Insights AI
Membangun untuk Era Pemrograman Agentik: Bagaimana Infrastruktur Beradaptasi dengan Pengembang Otonom
Podcast · Dengarkan (19 mnt)
Supabase Says 70% of Its New Users Aren't Human | AI Explained
Daftar isi
- Hambatan: Infrastruktur yang Dirancang untuk Manusia dalam Dunia yang Digerakkan Agen
- Cara Kerja Infrastruktur yang Berpusat pada Agen: Rancangan Langkah demi Langkah
- Langkah 1: Penyediaan Terprogram
- Langkah 2: Antarmuka yang Dioptimalkan untuk Agen
- Langkah 3: Pengelolaan Siklus Hidup Otomatis
- Analogi Intuitif: Konstruksi Berdasarkan Cetak Biru vs. Pencetakan Apartemen Mikro Otomatis
- Apa yang Benar-Benar Baru: Pergeseran dari 'Cara Membangun' ke 'Apa yang Harus Dibangun'
- Dampak Ekonomi dan Strategis: Produk, Industri, dan Pengguna Akhir
- Bagi Tim Produk
- Bagi Industri AI dan Komputasi Awan
- Bagi Pengguna Sehari-hari
- Keterbatasan, Risiko, dan Pertanyaan Teknis yang Belum Terjawab
- Angka-angka utama
- Apa yang akan mengubah gambaran ini
- Sumber yang dikutip
Seiring agen kecerdasan buatan (AI) semakin mengambil alih pelaksanaan utama pembuatan perangkat lunak, infrastruktur dasar pengembang mengalami transformasi struktural untuk mengakomodasi pengembang otonom nonmanusia. Platform PostgreSQL (Postgres) sumber terbuka Supabase telah secara aktif merancang ulang infrastrukturnya di sekitar agen AI, yang kini menghasilkan sekitar 70% dari seluruh aktivitas baru di platform tersebut. Migrasi makro menuju pembuatan perangkat lunak agentik ini menjadikan perangkat lunak pribadi yang disesuaikan dan sangat spesifik sama lazimnya serta mudah dibuang seperti dokumen teks atau lembar kerja pribadi, sekaligus mendefinisikan ulang pendorong nilai inti pengembangan perangkat lunak dari pelaksanaan teknis ("mengetahui cara membangun") menjadi keahlian bidang dan visi produk ("mengetahui apa yang harus dibangun").
Hambatan: Infrastruktur yang Dirancang untuk Manusia dalam Dunia yang Digerakkan Agen#
Infrastruktur pengembang perangkat lunak tradisional dirancang berdasarkan kecepatan fisik dan keterbatasan kognitif manusia. Platform basis data lama, dasbor pengelolaan komputasi awan, dan rangkaian alat pengembangan mengasumsikan adanya operator manusia yang duduk di depan layar—mengonfigurasi lingkungan secara manual, menyusun skema basis data, menjalankan skrip baris perintah, dan memeriksa antarmuka pemrograman aplikasi (API). Alur kerja yang berpusat pada manusia ini secara inheren berjalan dengan kecepatan yang terukur, ditandai oleh koreksi kesalahan manual, navigasi antarmuka visual, dan siklus rekayasa selama beberapa minggu.
Mengadaptasi infrastruktur lama untuk agen AI otonom menghadirkan tantangan teknis yang berat. Berbeda dengan pengembang manusia yang berinteraksi dengan platform melalui konsol grafis atau eksekusi skrip yang disengaja, agen AI secara terprogram mengaktifkan, mengueri, memodifikasi, dan membongkar layanan sisi server dalam volume ekstrem dan dengan kecepatan nyaris seketika. Platform basis data tradisional menghadapi hambatan operasional ketika menerima beban kerja nonmanusia ini: alur kerja penyiapan manual terhenti, batas laju yang berorientasi pada manusia terpicu terlalu dini, dan dasbor pengelolaan visual menjadi tidak relevan ketika tidak ada manusia yang menavigasi antarmuka pengguna.
Dalam penampilannya di Y Combinator Startup Podcast pada 30 Oktober 2026 (ditayangkan di kanal Lightcone bersama Garry, Harj, dan Jared), salah satu pendiri dan Direktur Utama Supabase, Paul Copplestone, menjelaskan bagaimana platformnya mengenali pergeseran operasional yang mendasar ini. Ketika agen perangkat lunak otonom dengan cepat muncul sebagai persona pengguna utama di seluruh ekosistemnya, Supabase mengamati bahwa memperlakukan interaksi agen sebagai skrip otomatis sederhana tidak lagi layak. Dari perspektif analitis, data empiris ini menyoroti realitas struktural yang lebih luas: tumpukan teknologi sisi server harus direkayasa ulang secara mendasar untuk mengoptimalkan eksekusi terprogram nonmanusia, bukan masukan manual.
