Saya membuat software dengan AI,bukan sekadar lebih cepat, tetapi berbeda
Saya punya pengalaman 10 tahun sebagai developer full-stack independen, dan saya 100% belajar secara otodidak. Setahun terakhir, saya beralih sepenuhnya dari pengembangan software tradisional ke AI-Native Development. Saya tidak lagi mengukur pekerjaan dari seberapa banyak kode yang saya tulis sendiri. Fokus saya ada pada arsitektur sistem, desain Agent dan Skill, pemecahan tugas, Context Engineering, standar pengembangan, dan mekanisme verifikasi, supaya AI terus menyelesaikan tugas rekayasa software yang kompleks.
100% kode ditulis AI, produk komersial yang dijalankan satu orang
Dengan metode ini saya mengembangkan dan menjalankan produk saya sendiri: LaiCai Screen Mirroring (LaiCai), platform lintas Windows dan macOS untuk mirroring layar, kontrol, dan otomasi AI pada ponsel Android. Mirroring dan kontrol multi-perangkat, pemetaan keyboard, mouse, dan gamepad, Macro, otomasi visual LaiCai Flow, AI Planner, MCP, Android Agent, pengenalan layar, kontrol komputer jarak jauh, serta otorisasi akun, pembayaran, backend, panel admin, situs web, dan sistem konten SEO, semuanya ada di dalamnya.
Banyaknya fitur bukan hal yang paling istimewa. Yang istimewa adalah ini: frontend, backend, klien desktop, panel admin, situs web, pembayaran dan keanggotaan, sistem otomasi, seluruh kode 100% dikerjakan oleh AI, dan saya sendiri tidak menulis kode konkret. Saya yang menentukan apa yang dibuat, mengapa dibuat, bagaimana sistem dirancang, bagaimana tugas dipecah, bagaimana Agent bekerja, aturan apa yang harus dipatuhi AI, dan apakah hasilnya benar.
Kode hanyalah sebagian. Dokumentasi, pengujian, deployment, SEO, pemasaran, pembuatan gambar dan video, serta operasional harian, AI juga terlibat mendalam, dan sekitar 95%+ pekerjaan eksekusi di seluruh perusahaan dikerjakan oleh AI.
Sebelum itu: 10 tahun developer full-stack independen, 100% otodidak
Dulu saya pebisnis: lebih dari 10 tahun berdagang sebelum beralih ke software. Saya tidak pernah belajar pemrograman dari guru mana pun; semua pengetahuan saya datang dari pencarian Google dan kuliah terbuka universitas. Hampir sepuluh tahun saya belajar bahasa Inggris sekaligus ilmu komputer. Sejak itu saya mengerjakan sendiri aplikasi, backend, situs web, dan software desktop, bertanggung jawab atas semuanya dari arsitektur sampai rilis.
Proyek representatif:
- LaiCai Screen Mirroring — platform mirroring layar, kontrol, dan otomasi AI untuk ponsel Android, proyek saya dengan cakupan teknis paling luas.
- Ashera Pet — aplikasi bernuansa sosial, seluruh pengembangannya saya kerjakan sendiri, sudah rilis di App Store dan Google Play.
- VocaSeek — alat belajar bahasa berbasis AI yang mendukung 21 bahasa.
- Sistem POS untuk jaringan toko — multi-cabang, anggota, inventaris, penggajian, berjalan di iPhone, iPad, dan macOS.
- Aplikasi kosakata dan belajar bahasa Thai — dua aplikasi iOS yang dirilis secara mandiri, dengan pemasukan kecil yang stabil setiap bulan.
Peran saya berubah, tetapi saya tidak meninggalkan rekayasa software
Saya berubah dari Developer menjadi Architect, AI Agent Designer, dan Product Builder. Dulu saya bertanya “bagaimana saya mengimplementasikan fitur ini?”; sekarang saya bertanya: bagaimana merancang sistem agar AI bisa mengimplementasikannya dengan benar?
AI sudah bisa menulis kode. Yang sulit adalah membuatnya menyelesaikan produk yang makin kompleks secara berkelanjutan, stabil, dan terkendali. Inilah yang kini terutama saya teliti dan praktikkan:
Arsitektur sistem
Saya menentukan bagaimana sistem dipecah, bagaimana modul berkomunikasi, apa yang diserahkan ke klien, ke server, dan ke Agent. AI yang mengimplementasikan, tetapi arsitektur yang menentukan apa yang akhirnya dibangun AI.
