Dengan menyematkan fungsi AI generatif ke dalam program, kita dapat menciptakan mekanisme yang sebelumnya tidak dapat dicapai dengan pemrograman konvensional.
Lebih lanjut, seiring AI generatif mampu menghasilkan program secara otomatis, kita akan dapat dengan bebas dan mudah membuat serta menjalankan program sesuai dengan yang kita bayangkan.
Hingga saat ini, saya telah membangun sistem yang menerjemahkan artikel blog saya ke dalam bahasa Inggris dan mempostingnya ke blog bahasa 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, mekanisme yang menggunakan konten asli sebagai bahan baku dan menggabungkan fungsi AI generatif untuk menghasilkan berbagai konten turunan dapat disebut sebagai Pabrik Intelektual.
Selain itu, saya telah membuat aplikasi web untuk mengoperasikan Pabrik Intelektual ini dan mengelola statusnya, sehingga dapat diakses baik di PC maupun ponsel pintar. Bagian-bagian yang menangani pemrosesan otomatis yang dipicu oleh peristiwa juga dijalankan di mesin virtual yang disiapkan untuk pemrosesan batch di luar backend.
Jadi, saya mengembangkan frontend PC dan ponsel pintar, backend server web, pemrosesan batch di mesin virtual, dan infrastruktur untuk semua ini, sendirian dengan dukungan AI generatif.
Ini bukan sekadar rekayasa full-stack, melainkan dapat disebut Rekayasa Omnidireksional, yang secara komprehensif mengembangkan berbagai aspek suatu sistem.
Selanjutnya, saat meningkatkan aspek-aspek aplikasi web yang dikembangkan yang tidak nyaman digunakan atau menambahkan fitur baru, saya dapat menyerahkan pemrograman kepada AI generatif, memungkinkan peningkatan mudah selama penggunaan.
Ini bahkan lebih fleksibel dan cair dibandingkan perangkat lunak konvensional, memungkinkan saya menciptakan sesuatu yang sangat sesuai dengan penggunaan saya. Saya menyebutnya Liquidware.
Saya telah secara pribadi mengembangkan dan benar-benar menggunakan ini. Ini bukan hanya sebuah konsep; ini sudah menjadi kenyataan pengembangan perangkat lunak.
Meskipun belum dikembangkan, dalam bidang sistem bisnis, saya mengantisipasi bahwa metodologi pengembangan Berorientasi Proses Bisnis akan menjadi kenyataan.
Ini adalah pendekatan yang tidak bertujuan untuk optimisasi keseluruhan program, yang memperumit sistem, melainkan membagi modul perangkat lunak menjadi Proses Bisnis individual.
Hanya definisi kerangka dasar antarmuka pengguna, manajemen hak istimewa pengguna, dan model data yang perlu dibagikan antar Proses Bisnis yang dibagikan sebagai kerangka luar sistem bisnis.
Pemrosesan sistem internal lainnya dan data sementara dikelola pada unit Proses Bisnis.
Mungkin ada fungsi atau struktur data di dalamnya yang dapat dibagikan oleh dua atau lebih Proses Bisnis. Namun, jika dibuat menjadi modul bersama atau pustaka khusus, meskipun kode dan kualitas keberlanjutan meningkat, struktur perangkat lunak menjadi kompleks, dan perubahan memerlukan pertimbangan konstan terhadap dampaknya pada Proses Bisnis lainnya.
Dalam situasi di mana AI generatif secara otomatis menghasilkan program, kerugian yang terakhir melebihi keuntungan yang pertama. Oleh karena itu, pendekatan Berorientasi Proses Bisnis, yang menekankan Optimisasi Individu daripada optimisasi keseluruhan, menjadi rasional.
Selain itu, bayangkan unit-unit seperti "memasukkan informasi dasar karyawan baru," "memperbarui informasi dasar karyawan," atau "mencari karyawan berdasarkan nama" sebagai Proses Bisnis individual.
Dalam metodologi pengembangan tradisional, setiap antarmuka pengguna, proses frontend, proses backend, dan proses batch akan dipisahkan ke dalam file-file yang berbeda di direktori yang berbeda. Lebih lanjut, masing-masing akan dikembangkan oleh insinyur yang berbeda.
Namun, ketika seorang insinyur tunggal melakukan Rekayasa Omnidireksional dengan meminta AI generatif melakukan pemrograman, lebih masuk akal untuk mengonsolidasikan kode yang diperlukan untuk satu Proses Bisnis ke dalam satu file atau folder.
Selain itu, hasil analisis persyaratan, spesifikasi pengujian, hasil pengujian, dan catatan tinjauan juga dapat dikonsolidasikan di lokasi yang sama.
Ini memungkinkan pengelolaan semua artefak rekayasa perangkat lunak pada unit satu Proses Bisnis. Dan, karena tidak perlu mempertimbangkan optimisasi 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 mengalami perubahan signifikan karena AI generatif. Ini bukan skenario masa depan; ini sudah menjadi masa kini, dan dalam waktu dekat, kecanggihannya hanya dapat terus maju, dan tahap selanjutnya harus secara tak terhindarkan bergerak melampaui itu.
