Ekosistem Microsoft memasuki 2026 dengan fenomena meluasnya agen coding berbasis kecerdasan buatan yang mampu menyusun alur kerja tanpa satu baris pun kode C# ditulis manual. Fenomena ini tidak menyurutkan permintaan terhadap tenaga pengembang, melainkan mengubah kompetensi inti yang dibayar mahal oleh perusahaan.
Brad DeLong, dalam esainya yang menganalisis evolusi alat perangkat lunak, menegaskan bahwa agen AI tersebut sesungguhnya merupakan kelanjutan dari tren panjang yang menekan tahap eksekusi, bukan menghilangkan peran insinyur. Penelitiannya menunjukkan bahwa alat bantu yang makin produktif justru melipatgandakan jumlah orang yang mengerjakan perangkat lunak selama sembilan dekade terakhir.
Sejarah industri mencatat prediksi yang berulang kali meleset. FORTRAN diklaim akan membebaskan ilmuwan menulis kode sendiri, COBOL menjanjikan manajer bisa membaca program, dan SQL seolah membuat pengguna bisnis tak perlu lagi mendatangkan developer. Semua ramalan itu masuk akal, namun arah kesalahannya sama: kebutuhan akan pembangun ahli justru meroket.
DeLong menyertakan angka konkret. Pada 1935, terdapat sekitar 2.000 pekerja yang menyambungkan mesin kalkulator-tabulator. Angka itu tumbuh menjadi 80.000 pembuat kode pada 1965, melompat ke 500.000 programmer di 1995, dan mencapai lebih dari 2,25 juta pengembang perangkat lunak plus 250.000 programmer pada 2025. Dalam tiga puluh tahun terakhir saja, jumlahnya naik sekitar lima kali lipat.
Pola ini mencerminkan paradoks Jevons: ketika sebuah input produktif menjadi murah, konsumsinya tidak otomatis turun, sering malah meledak karena penggunaan yang dulunya terlalu mahal kini menjadi wajar. Perangkat lunak pun merambah ke area yang pada 1995 tak akan didanai sebagai proyek kustom.
Di Indonesia, gelombang agen coding Microsoft mulai terasa di sektor perbankan dan layanan publik yang mengadopsi Power Platform serta Copilot Studio untuk mempercepat pembuatan chatbot internal. Kemudahan membangun dalam hitungan sore membuat banyak departemen mandiri meluncurkan agen tanpa melibatkan tim teknis pusat.
Dampaknya jelas: jumlah agen membengkak, namun tanggung jawab atas keputusan dan verifikasi tak ikut terotomatisasi. Pengembang lokal yang selama ini berlomba mempercepat penulisan kode harus bergeser menjadi penjaga kualitas, arsitek tata kelola, dan pihak yang siap menerima panggilan insiden saat agen memberikan jawaban keliru kepada nasabah.
Sementara itu, kondisi di tanah air berbeda dengan narrasi umum bahwa AI akan mengganti programmer. Talenta teknologi justru menghadapi permintaan baru untuk menguasai batas kepatuhan data dan audit algoritma, seiring regulasi perlindungan konsumen yang makin ketat dari Kominfo dan OJK.
DeLong membagi pekerjaan perangkat lunak ke dalam tiga fase: menentukan (decide), mengeksekusi (execute), dan mengirimkan (deliver). Agen AI sangat kuat di tengah, yaitu eksekusi, namun ujung pengambilan keputusan serta verifikasi tetap di tangan manusia karena alat tersebut tidak memiliki kepentingan atau akuntabilitas.
Saran praktis dari analisis tersebut berbunyi: sebelum meluncurkan satu agen, tuliskan siapa yang memutuskan fungsinya, siapa yang memverifikasi keluarannya, dan nama pihak yang menerima pager ketika sistem salah di produksi. Jika ketiga kolom kosong, agen itu belum layak rilis, betapapun canggih modelnya.
Ke depan, perusahaan pada ekosistem Microsoft diproyeksikan akan menciptakan peran baru semacam pemilik agen yang bertugas mengawal tata kelola dan akuntabilitas, sementara low-code makin menggeser beban teknis ke arah orkestrasi bisnis. Investasi di pelatihan verifikasi otomatisasi akan menjadi krusial.
Bagi Indonesia, tren ini menuntut perombakan kurikulum pelatihan TI serta penguatan kerangka tata kelola AI enterprise. Tanpa itu, ledakan agen coding hanya akan memproduksi risiko operasional yang dibayar mahal oleh institusi yang gagal menetapkan garis pertanggungjawaban.