Berawal dari satu postingan Instagram tentang “Krisis 2030”. Berakhir di roadmap 12 bulan dari junior ke senior.
AI belum memecat orang secara massal.
AI menutup pintu masuk bagi yang muda.
Tiga sumber independen, tiga benua, satu pola. Ini satu-satunya temuan yang tidak goyah sepanjang percakapan.
Developer 22–25 turun dari puncak 2022. Yang di atas 26 justru tumbuh.
Penurunan penyerapan usia 22–25 di sektor terpapar AI.
TPT usia 15–24 Indonesia. Rata-rata nasional cuma 4,68%.
AI menyerap boilerplate, testing rutin, debugging tergaris — pekerjaan yang jadi bahan latihan junior. Tangganya hilang, gedungnya tidak. Kalau AI benar-benar mengganti developer, kedua kelompok umur harusnya turun. Nyatanya berlawanan arah.
Dicatat terbuka. Kalau riset berubah arah, itu harus terlihat.
Peran di mana salahnya mahal dan ketahuan lama.
Peran di mana output-nya bisa diverifikasi cepat.
Gallup, 23.000+ pekerja: pengguna AI aktif risiko PHK 6%, non-pengguna 18% — tiga kali lipat, bertahan setelah usia, pendidikan, dan sektor diperhitungkan.
Arsitek yang tidak pakai AI lebih rentan daripada developer yang pakai.
Amerika Serikat
Pengangguran tech 5,8% — tertinggi sejak dot-com bust 2001–2002. Waktu median dapat kerja naik dari 3,2 ke 4,7 bulan.
Jepang 日本
METI: kekurangan 164.000–787.000 talenta IT pada 2030. Butuh modernisasi legacy — persis pekerjaan software house.
12 bulan, 4 fase. Alokasi: 30% teknis, 70% judgment + domain — mengikuti temuan bahwa syntax jadi gratis sementara judgment naik nilainya.
Jangan berhenti pakai agent.
Kembali ke “coding tradisional” memindahkanmu dari kelompok 6% ke kelompok 18% demi latihan yang tidak dibayar siapa pun. Yang perlu berubah bukan apakah kamu pakai agent — tapi posisimu terhadap agent.
Berhenti bertanya “apa yang harus saya pelajari.”
Mulai bertanya “keputusan apa yang saya ambil minggu ini,
dan bagaimana saya tahu itu benar?”
Junior mengumpulkan skill. Senior mengumpulkan keputusan yang sudah teruji waktu. Senior tidak bisa di-shortcut — bukan karena ilmunya rahasia, tapi karena butuh waktu untuk melihat apakah keputusanmu benar. Yang bisa dipercepat: jumlah keputusan yang kamu ambil, dan seberapa cepat kamu tahu hasilnya. Itu sebabnya on-call dan postmortem lebih berharga daripada 10 tutorial — keduanya memampatkan waktu.
“kerja di software house implementasi berbagai macam proyek nggak spesifik niche”
— kamu, pertanyaan ke-5
Itu bukan kebingungan. Itu diagnosis paling tajam di seluruh percakapan. Software house by design membuat orangnya generalis — dan generalis persis yang tergerus. Kasus IBM: 5.800–7.800 dipangkas, paling terdampak divisi konsultasi.
10 proyek di 10 industri = 10 pengalaman dangkal. Nilai tambah nol setelah proyek selesai.
3 proyek satu domain = pengetahuan menumpuk. Proyek ke-4 lebih cepat, lebih akurat, lebih mahal.
Model pricing
Kalau AI bikin developer 40–55% lebih produktif dan kamu tagih per jam, kamu menagih pengurangan biaya AI ke dirimu sendiri.
Pipeline junior
Margin software house = junior ditagih di atas biaya. Kalau kerja junior hilang, margin itu hilang. Latih verifier, bukan produsen kode.
Delapan pertanyaan pertama mencari satu hal: kepastian bahwa keputusan ini aman. Setiap kali datanya masuk, muncul sudut baru. Itu bukan kekurangan data — 40+ sumber sudah dicek. Itu pertanyaan yang tidak bisa dijawab data.
Lalu di pertanyaan ke-9 dan ke-10, arahnya berubah: dari “apa yang aman” ke “bagaimana saya jadi lebih baik.” Itu pertanyaan yang punya jawaban.
Tetap di Hexavara,
atau cari jalan keluar?
Semua pertanyaan framework cuma relevan di satu dari dua skenario itu. Kamu sudah punya lebih dari cukup untuk memilih bahasa. Yang belum kamu punya adalah keputusan tentang arah.
Tapi roadmap di atas berlaku di kedua skenario.
Jadi itu bisa mulai Senin, tanpa menunggu jawabannya.