Strategi AI Uber: Rekrut Lebih Pelan, Kode Lebih Banyak

Uber sedang menjadikan AI sebagai alat efisiensi tenaga kerja: belanja AI naik, laju perekrutan diperlambat, dan karyawan yang sudah ada didorong menghasilkan lebih banyak. Sinyal paling jelas datang dari CEO Dara Khosrowshahi, yang mengatakan sekitar 10% perubahan kode Uber kini dibuat oleh agen otonom, sementara karyawan manusia tetap meninjau kode itu sebelum digabungkan ke repositori .

Bukan “engineer hilang”, melainkan rekrutmen tambahan yang ditahan

Strategi Uber saat ini bukan menggambarkan dunia tanpa engineer. Yang terlihat lebih pragmatis: perusahaan ingin mengendalikan pertumbuhan jumlah karyawan sambil memakai AI untuk menaikkan output kerja tim yang ada . Khosrowshahi mengatakan ia ingin karyawan memakai AI agar produktivitas mereka naik 20%, 30%, 50%, bahkan 100% .

Artinya, rumus perekrutan berubah. Ketika Uber butuh kapasitas software lebih besar, jawabannya tidak selalu menambah engineer. Sebagian kapasitas itu bisa dicoba lewat agen coding AI, tool developer, otomasi, dan komputasi. Khosrowshahi juga pernah membahas kemungkinan jangka panjang untuk mengganti sebagian kebutuhan tambahan engineer dengan agen AI dan GPU, tetapi laporan yang tersedia masih menunjukkan model “human-in-the-loop” untuk saat ini .

Apa yang dikerjakan AI di tim engineering Uber

Perubahan besarnya adalah pergeseran dari AI sebagai pelengkap pengetikan kode menjadi AI sebagai peserta aktif dalam proses pengiriman software. CTO Uber Praveen Neppalli Naga mengatakan perusahaan telah “leaned in hard” pada AI coding, bahwa 95% engineer Uber memakai tool AI setiap bulan, dan bahwa satu agen AI internal membuat sekitar 1.800 perubahan kode per minggu .

Upaya produktivitas developer Uber tampaknya tidak berhenti pada penulisan draf kode. Sesi Developer Productivity Engineering menggambarkan inisiatif AI Uber yang mencakup seluruh siklus pengembangan software, termasuk kustomisasi asisten coding untuk monorepo besar, sistem agentic untuk migrasi kode berskala besar, serta workflow pengujian dan code review berbasis AI . Monorepo di sini berarti repositori kode besar yang menampung banyak proyek atau layanan sekaligus.

Namun titik kontrolnya tetap review. Khosrowshahi mengatakan kode yang dibuat AI diperiksa karyawan sebelum dimasukkan ke repositori . Dengan kata lain, Uber memakai agen untuk menyiapkan lebih banyak pekerjaan, tetapi tidak memosisikannya sebagai engineering produksi yang berjalan tanpa pengawasan.

Mengapa “10% perubahan kode” bukan berarti “10% dari seluruh kode”

Angka-angka AI Uber mengukur bagian yang berbeda dari proses pengembangan. Karena itu, angka tersebut tidak bisa langsung disatukan menjadi satu metrik tunggal.

Angka 10% dari Khosrowshahi merujuk pada perubahan kode yang dibuat oleh agen otonom . Secara terpisah, The Pragmatic Engineer melaporkan bahwa 84% developer Uber adalah pengguna agentic coding, yakni memakai agen berbasis command line atau membuat permintaan yang lebih agentic dibanding sekadar tab-completion sederhana di IDE . Laporan yang sama menyebut 65% hingga 72% kode di dalam tool berbasis IDE dibuat oleh AI .

Semua angka itu bisa benar pada saat yang sama karena ukurannya berbeda: perubahan kode oleh agen otonom, adopsi workflow agentic oleh developer, dan kode yang dihasilkan AI di dalam tool IDE. Kesimpulan praktisnya: AI bisa membantu menulis draf porsi kode yang jauh lebih besar daripada porsi perubahan final yang secara khusus dikaitkan dengan agen otonom .

Bagaimana ini menekan kebutuhan rekrutmen

Jika engineer bisa mengirim lebih banyak pekerjaan dengan jumlah tim yang sama, Uber dapat menambah kapasitas engineering tanpa menambah headcount pada kecepatan yang sama. Itulah logika ekonomi di balik belanja AI yang meningkat sementara perekrutan diperlambat .

Namun biayanya tidak hilang; biayanya bergeser. Selain membayar karyawan tambahan, Uber juga harus membayar tool AI, agen, dan komputasi. Sebuah laporan tentang rollout AI coding Uber menyebut lonjakan penggunaan Claude Code membuat anggaran AI coding 2026 perusahaan habis lebih cepat dari perkiraan, dan bahwa Uber memakai tool seperti Claude Code dan Cursor . Laporan itu sebaiknya dibaca sebagai gambaran permintaan tool, bukan perhitungan lengkap ekonomi AI Uber. Tetapi ia menunjukkan arah baru: kapasitas software makin direncanakan sebagai campuran antara manusia, agen, tool, dan infrastruktur.

AI juga masuk ke operasi bisnis

Strategi AI Uber tidak terbatas pada engineering. Khosrowshahi mengatakan Uber sudah bertahun-tahun memakai AI untuk menentukan harga perjalanan ridesharing dan mencocokkan pengemudi dengan penumpang . Laporan lain menyebut generative AI dan agentic AI juga digunakan untuk customer support, onboarding pengemudi, serta bagian dari siklus pengembangan engineering, sehingga mengurangi intervensi manual pada beberapa workflow .

Ini penting karena kenaikan produktivitas di luar coding juga bisa mengurangi tekanan perekrutan. Jika AI dapat mempercepat dukungan pelanggan, menyederhanakan onboarding, atau membantu mendiagnosis masalah layanan internal, Uber bisa mengurai bottleneck tanpa selalu menambah jumlah orang seperti sebelumnya .

Maknanya bagi engineer

Model Uber saat ini lebih tepat disebut engineering dengan AI yang diawasi, bukan model tanpa engineer. Agen dapat menyusun draf kode, menyiapkan perubahan, mendukung migrasi, dan membantu proses pengujian atau review. Tetapi kode yang ditulis AI tetap diperiksa karyawan sebelum digabungkan .

Dampak terbesarnya kemungkinan terasa pada perekrutan tambahan. Selama tool AI benar-benar memberi kenaikan produktivitas dalam workflow nyata, Uber dapat memperluas kapasitas engineering sambil merekrut lebih sedikit orang tambahan dibanding kebutuhan sebelumnya .

Pertanyaan yang belum tuntas adalah pengukuran. Tingkat adopsi dan persentase kode yang dihasilkan AI menunjukkan penggunaan yang luas, tetapi belum otomatis membuktikan kenaikan produktivitas yang presisi ketika kualitas, keandalan, biaya pemeliharaan, dan dampak jangka panjang engineering ikut dihitung.