Seorang pengembang perangkat lunak menyisipkan satu baris perintah di berkas CLAUDE.md yang berbunyi agar model AI kedua meninjau setiap perubahan setelah sesi pengodean selesai. Instruksi singkat tanpa tanda baca itu sempat terlupakan, hingga ia menyadari dampaknya merombak kebiasaan kerjanya dalam beberapa bulan terakhir.
Ekspektasi awalnya sederhana: AI peninjau akan menangkap bug pada kode. Kenyataannya, model tersebut jarang mendeteksi kesalahan logika mendalam. Yang terjadi justru sebuah paksaan untuk memilah tiap umpan balik ke dalam keputusan triage, dan kesalahan pemilahan itulah sumber kelelahan sesungguhnya.
Ide menambahkan peninjau kedua bermula dari eksperimen setengah hati saat agen pengodean berbasis AI seperti Claude dan Codex mulai digunakan luas. Ia ingin jaring pengaman tambahan, bukan karena tidak percaya pada hasil kerja agen pertamanya, melainkan untuk melihat apakah perspektif model berbeda bisa memperbaiki kualitas.
Pekan pertama penerapan berjalan buruk. Setiap komentar dari AI kedua dibaca lalu langsung dijalankan tanpa reservasi. Tak sampai tujuh hari, ia mulai mengubah kode yang sebenarnya tidak ia setujui hanya karena mesin menyarankannya, sekaligus menghabiskan waktu berdebat dengan komentar yang keliru atau di luar cakupan perubahan.
Dari kekacauan itu lahir protokol tiga keranjang yang kini dipakai sebelum menyentuh baris kode. Keranjang pertama berisi perbaikan langsung tanpa diskusi: komentar jelas, berisiko rendah, dan tidak menyentuh arsitektur penting. Keranjang kedua membutuhkan tanya dahulu karena ambiguitas atau implikasi refaktor besar. Keranjang ketiga adalah abaikan diam-diam untuk duplikasi atau ketidaksesuaian.
Sebelum protokol tertulis, kegagalan utamanya adalah mencampuradukkan keranjang kedua ke pertama. Sikap ambigu ya tebak saja lalu kerjakan inilah yang memicu kelelahan, bukan volume komentar. Tim manusia maupun AI sanggup menangani banyak perbaikan kecil tanpa lelah, namun ulasan berulang akibat tebakan salah pada niat reviewerlah yang menguras energi.
Contoh keranjang pertama muncul pada pull request nodejs/undici nomor 5446. Peninjau menunjukkan bahwa bagian yang ditambahkan ke Dispatcher.md menduplikasi konten milik berkas Interceptors.md yang juga dibuat dalam PR sama. Penanganannya mekanis: menghapus sekitar 285 baris duplikat, menggantinya dengan penunjuk tiga baris, lalu memperbaiki tautan rusak. Tak ada tanya jawab.
Keranjang kedua tampak pada vercel/eve PR #454. Berkas CONTRIBUTING.md mewajibkan tanda tangan commit terverifikasi pada cabang terlindungi, tetapi lingkungan yang dipakai tidak memiliki kunci penandatanganan. Ia bisa saja memanipulasi verifikasi secara lokal, namun keputusan mem-bypass persyaratan keamanan tidak boleh diambil sepihak oleh agen. Ia memakai tanda tangan DCO, menandai masalah tersebut terbuka untuk putusan manusia sebelum penggabungan.
Keranjang ketiga terjadi tiap hari dan paling membosankan untuk diceritakan, padahal itulah intinya. Komentar yang sekadar mengulang perbaikan yang sudah ada di diff, atau saran berdasarkan versi berkas lama, tidak mendapat balasan apa pun. Diam adalah respons tepat karena setiap balasan memakan perhatian kedua belah pihak.
Tinjauan AI kedua sebenarnya cukup baik menangkap deriva, inkonsistensi, dan pekerjaan setengah jadi. Kemampuannya jauh di bawah suita tes yang memadai untuk bug kebenaran mendalam. Namun disiplin triage menangkap hal yang luput dari tinjauan: putaran salah di mana dua model saling menyetujui kesalahan karena agen pertama tunduk buta pada saran agen kedua.
Bagi tim pengembang di Indonesia, praktik ini relevan saat adopsi asisten coding AI seperti GitHub Copilot dan ChatGPT melonjak. Banyak startup lokal belum memiliki pedoman triage, sehingga suggestion mesin kerap diotomatisasi tanpa filter. Risiko terbesarnya adalah jalur kritis yang lebih panjang dengan kesalahan yang dibungkus kesan rigor palsu.
Penulis aslinya menyadari aturan triage tidak tertulis di CLAUDE.md, hanya catatan singkat bahwa tinjauan terjadi. Ia pun merekamnya agar tidak hilang. Siapa pun yang hendak memasang langkah serupa harus menyiapkan biaya kognitif per komentar; nilai sesungguhnya terletak pada penghentian kebiasaan auto-accept, bukan pada banyaknya saran minor yang dihasilkan.