Strategi AI Uber lebih tepat dibaca sebagai strategi efisiensi kapasitas, bukan cerita sederhana bahwa perusahaan akan mengganti semua engineer dengan mesin. Pada 2026, Uber disebut meningkatkan belanja AI sambil memperlambat perekrutan. CEO Dara Khosrowshahi mengatakan agen otonom kini menghasilkan sekitar 10% perubahan kode Uber, tetapi kode itu tetap diperiksa karyawan sebelum masuk ke repositori ^[10].

Intinya: bukan tambah orang terus, tetapi tambah output per orang

Selama ini, kebutuhan engineering biasanya mudah diterjemahkan menjadi kebutuhan rekrutmen: lebih banyak fitur, lebih banyak sistem, lebih banyak engineer. Uber sedang mencoba mengubah hitungan itu.

Khosrowshahi menyebut perusahaan ingin mengatur laju pertumbuhan jumlah karyawan sambil memakai AI untuk menaikkan throughput, atau hasil kerja, para pegawai. Ia menggambarkan target kenaikan output yang bisa mencapai 20%, 30%, 50%, bahkan 100% lewat AI ^[10].

Dengan logika itu, kapasitas engineering tidak hanya datang dari karyawan baru. Sebagiannya bisa datang dari agen coding, alat bantu developer, GPU, dan otomatisasi alur kerja. Dalam jangka lebih panjang, Khosrowshahi juga pernah membahas kemungkinan mengganti sebagian kebutuhan tambahan engineer dengan agen AI dan GPU, meski model saat ini masih menempatkan manusia di dalam proses pengawasan ^[5][10].

Apa yang dilakukan AI di tim engineering Uber

Perubahan besarnya bukan lagi AI sebagai pelengkap autocomplete. Uber mendorong AI menjadi peserta aktif dalam proses pengembangan software.

CTO Uber Praveen Neppalli Naga mengatakan perusahaan telah leaned in hard ke AI coding. Ia juga menyebut 95% engineer Uber memakai alat AI setiap bulan, dan satu agen AI internal membuat sekitar 1.800 perubahan kode per minggu ^[13].

Tetapi angka itu tidak berarti kode langsung dilepas begitu saja. Kontrol pentingnya tetap review manusia: Khosrowshahi mengatakan kode buatan AI diperiksa karyawan sebelum digabungkan ke repositori ^[10].

Upaya peningkatan produktivitas developer Uber juga tampaknya lebih luas dari sekadar membuat kode. Dalam sesi Developer Productivity Engineering, Uber digambarkan berinvestasi di AI di sepanjang software development lifecycle untuk membantu developer Ship Quality Faster. Contohnya meliputi kustomisasi coding assistant untuk monorepo besar, sistem agen untuk migrasi kode skala besar, serta workflow testing dan code review berbasis AI ^[14].

Dari autocomplete ke agen yang diberi tugas

Taruhan produktivitas Uber ada pada pengembangan yang lebih agentic: alat AI tidak hanya menyarankan potongan kode, tetapi bisa diberi tugas yang lebih besar, memahami konteks proyek, membuat perubahan, lalu menyiapkannya untuk direview.

Laporan The Pragmatic Engineer menyebut 84% developer Uber adalah pengguna agentic coding, yaitu memakai agen command-line atau membuat permintaan yang lebih bersifat agen ketimbang sekadar tab-completion di IDE, aplikasi tempat developer menulis kode ^[8]. Laporan yang sama menyebut 65% hingga 72% kode di dalam alat berbasis IDE dihasilkan AI ^[8].

Namun angka-angka ini tidak boleh dicampur begitu saja. Angka 10% dari Khosrowshahi merujuk pada perubahan kode yang dibuat agen otonom, sedangkan angka 65% hingga 72% merujuk pada kode yang dihasilkan di dalam alat IDE ^[8][10]. Praktisnya, AI mungkin membantu menyusun porsi kode yang jauh lebih besar daripada porsi perubahan final yang secara resmi dikaitkan dengan agen otonom.

Mengapa ini bisa menekan kebutuhan rekrutmen

Jika engineer yang ada bisa mengirim lebih banyak pekerjaan dengan jumlah tim yang sama, Uber dapat menambah output tanpa menambah karyawan pada laju yang sama. Itulah logika ekonomi di balik langkah meningkatkan investasi AI sambil merekrut lebih sedikit ^[10].

Biayanya tentu tidak hilang; ia bergeser. Beberapa laporan menyebut penggunaan Claude Code di Uber melonjak sampai anggaran AI coding 2026 habis lebih cepat dari perkiraan. Laporan yang sama juga menyebut Uber memakai alat seperti Claude Code dan Cursor ^[2][3].

Laporan anggaran seperti ini sebaiknya dibaca sebagai gambaran, bukan audit lengkap atas belanja AI Uber. Namun arahnya jelas: kapasitas software makin dihitung sebagai campuran antara manusia, agen AI, tooling, dan komputasi.

AI juga masuk operasi, bukan hanya coding

Uber bukan pemain baru dalam penggunaan AI. Perusahaan sudah lama memakai AI untuk hal seperti penentuan harga perjalanan ridesharing dan pencocokan pengemudi dengan penumpang ^[20].

Kini, pelaporan terbaru menyebut generative AI dan agentic AI juga dipakai di dukungan pelanggan, onboarding pengemudi, dan sebagian siklus pengembangan engineering. Otomatisasi itu mengurangi intervensi manual di beberapa workflow operasional ^[11].

Ini penting karena cerita produktivitas Uber tidak berhenti di engineer yang menulis kode lebih cepat. Jika AI bisa membantu mendiagnosis masalah layanan internal, memperlancar support, atau memangkas langkah manual saat onboarding, hambatan di luar proses coding inti juga ikut berkurang ^[11].

Artinya bagi engineer: lebih banyak leverage, bukan tanpa manusia

Bukti yang tersedia menunjukkan model engineering dengan AI yang disupervisi, bukan model tanpa engineer. Agen AI dipakai untuk menyusun, memigrasikan, mengetes, dan menyiapkan lebih banyak pekerjaan. Namun manusia tetap memegang review sebelum kode digabungkan ^[10][14].

Implikasinya, nilai engineer bergeser ke pekerjaan yang membutuhkan konteks dan penilaian: desain arsitektur, keputusan trade-off, debugging, review kualitas, dan tanggung jawab atas sistem produksi. Pekerjaan drafting, migrasi berulang, testing awal, dan implementasi yang repetitif makin bisa dibantu sistem AI ^[10][14].

Untuk perekrutan, tekanan terbesarnya kemungkinan ada pada pertumbuhan headcount tambahan. Uber masih bisa menambah kapasitas engineering, tetapi tidak harus selalu dengan menambah orang sebanyak sebelumnya—selama kenaikan produktivitas dari alat AI benar-benar bertahan di workflow nyata ^[10].