Sistem Simulasi
Apa yang dapat diwujudkan melalui program tidak terbatas pada sistem bisnis dan pabrik intelektual yang disebutkan di sini.
Area-area yang belum saya sebutkan dapat diklasifikasikan secara luas sebagai sistem simulasi.
Baik memecahkan persamaan fisika sederhana dengan satu formula analitis atau menghitung fenomena fisika kompleks dengan program iteratif, keduanya dapat dianggap sebagai sistem simulasi.
Lebih lanjut, sistem simulasi dapat dimanfaatkan tidak hanya dalam fisika, tetapi juga dalam kimia, biologi, sosiologi, ekonomi, dan bidang lainnya. Selain akademis, simulasi juga diterapkan dalam rekayasa, kedokteran, operasi institusional, dan manajemen bisnis.
Permainan juga merupakan jenis sistem simulasi. Dalam permainan apa pun, fisika, masyarakat, aturan, dan aspek lain di dalam Dunia permainan tersebut, dalam arti tertentu, sedang disimulasikan.
Di luar itu, kita juga melakukan semacam simulasi saat merencanakan hidup, perjalanan, atau bagaimana membelanjakan uang saku kita.
Simulasi-simulasi ini telah dilakukan dengan berbagai cara: dengan membuat dan menjalankan program, menghitung persamaan di atas kertas, berpikir dalam kepala, mengatur pikiran dengan teks dan panah di papan tulis, atau menggambar grafik di Excel.
Mengembangkan program simulasi untuk masalah tertentu memungkinkan simulasi yang lebih kompleks daripada persamaan analitis. Namun, itu membutuhkan keterampilan pengembangan pemrograman, usaha, dan waktu.
Juga diperlukan untuk memperjelas model simulasi, yang pada gilirannya menuntut keterampilan, upaya pertimbangan, dan waktu.
Selain itu, simulasi terbatas pada apa yang dapat diungkapkan dalam bentuk program, dan sebelumnya hanya yang dapat diungkapkan secara komputasi yang dapat disimulasikan.
AI generatif secara signifikan mengubah situasi ini.
AI generatif tidak hanya dapat dengan mudah mengembangkan program sistem simulasi, tetapi dengan menggabungkan AI generatif ke dalam sistem simulasi, elemen-elemen yang tidak dapat diungkapkan secara matematis juga dapat disimulasikan. Ini memungkinkan elemen simulasi kualitatif yang ambigu dan simulasi yang melibatkan agen cerdas mirip manusia.
Lebih lanjut, model simulasi ini dapat diungkapkan tidak hanya secara matematis tetapi juga dalam bahasa alami dan diinterpretasikan oleh AI generatif.
Ini akan memudahkan untuk mengubah berbagai simulasi yang telah kita lakukan dalam banyak situasi menjadi sistem simulasi.
Akibatnya, kita akan dapat memperoleh hasil simulasi yang lebih akurat, efisien, dan efektif, dengan kemungkinan berkurangnya rincian yang terlewatkan atau masuknya bias.
Selain itu, saat mempertimbangkan atau mendiskusikan masalah kompleks, kita akan dapat menggunakan sistem simulasi untuk pertimbangan dan diskusi, alih-alih mengandalkan simulasi mental individu.
Ini meningkatkan ketepatan pertimbangan dan membuat diskusi lebih konstruktif. 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 metrik mana di antara hasilnya yang diprioritaskan.
Seiring sistem simulasi menjadi mudah dibuat, cara berpikir kita akan beralih dari pemikiran linier—yang berfokus pada intuisi, asumsi, dan niat buruk atau kesalahan orang lain—ke Pemikiran Simulasi.
Ini seperti mencari di internet melalui ponsel pintar selama diskusi untuk memverifikasi sumber berita, Wikipedia, atau sumber informasi primer. Tidak akan ada lagi kebutuhan untuk argumen tanpa akhir yang hanya mengandalkan ingatan masing-masing.
Selama diskusi, AI generatif akan mengatur model simulasi, aturan simulasi, dan prasyarat dari konten diskusi.
Peserta diskusi hanya perlu menambahkan atau mengoreksi informasi dan premis dalam model dan aturan tersebut, lalu memeriksa hasil simulasi. Sama seperti saat menemukan sumber berita yang kredibel, hasil simulasi ini dapat menjadi dasar bersama untuk memperdalam diskusi.
Ini berarti bahwa orang-orang yang mendengarkan diskusi tidak akan lagi hidup di era di mana mereka perlu merenungkan siapa yang benar atau siapa yang dapat dipercaya. Mereka juga tidak akan kehilangan esensi dengan mencoba memahami istilah teknis dan konsep-konsep yang rumit yang muncul dalam diskusi.
Mereka hanya perlu mempertimbangkan hal-hal yang sangat sederhana: bagaimana mengevaluasi ketidakpastian dan nilai-nilai mana yang harus diprioritaskan.