AI Coding Agent: Kecepatan Bukan Lagi Masalah, Kontrolnya yang Krusial
AI coding agent adalah sistem kecerdasan buatan yang mampu merancang arsitektur, menulis, dan memodifikasi kode aplikasi secara otomatis, sehingga pengembangan aplikasi internal yang sebelumnya memakan waktu berminggu-minggu dapat dipangkas menjadi hitungan jam tanpa menghilangkan peran pengawasan manusia dalam penentuan kebutuhan bisnis, persetujuan perubahan, dan pengaturan akses data sensitif. Pengembangan aplikasi internal sederhana yang secara konvensional memakan waktu berminggu-minggu kini bisa selesai dalam hitungan jam dengan bantuan artificial intelligence. Di atas kertas, ini terdengar seperti kemenangan telak bagi produktivitas. Namun di dunia nyata, kecepatan tanpa tata kelola TI mengundang risiko: aplikasi muncul tanpa sepengetahuan tim TI, data perusahaan disalin ke alat AI eksternal, dan proses berjalan tanpa catatan yang bisa diaudit. Pertanyaannya bukan lagi apakah perusahaan perlu AI coding agent, melainkan apakah mereka siap mengendalikan konsekuensi dari pengembangan aplikasi cepat.
Mekari Officeless: Mengikat Kecepatan AI dengan Tata Kelola TI
Jika AI coding agent adalah mesin gas, maka platform seperti Mekari Officeless adalah rem tangan dan sabuk pengaman. Lima kemampuan berbasis AI—Officeless Composer, Officeless Custom UI, Smart Copilot, MCP Officeless, dan Officeless SDK—dirancang bukan sekadar untuk pengembangan aplikasi cepat, tetapi untuk memastikan keamanan data aplikasi, tata kelola TI, dan kepatuhan tetap tertanam di setiap langkah. Smart Copilot menampilkan rencana perubahan langkah demi langkah dan tidak mengeksekusi apa pun tanpa persetujuan pengguna, sementara setiap tindakan tercatat. Officeless SDK memastikan aplikasi yang dibangun di luar platform, termasuk tampilan buatan AI eksternal, tetap melewati autentikasi, validasi, dan pengaturan hak akses yang sama. Di sini terlihat sikap yang tegas: tim bisnis boleh bergerak secepat AI coding agent, tetapi akses, persetujuan, dan aktivitas sistem tetap dipegang oleh tim TI.
Kasus JNE dan Data: Bukti Nyata Bahwa Kecepatan Bisa Tetap Patuh
Perdebatan soal AI enterprise governance sering terasa abstrak sampai menyentuh proses yang menyakitkan di lapangan. Contohnya, pembuatan invoice B2B di JNE yang melibatkan jutaan Airway Bill per invoice setelah persetujuan pelanggan. Sebelum beralih ke Mekari Officeless, proses ini memakan waktu 7 sampai 10 hari; setelahnya, waktu tersebut turun menjadi 3 sampai 5 hari—sekitar dua kali lebih cepat. Ini bukan sekadar efisiensi, tetapi pergeseran cara kerja: tim bisnis tidak perlu menunggu antrean TI untuk aplikasi internal, karena rencana sudah disepakati bersama TI dan kepatuhan sebelum dibangun lewat Officeless Composer. Di sisi lain, seluruh aplikasi buatan AI terhubung ke satu platform sehingga aktivitasnya bisa dilihat dan diaudit. Dalam konteks kewajiban perlindungan data pribadi, pendekatan seperti ini menunjukkan bahwa pengembangan aplikasi cepat tidak harus mengorbankan keamanan data aplikasi.
OutSystems Agent Experience: Mengendalikan Agen AI di Tingkat Arsitektur
Di luar ekosistem lokal, OutSystems mengambil posisi yang mirip: percepatan iya, tapi dengan kontrol arsitektur yang ketat. Agent Experience membuka platform OutSystems agar terhubung ke berbagai perangkat pengodean AI populer seperti OutSystems Mentor, Claude Code, Cursor, Codex, dan Kiro. Bedanya, agen AI eksternal diizinkan merancang arsitektur sistem, sementara platform OutSystems yang memproses dan menghasilkan kode secara pasti untuk menekan risiko dan mempercepat peluncuran aplikasi. Ini menanggapi fakta pahit bahwa sekitar 74% kode yang dihasilkan AI memerlukan banyak perbaikan atau bahkan tidak pernah diterapkan di produksi. Dengan standar keamanan, tata kelola TI, pengujian otomatis, dan dukungan berbagai infrastruktur cloud maupun on-premise, perusahaan—termasuk yang berada di sektor dengan regulasi ketat—dapat memanfaatkan AI coding agent tanpa mengorbankan konsistensi arsitektur dan menghindari utang teknis.
Menuju Tata Kelola AI yang Dewasa: Mulai dari Satu Proses Paling Menyakitkan
Di balik semua inovasi ini, pesan kebijakan tetap sama: teknologi AI sudah cukup matang, yang tertinggal adalah tata kelola. Sandy Kunvatanagarn menegaskan bahwa tantangan terbesar adopsi AI di tingkat enterprise bukan lagi ketersediaan teknologi, melainkan penyelarasan dengan governance, keamanan data, dan kepatuhan organisasi. Survei menunjukkan rata-rata perusahaan mengelola 957 aplikasi, tetapi hanya 27% yang saling terhubung—sementara 24% organisasi menganggap penggunaan alat AI eksternal oleh karyawan sebagai faktor risiko umum. Dalam situasi seperti ini, saran yang masuk akal adalah memulai dari satu proses paling memakan waktu, menetapkan aturan akses dan persetujuan yang jelas sejak hari pertama, lalu memperluas bersama tim bisnis dan TI. Ke depan, pengembangan aplikasi cepat lewat AI coding agent akan menjadi standar; yang membedakan perusahaan matang dan ceroboh adalah seberapa serius mereka membangun AI enterprise governance sebelum kecepatan itu menimbulkan masalah.
