga telah mengembangkan aplikasi web untuk mengoperasikan pabrik intelektual ini dan mengelola statusnya, sehingga dapat diakses baik di PC maupun smartphone. Selain itu, bagian-bagian yang melakukan pemrosesan otomatis yang dipicu oleh peristiwa dieksekusi pada mesin virtual yang disiapkan untuk pemrosesan batch di backend.
Dengan demikian, saya sendiri telah mengembangkan frontend PC dan smartphone, backend server web, pemrosesan batch pada mesin virtual, dan infrastruktur untuk ini, semuanya dengan dukungan AI generatif.
Ini bukan sekadar rekayasa full-stack; ini dapat disebut rekayasa omnidirectional, karena melibatkan pengembangan komprehensif berbagai aspek sistem.
Selain itu, ketika meningkatkan kegunaan aplikasi web yang dikembangkan atau menambahkan fitur baru, saya dapat mendelegasikan pemrograman kepada AI generatif, memungkinkan peningkatan yang mudah saat menggunakannya.
Ini membuat perangkat lunak menjadi lebih fleksibel dan cair daripada perangkat lunak tradisional, memungkinkan saya menciptakan sesuatu yang sangat sesuai dengan pola penggunaan saya. Saya menyebut ini "liquidware."
Saya benar-benar telah mengembangkan dan saat ini menggunakan ini. Ini bukan sekadar konsep tetapi sudah menjadi kenyataan dalam pengembangan perangkat lunak.
Meskipun saya belum mengembangkannya, saya mengantisipasi bahwa di bidang sistem bisnis, metodologi pengembangan yang dikenal sebagai "pengembangan berorientasi proses bisnis" akan menjadi kenyataan.
Ini adalah pendekatan yang tidak bertujuan untuk optimasi keseluruhan program, yang memperumit sistem, melainkan membagi modul perangkat lunak berdasarkan proses bisnis individual.
Hanya definisi kerangka dasar antarmuka pengguna, manajemen izin pengguna, dan model data yang perlu dibagikan antar proses bisnis yang dibagikan sebagai kerangka eksternal sistem bisnis.
Pemrosesan sistem internal dan data sementara lainnya dikelola pada tingkat proses bisnis.
Ini mungkin mencakup fungsi dan struktur data yang dapat dibagikan oleh dua atau lebih proses bisnis. Namun, jika ini dijadikan modul bersama atau library kustom, meskipun kode dan kualitas keberulangan membaik, struktur perangkat lunak menjadi kompleks, dan perubahan memerlukan pertimbangan konstan terhadap dampak pada proses bisnis lainnya.
Dalam situasi di mana AI generatif secara otomatis menghasilkan program, kerugian yang terakhir lebih besar daripada keuntungan yang pertama. Oleh karena itu, pendekatan berorientasi proses bisnis, yang menekankan optimasi individual daripada optimasi keseluruhan, menjadi rasional.
Selain itu, bayangkan unit-unit seperti "memasukkan informasi dasar karyawan baru," "memperbarui informasi dasar karyawan," dan "mencari karyawan berdasarkan nama" sebagai proses bisnis individual.
Dalam metodologi pengembangan tradisional, antarmuka pengguna masing-masing, proses frontend, proses backend, dan proses batch dipisahkan ke dalam file yang berbeda di direktori yang berbeda. Lebih lanjut, masing-masing dikembangkan oleh insinyur yang berbeda.
Namun, ketika seorang insinyur tunggal melakukan rekayasa omnidirectional sambil membiarkan AI generatif melakukan pemrograman, lebih masuk akal untuk mengkonsolidasikan kode yang dibutuhkan untuk satu proses bisnis ke dalam satu file atau folder.
Selain itu, hasil analisis persyaratan, spesifikasi uji, hasil uji, dan catatan tinjauan juga dapat dikonsolidasikan di lokasi yang sama.
Ini memungkinkan semua hasil rekayasa perangkat lunak dikelola per proses bisnis. Dan karena tidak perlu mempertimbangkan optimasi keseluruhan, perbaikan dapat difokuskan dalam proses bisnis tersebut, dan proses bisnis baru dapat dengan mudah ditambahkan ke sistem bisnis.
Dengan cara ini, pengembangan program dan apa yang dapat dikembangkan dengan program secara signifikan berubah karena AI generatif. Ini bukan kemungkinan di masa depan; ini sudah menjadi kenyataan saat ini, dan dalam waktu dekat, kelengkapannya hanya dapat meningkat, dan tahap berikutnya harus melampaui itu.
Sistem Simulasi
Apa yang dapat direalisasikan oleh program tidak terbatas pada sistem bisnis dan pabrik intelektual yang disebutkan di sini.
Area yang tersisa yang belum saya sebutkan dapat secara luas diklasifikasikan sebagai sistem simulasi.
