AI Menulis Hampir 60% Kode Airbnb: Apa Dampaknya bagi Engineer dan Manajer?

AI Airbnb tidak berhenti di software

Penggunaan AI di Airbnb juga tampak dalam operasional. Transkrip earnings call Q4 2025 yang dipublikasikan The Motley Fool menyebut agen dukungan AI milik Airbnb telah menyelesaikan sepertiga masalah dukungan di Amerika Utara dan menangani hampir 30% tiket, dengan rencana ekspansi global serta pengembangan ke layanan suara .

Transkrip yang sama menggambarkan ambisi pengalaman yang lebih “AI-native”, yakni aplikasi yang bukan hanya membantu pencarian, tetapi juga membantu tamu merencanakan perjalanan dan membantu perusahaan beroperasi lebih efisien dalam skala besar . Jadi, pola besarnya jelas: AI diposisikan bukan sebagai fitur tempelan, melainkan sebagai bagian dari cara kerja perusahaan.

Apa yang berubah bagi software engineer

Jika AI bisa membuat draf implementasi dalam porsi besar, pekerjaan engineer tidak otomatis hilang. Yang berubah adalah titik beratnya. Engineer makin dituntut menjadi perancang, pengarah, pengulas, dan penanggung jawab sistem.

Dalam praktiknya, kemampuan yang makin penting antara lain:

• Merumuskan masalah dengan tajam. AI lebih berguna ketika engineer bisa menjelaskan tujuan, batasan, perilaku yang diharapkan, dan konteks teknis yang relevan.
• Memberi konteks sistem. Kode yang dihasilkan AI harus cocok dengan codebase yang ada, batas kepemilikan tim, asumsi data, dan kebutuhan produk.
• Meninjau hasil, bukan sekadar menerima. Engineer tetap harus membaca kode, memahami trade-off, dan memutuskan apakah hasilnya aman untuk dirilis.
• Menguji skenario pinggir. Draf yang lebih cepat tidak menghapus kebutuhan atas testing, debugging, dan pemikiran tentang mode kegagalan.
• Menjaga arsitektur. Semakin mudah menghasilkan kode, semakin besar pula risiko menumpuk beban pemeliharaan. Batas modul, dependensi, dan kesederhanaan jangka panjang jadi lebih penting.
• Bertanggung jawab atas produksi. Pada akhirnya, tim manusia tetap memikul akuntabilitas atas reliabilitas, maintainability, dan dampak ke pengguna.

Dengan kata lain, ukuran engineer yang kuat berubah. Kecepatan tetap penting, tetapi volume kode mentah makin lemah sebagai ukuran nilai. Pembeda utamanya adalah penilaian teknis: tahu apa yang perlu diminta ke AI, apa yang harus ditolak, apa yang perlu di-refactor, dan apa yang sebaiknya tidak dibangun sama sekali.

Skill review menjadi makin mahal

AI-assisted coding membuat draf pertama lebih murah dan lebih cepat. Justru karena itu, orang yang bisa membedakan draf berguna dari draf rapuh menjadi makin bernilai.

Engineer yang kuat di lingkungan seperti ini bukan sekadar orang yang menulis prompt lalu menerima jawaban model. Profil yang lebih kuat mirip gabungan editor, perancang sistem, dan operator produksi: mampu mengubah kode hasil AI menjadi software yang dapat dipercaya.

Itu berarti memeriksa apakah implementasi sesuai niat produk, apakah ada asumsi tersembunyi yang rusak, apakah desainnya selaras dengan arsitektur, dan apakah tim lain masih bisa memeliharanya beberapa bulan kemudian.

Di sinilah senioritas teknis bisa menjadi lebih penting, bukan kurang penting. Jika tim bisa menghasilkan kode lebih cepat, kemacetan berikutnya sering bergeser ke pertanyaan: kode mana yang memang layak ada?

Manajer juga tidak bisa terlalu jauh dari dapur teknis

Komentar Chesky soal manajer sama pentingnya dengan angka 60% kode. Airbnb dilaporkan mengharapkan manajer tetap cukup dekat dengan pekerjaan teknis untuk menulis kode atau memakai alat coding AI sendiri . Laporan People Matters tentang peringatan Chesky terhadap “pure people managers” mengarah ke kesimpulan serupa: peran kepemimpinan yang hanya menjadi lapisan koordinasi akan mendapat tekanan ketika AI mengubah workflow .

