Sebagian besar pengembang perangkat lunak, tech lead, dan insinyur DevOps memulai karier mereka sebagai pembangun.

Mereka membangun sistem, aplikasi, komponen, tema, pola, modul, dan pipeline. Mereka mengoptimalkan tata letak, menambal kasus tepi, menjaga kompatibilitas, dan mendorong sistem maju satu commit demi satu commit. Pekerjaannya presisi, praktis, dan sangat teknis.

Namun pada satu titik, ada sesuatu yang bergeser.

Praktisi terbaik tidak berhenti membangun, tetapi mereka mulai berpikir dalam kerangka sistem.

Dari Pembangun menjadi Pemikir Sistem

Pergeseran: Dari Hasil ke Aturan

Sebagai pembangun, fokusnya adalah hasil: komponen, templat, halaman, fitur, pustaka, aplikasi.

Sebagai pemikir sistem, fokusnya beralih ke aturan: batasan, interaksi, umpan balik berulang.

Alih-alih bertanya "Seperti apa tampilan komponen ini?", pemikir sistem mengajukan pertanyaan yang berbeda: Aturan apa yang mengatur komponen ini? Apa saja yang boleh berinteraksi dengannya? Bagaimana ia bersikap ketika terjadi perubahan? Bagaimana maksud awal bisa bertahan seiring waktu?

Pergeseran ini secara alami mengarah ke sistem agentik.

Ketika Desain Tak Lagi Statis

Sistem desain modern sudah menyandikan logika: token menetapkan batasan, komponen menentukan struktur, pola menentukan perilaku.

Namun sebagian besar sistem masih bergantung pada orkestrasi manual yang berat dari manusia.

Agen AI memperkenalkan model yang berbeda, yaitu model di mana sistem dapat menegakkan aturannya sendiri, memvalidasi keputusan secara terus-menerus, bereaksi terhadap konteks, dan berkoordinasi secara internal.

Di sinilah desain berevolusi dari dokumentasi menjadi logika yang dapat dieksekusi.

Ke Mana Arahnya

Fokus kami sekarang adalah menerapkan gagasan-gagasan ini dalam sistem nyata yang berjalan, bukan sebagai eksperimen, melainkan sebagai fondasi.

1. Integrasi Agen AI yang Lebih Dalam dengan Alat Desain (Figma)

Menuju Sistem Desain Agentik

Alat desain tidak seharusnya menjadi kanvas yang pasif.

Tujuannya adalah mengintegrasikan agen AI dengan Figma yang memahami token desain dan batasan komponen, memvalidasi keputusan secara waktu nyata, menerjemahkan maksud desain menjadi aturan tingkat sistem, dan bertindak sebagai kolaborator, bukan sekadar pengekspor.

Ini menggeser desain ke hulu, tempat maksud dijaga utuh, bukan ditebak belakangan.

2. Manajemen Agen AI yang Dapat Diskalakan

Target: 150 Agen, Satu untuk Setiap Komponen

Alih-alih satu AI serbaguna, tim kini bergerak menuju banyak agen yang terspesialisasi.

Setiap komponen mendapat agennya sendiri dengan tanggung jawab yang jelas, batasan yang tegas, dan kesadaran akan komponen-komponen terkait.

Ini mencerminkan cara sistem yang sehat bertumbuh: lewat spesialisasi, koordinasi, dan kontrak yang jelas.

3. Agen dengan Keterampilan, Alat, dan Plugin yang Nyata

Agen harus mampu bertindak.

Artinya membekali mereka dengan keterampilan (penalaran aksesibilitas, validasi desain, kesadaran performa), alat (linter, test runner, API desain), dan plugin (Storybook, Drupal, pipeline CI, integrasi Figma).

Agen tanpa alat hanyalah teori. Agen dengan alat menjadi bagian dari sistem itu sendiri.

4. Pengujian Penerimaan Fungsional Otomatis yang Lebih Cerdas

Digerakkan AI dan Peka terhadap Maksud

Pengujian tradisional memeriksa hasil. Pengujian yang digerakkan agen memahami perilaku.

Fokusnya adalah agen AI yang bernalar tentang alur perjalanan pengguna, uji fungsional yang memahami maksud, bukan hanya selektor, sistem yang mengembangkan uji bersama komponen, serta mengurangi uji yang rapuh sambil meningkatkan keyakinan semantik.

Pengujian menjadi satu lapisan lagi dari kecerdasan sistem.

TDD & BDD di Era AI: Mengapa Agen AI Menuntut Pengembangan yang 100% Lebih Mengutamakan Uji

Mengapa Ini Penting

Tim-tim kini membangun sistem yang bertahan lebih lama dari penciptanya, beradaptasi terus-menerus, dan membawa keputusan desain jangka panjang ke masa depan.

Di dunia seperti ini, kendali manual tidak lagi bisa diskalakan. Tetapi aturan yang terdefinisi dengan baik bisa.

Desainer, pengembang, dan agen AI harus beroperasi dalam kerangka logika yang sama, satu sistem bersama berisi batasan dan maksud.

Peralihan dari pembangun menjadi pemikir sistem bukan berarti meninggalkan implementasi. Ini tentang melihat sistem sebagai lebih dari sekadar kumpulan bagian.

Langkah berikutnya adalah merancang aturan yang memungkinkan sistem bernalar, beradaptasi, dan berevolusi.

Pengembang perangkat lunak, tech lead, dan insinyur DevOps yang melakukan pergeseran ini tidak sekadar membangun, mereka membangun kondisi agar sistem dapat membangun dirinya sendiri.