Baik memecahkan persamaan fisika sederhana dengan satu rumus analitik atau menghitung fenomena fisika kompleks dengan program iteratif, keduanya dapat disebut sistem simulasi.
Lebih lanjut, sistem simulasi dapat dimanfaatkan tidak hanya dalam fisika tetapi juga dalam kimia, biologi, atau bahkan sosiologi dan ekonomi. Selain itu, simulasi diterapkan tidak hanya di bidang akademik tetapi juga di bidang seperti teknik, kedokteran, desain institusional, dan manajemen bisnis.
Permainan juga merupakan jenis sistem simulasi. Dalam setiap permainan, dapat dikatakan bahwa fisika, masyarakat, aturan, dll., dalam dunia permainan tersebut, sedang disimulasikan.
Di luar itu, kita juga melakukan sejenis simulasi ketika kita merencanakan hidup, perjalanan, atau bagaimana membelanjakan uang saku kita.
Simulasi-simulasi ini telah dilakukan dengan berbagai cara: dengan membuat dan menjalankan program, dengan merumuskan dan menghitung persamaan di atas kertas, dengan berpikir di kepala, dengan mengatur ide-ide dengan teks dan panah di papan tulis, atau dengan menggambar grafik di Excel.
Mengembangkan program simulasi untuk masalah tertentu memungkinkan simulasi yang lebih kompleks daripada persamaan analitik. Namun, itu membutuhkan keterampilan pemrograman, usaha, dan waktu.
Juga, model simulasi perlu didefinisikan dengan jelas, yang membutuhkan keterampilan, usaha, dan waktu untuk dipertimbangkan.
Selain itu, simulasi hanya dapat dilakukan dengan cara yang dapat diekspresikan oleh program, dan hingga saat ini, hanya apa yang dapat diekspresikan secara komputasi yang dapat disimulasikan.
AI generatif akan secara signifikan mengubah situasi ini.
AI generatif tidak hanya memungkinkan pengembangan program sistem simulasi yang mudah tetapi juga, dengan menyematkan AI generatif ke dalam sistem simulasi, elemen-elemen yang tidak dapat diekspresikan oleh rumus matematika juga dapat disimulasikan. Ini memungkinkan elemen simulasi kualitatif yang ambigu dan simulasi yang melibatkan agen cerdas seperti manusia.
Selain itu, model simulasi semacam itu dapat diekspresikan tidak hanya dalam rumus matematika tetapi juga dalam bahasa alami dan diinterpretasikan oleh AI generatif.
Ini akan mempermudah sistematisasi berbagai simulasi yang telah kita lakukan dalam berbagai situasi.
Ini akan memungkinkan kita untuk memperoleh hasil simulasi yang lebih akurat, efisien, dan efektif, mengurangi kemungkinan kelalaian dan asumsi yang bias.
Lebih lanjut, ketika mendiskusikan atau mempertimbangkan masalah kompleks, akan mungkin untuk menggunakan sistem simulasi untuk diskusi dan pertimbangan, daripada hanya mengandalkan simulasi mental individu.
Ini meningkatkan presisi pertimbangan dan membuat diskusi lebih konstruktif. Hal ini karena alih-alih saling menunjuk kecerdasan atau kesalahan dalam berpikir, diskusi dapat berfokus pada poin-poin yang jelas seperti model dasar simulasi, setiap kelalaian atau elemen yang hilang, bagaimana bagian-bagian yang sangat tidak pasti diperkirakan, dan indikator mana di antara hasilnya yang ditekankan.
Seiring dengan sistem simulasi yang mudah dibuat, cara kita berpikir akan bergeser dari pemikiran linier, yang berfokus pada intuisi, asumsi, dan niat buruk atau kesalahan orang lain, ke pemikiran simulasi.
Ini seperti mencari di internet di smartphone Anda selama percakapan untuk memeriksa sumber berita, Wikipedia, atau sumber utama. Tidak ada lagi kebutuhan untuk argumen tanpa akhir yang hanya didasarkan pada ingatan masing-masing.
Selama diskusi, AI generatif akan mengatur model simulasi, aturan simulasi, dan prasyarat dari konten diskusi.
Orang-orang yang berdiskusi hanya perlu menambahkan atau mengoreksi informasi dan premis pada model dan aturan tersebut, lalu mengkonfirmasi hasil simulasi. Sama seperti ketika sumber berita yang andal ditemukan, hasil simulasi tersebut dapat berfungsi sebagai dasar bersama untuk diskusi yang lebih mendalam.
Ini akan membebaskan pendengar dari era bertanya-tanya siapa yang benar atau siapa yang dapat dipercaya. Mereka juga tidak akan lagi kehilangan esensi saat mencoba memahami jargon dan konsep yang tidak jelas yang muncul dalam diskusi.
Mereka hanya perlu mempertimbangkan hal-hal yang sangat sederhana: bagaimana mengevaluasi ketidakpastian dan nilai mana yang harus diprioritaskan.