Desain Agent
Tidak cukup melempar kebutuhan ke AI lalu selesai. Saya merancang tanggung jawab dan konteks tersendiri untuk perencanaan, pengkodean, review, debugging, dan riset, sehingga AI berubah dari asisten obrolan menjadi sebuah sistem rekayasa software.
Desain Skill
Arsitektur, standar pengkodean, standar UI, metode debugging, alur rilis, dan metode SEO saya endapkan menjadi Skills. AI tidak perlu memahami ulang seluruh proyek setiap kali, karena ia sudah memiliki pengetahuan proyek dan alur kerja yang bisa diulang.
Ini bukan Vibe Coding
Saya tidak membiarkan AI menghasilkan kode secara acak lalu mencoba berulang kali sampai kebetulan berjalan. Yang saya pedulikan adalah membangun sistem rekayasa yang bisa dirawat AI dalam jangka panjang: arsitektur, konteks, kolaborasi Agent, Skills, aturan, dokumentasi, pemecahan tugas, code review, pengujian, debugging, dan alur rilis.
Tujuannya bukan membuat AI menulis lebih banyak kode, melainkan membuat AI mampu menyelesaikan proyek rekayasa yang makin besar.
Ini sudah menjadi bisnis nyata
Yang paling mudah dihasilkan AI Coding adalah Demo; yang sulit adalah membangun produknya, menjalankannya dalam jangka panjang, dipakai pengguna nyata, dan membuat mereka mau membayar. LaiCai Screen Mirroring sudah dirilis resmi, punya pengguna nyata dan pelanggan berbayar, bahkan sebagian memilih paket tahunan. Produknya terus berkembang dan tumbuh stabil. Ini bukan karya Hackathon, dan bukan proyek pajangan untuk membuktikan bahwa “AI bisa menulis kode”.
Produk ini sekaligus menguji pertanyaan yang terus saya telusuri: di era AI, sebesar apa perusahaan software yang bisa dijalankan satu orang? Pekerjaan yang dulu membutuhkan pengembangan, frontend dan backend, desain, QA, DevOps, dokumentasi, SEO, pemasaran, video, dan layanan pelanggan, kini saya susun ulang: saya memegang arah, penilaian, arsitektur, dan produk, sementara AI mengerjakan sebagian besar eksekusinya.
Apa yang bisa saya bantu
Saya kurang cocok untuk posisi “menulis kode sesuai kebutuhan”; saya lebih cocok untuk hal-hal berikut:
- Pengembangan software AI-Native: mendesain ulang alur pengembangan agar AI benar-benar masuk ke sistem rekayasa, bukan sekadar Copilot.
- Arsitektur Agent: merancang Agent Coding, Research, Review, Debug, Automation, dan lainnya beserta cara mereka berkolaborasi.
- Skills dan Context Engineering: mengubah pengalaman dan standar tim menjadi sistem pengetahuan yang bisa dijalankan AI secara stabil.
- Arsitektur produk: mulai dari kebutuhan, merancang struktur menyeluruh untuk klien, frontend, backend, AI, otomasi, dan infrastruktur.
Saya punya latar belakang pengembangan software tradisional, sedang mempraktikkan AI-Native Development pada produk komersial nyata, dan tahu cara mengubahnya menjadi produk yang punya pengguna dan pendapatan. Ketika AI bisa mengerjakan 100% implementasi kode, ke mana insinyur manusia sebaiknya menghabiskan waktunya? Itulah pertanyaan yang ingin saya bahas bersama Anda.
Jika Anda mencari orang seperti ini
Saya terutama tertarik pada peluang berikut:
Jika yang Anda cari hanyalah Developer dalam arti tradisional, mungkin saya bukan orang yang paling tepat. Namun jika Anda sedang memikirkan bagaimana membuat AI benar-benar masuk ke rekayasa software, bagaimana merancang Agent dan Skills, atau bagaimana satu orang bisa mengerjakan apa yang dulu membutuhkan satu tim, maka kita perlu berbincang.