Seorang insinyur DevOps asal India, Chavithina Charan Teja, menyelesaikan pekan kedua program magang mikro bertajuk Agentic AI dan DevOps dengan mencatat perubahan drastis dalam cara kerjanya. Melalui program yang dipandu oleh Pravin Mishra dan Anajana tersebut, ia tidak sekadar mempelajari alat kecerdasan buatan (AI) baru, melainkan mengalami langsung bagaimana AI bisa berperan sebagai rekan teknik yang aktif. Pekan tersebut menuntutnya keluar dari zona nyaman profesi Site Reliability Engineering (SRE) yang selama ini ia tekuni.
Pengalaman tersebut menjadi catatan reflektif yang penting karena menunjukkan betapa cepatnya lanskap rekayasa perangkat lunak berubah. Chavithina mengaku awalnya mengira materi pekan kedua hanya akan berisi tutorial penggunaan satu tools AI lainnya. Kenyataannya, ia harus berhadapan dengan konfigurasi Claude Code, arsitektur Subagents, hingga sistem Memory yang membuat AI memahami konteks proyek secara berkelanjutan.
Latar belakang mengapa program ini dirancang cukup menarik. Dunia DevOps selama satu dekade terakhir didominasi oleh otomatisasi berbasis skrip dan pipa integrasi berkelanjutan (CI/CD) konvensional. Kehadiran model bahasa besar (LLM) seperti Claude memaksa para praktisi untuk membayangkan ulang alur kerja. Dalam magang mikro ini, peserta diajak memahami konsep Skills dan Subagents yang memecah tugas kompleks menjadi agen spesialis, mirip dengan prinsip mikrolayanan (microservices) namun diterapkan pada alur kerja AI.
Tantangan teknis menjadi bagian tak terpisahkan dari proses belajar tersebut. Chavithina menghabiskan waktu berjam-jam hanya untuk mengatasi kendala instalasi, autentikasi, dan berbagai kesalahan konfigurasi awal pada Claude Code. Ia menekankan bahwa rintangan tersebut bukan sekadar hambatan, melainkan pelajaran berharga tentang pentingnya ketekunan dan praktik langsung ketika menghadapi teknologi baru.
Selain itu, pemahaman mengenai Hooks dan Permissions turut mengisi kurikulum pekan kedua. Hooks memungkinkan otomatisasi terpicu secara cerdas pada tahapan tertentu dalam alur kerja. Sementara itu, Permissions mengajarkan peserta untuk tetap menjaga keamanan serta kendali saat memberikan wewenang eksekusi kepada agen AI. Kombinasi keduanya krusial agar otomatisasi tidak berubah menjadi ancaman bagi stabilitas sistem.
Bagi ekosistem teknologi di Indonesia, pergeseran menuju DevOps agenik (agentic) ini membawa implikasi besar. Banyak perusahaan teknologi lokal, dari startup hingga perbankan digital, masih mengandalkan praktik SRE tradisional. Adopsi alur kerja berbasis AI kontekstual seperti yang dicontohkan Chavithina dapat mempercepat pengiriman perangkat lunak sekaligus mengurangi beban kognitif insinyur lokal yang kerap kewalahan dengan insiden operasional.
Di sisi lain, tantangan infrastruktur dan literasi menjadi variabel penting. Meskipun tools seperti Claude Code sudah dapat diakses secara global, penerapan Memory dan Subagents di lingkungan perusahaan Indonesia memerlukan tata kelola data yang matang. Tanpa protokol keamanan yang ketat, pendelegasian tugas ke AI berisiko memicu kebocoran informasi sensitif, terutama di sektor yang diatur ketat seperti keuangan dan kesehatan.
Perbandingan dengan situasi di Tanah Air juga menunjukkan kesenjangan pada akses pelatihan praktis. Program magang mikro berbasis proyek nyata dengan mentor industri secara langsung, seperti yang dijalani Chavithina, masih jarang ditemui di lembaga pelatihan domestik. Mayoritas kursus AI di Indonesia masih terjebak pada materi teoritis atau sekadar demonstrasi, alih-alih menuntut peserta untuk terjebak dalam proses pemecahan masalah selama berjam-jam.
Chavithina menyoroti fitur Memory sebagai elemen paling mengesankan karena kemampuannya mengingat keputusan proyek sebelumnya tanpa perlu diberi konteks berulang kali. Produktivitas meningkat drastis ketika AI menjadi sadar konteks. Ia juga berkomitmen membangun kebiasaan belajar konsisten dengan meluangkan waktu setiap hari setelah pukul 21.00 untuk mempraktikkan ulang setiap demonstrasi dan tugas yang diberikan.
Perspektif tersebut sejalan dengan perubahan pola pikir yang ia dapatkan selama pekan kedua. Memahami rekayasa berbasis AI, menurutnya, bukan tentang menghafal perintah, melainkan memahami alur kerja, eksperimen berkesinambungan, dan merumuskan pertanyaan yang lebih baik kepada mesin.
Ke depan, tren DevOps diprediksi akan semakin bertumpu pada kolaborasi manusia dan sistem cerdas. Insinyur tidak lagi hanya menulis skrip, tetapi merancang orkestrasi agen AI yang saling berkoordinasi. Perusahaan di Indonesia perlu mulai menyusun ulang deskripsi pekerjaan untuk peran DevOps agar selaras dengan kompetensi agenik ini.
Langkah konkret berikutnya bagi praktisi dalam negeri adalah mengadopsi pendekatan eksperimen harian yang disiplin. Dengan konsistensi lebih berharga daripada motivasi sesekali, para mentee di tanah air dapat mengejar ketertinggalan melalui praktik langsung. Transisi menuju masa depan DevOps yang efisien dan berbasis AI kontekstual tinggal menunggu waktu.