Ini bukan berarti setiap engineering manager harus menjadi individual contributor terkuat di tim. Tetapi kefasihan teknis makin sulit dihindari.

Dalam tim yang intensif memakai AI, manajer perlu mampu:

• memahami apa yang bisa dan tidak bisa dilakukan alat AI;
• menilai trade-off teknis, bukan hanya mengecek status pekerjaan;
• menantang asumsi lemah dalam estimasi, desain, dan kode yang dihasilkan AI;
• menetapkan standar review, testing, keamanan, dan reliabilitas;
• menilai tim berdasarkan nilai produk yang dikirim dan kesehatan sistem, bukan berdasarkan seberapa banyak kode diketik manual.

Peran manajer tetap mencakup rekrutmen, coaching, prioritas, dan kesehatan tim. Namun di perusahaan yang bergerak seperti Airbnb, semua itu berjalan berdampingan dengan pemahaman langsung atas alat dan kerja teknis.

Peran yang paling tertekan

Yang paling berisiko bukan kategori “software engineer” atau “manajer” secara umum. Yang paling rentan adalah peran yang terlalu sempit: hanya menghasilkan output rutin tanpa memahami konteks.

Tekanan lebih besar akan dirasakan oleh orang yang terutama:

• menulis kode tanpa memahami sistem di sekelilingnya;
• menerima output AI tanpa review serius;
• mengukur dampak dari jumlah tugas, bukan nilai produk;
• mengoordinasikan pekerjaan tanpa memahami substansi teknisnya;
• menghindari alat yang mulai menjadi bagian dari workflow tim.

Profil yang lebih aman adalah operator teknis dengan penilaian matang: orang yang bisa memakai AI untuk bergerak lebih cepat, tetapi tetap menjaga kualitas, arsitektur, dan hasil akhir.

Apa yang sebaiknya dilakukan engineer dan manajer sekarang

Bagi engineer, langkah praktisnya bukan menolak AI, tetapi juga bukan mempercayainya secara buta. Targetnya adalah mahir dalam delivery berbantuan AI sambil tetap memegang tanggung jawab penuh atas hasilnya.

Itu berarti menulis spesifikasi yang lebih jelas, memberi konteks yang lebih baik, membaca diff dengan teliti, memperluas cakupan test, dan terus memperkuat arsitektur, reliabilitas, keamanan, serta pemahaman produk.

Bagi manajer, langkah praktisnya adalah tetap dekat dengan craft. Gunakan alatnya cukup sering untuk memahami kekuatan dan batasannya. Ikut dalam diskusi desain dan review. Buat standar kualitas menjadi eksplisit. Beri penghargaan pada tim karena hasil produk yang tahan lama, bukan karena banyaknya kode yang diketik tangan.

Catatan penting: Airbnb adalah sinyal, bukan patokan pasar

Angka hampir 60% dari Airbnb adalah data spesifik Airbnb, bukan benchmark industri. Angka itu tidak boleh dibaca sebagai bukti bahwa semua organisasi software sudah mengadopsi AI pada level yang sama.

Pandangan Chesky sendiri juga memadukan akselerasi dan kesabaran. Pada 2024, ia mengatakan AI akan mengubah dunia lebih besar dari yang disadari banyak orang, tetapi juga akan memakan waktu lebih lama dari yang diperkirakan banyak orang . Itu kerangka yang tepat untuk membaca perubahan ini: AI bisa membentuk ulang pekerjaan software secara mendalam, tetapi transisinya tidak akan merata.

Kesimpulannya, AI tidak sesederhana “menggantikan engineer” atau “menggantikan manajer”. Yang berubah adalah unit kontribusi mereka. Engineer perlu menjadi pengarah dan reviewer yang lebih baik atas kerja mesin. Manajer perlu cukup fasih secara teknis untuk memimpin tim yang memakai AI setiap hari. Dalam contoh Airbnb, keunggulan yang lebih tahan lama bergeser dari produksi manual menuju penilaian, kepemilikan, dan kemampuan mengubah output AI menjadi produk yang andal .