Cara Kerja Infrastruktur yang Berpusat pada Agen: Rancangan Langkah demi Langkah#
Untuk melayani agen AI sebagai pengguna utama, platform pengembang merancang ulang arsitekturnya berdasarkan rancangan operasional tiga tingkat yang dirancang untuk eksekusi otonom.
Langkah 1: Penyediaan Terprogram#
Dalam paradigma yang berpusat pada agen, penyiapan basis data sepenuhnya dipisahkan dari antarmuka pengguna manusia. Agen menginisialisasi instans basis data yang telah dikonfigurasi sepenuhnya secara terprogram melalui titik akhir yang dapat dibaca mesin. Alih-alih pengembang manusia menavigasi formulir web untuk memilih wilayah komputasi awan, mengalokasikan penyimpanan, dan menetapkan variabel lingkungan, agen AI mengeluarkan instruksi API otomatis yang menyediakan instans Postgres lengkap dalam hitungan milidetik.
Langkah 2: Antarmuka yang Dioptimalkan untuk Agen#
Setelah layanan sisi server disediakan, lapisan basis data harus menyediakan antarmuka yang secara khusus dioptimalkan untuk model bahasa besar (LLM) dan agen otonom. Platform menerapkan server protokol konteks model (MCP), skema OpenAPI/Swagger yang mendeskripsikan dirinya sendiri, dan sistem pencatatan JSON terstruktur bersama API tradisional. Abstraksi bawaan mesin ini memungkinkan agen secara langsung memeriksa arsitektur skema, menulis logika kueri yang valid, menjalankan migrasi skema, dan menafsirkan catatan kesalahan saat eksekusi tanpa memerlukan alat visual atau panduan manusia.
Langkah 3: Pengelolaan Siklus Hidup Otomatis#
Alur kerja pemrograman otonom menghasilkan pola infrastruktur yang sangat bergejolak, ditandai oleh beban kerja berumur pendek dan spesifik untuk tugas tertentu. Infrastruktur yang berpusat pada agen harus menangani peristiwa siklus hidup berfrekuensi tinggi—termasuk penskalaan otomatis, pengklonaan basis data sementara secara instan untuk pengujian fitur yang terisolasi, dan pembongkaran cepat setelah agen menyelesaikan tugas. Platform infrastruktur harus mempertahankan stabilitas sistem dan efisiensi komputasi sambil menangani siklus pembuatan dan penghapusan terus-menerus yang digerakkan oleh sistem otomatis.
Analogi Intuitif: Konstruksi Berdasarkan Cetak Biru vs. Pencetakan Apartemen Mikro Otomatis#
Untuk memahami evolusi struktural ini, pertimbangkan perbedaan antara pembangunan hunian konvensional dan manufaktur modular otomatis: * Pengelolaan Basis Data Tradisional ibarat membangun rumah tinggal sesuai pesanan. Arsitek menyusun cetak biru fisik untuk penghuni manusia, dan kontraktor secara manual merakit kerangka, saluran air, serta jaringan listrik selama berbulan-bulan. Setiap langkah bergantung pada kecepatan fisik manusia dan pemeriksaan manual. * Penyediaan Agentik berfungsi seperti pabrik otomatis yang secara instan mencetak apartemen mikro modular sesuai permintaan setiap kali suatu algoritme meminta ruang. Unit-unit tersebut dihasilkan terus-menerus, disesuaikan secara instan tanpa tenaga kerja manual manusia, dan dibongkar tanpa hambatan begitu ruang tersebut tidak lagi diperlukan.
Apa yang Benar-Benar Baru: Pergeseran dari 'Cara Membangun' ke 'Apa yang Harus Dibangun'#
Transisi menuju pemrograman agentik merupakan perubahan kualitatif dari gerakan demokratisasi perangkat lunak sebelumnya, seperti platform berkode minim atau tanpa kode. Alat berkode minim terdahulu berfokus pada penyederhanaan sintaks yang kompleks dengan menyediakan antarmuka visual seret dan lepas atau kontrol grafis yang disederhanakan bagi pengguna manusia. Namun, hambatan operasional tetap ada: manusia masih harus memetakan alur kerja logis secara manual, menghubungkan komponen visual, dan merakit aplikasi langkah demi langkah.
Terobosan mendasar era agentik terletak pada pendelegasian pelaksanaan secara menyeluruh. Pembuatan perangkat lunak telah bergeser dari manusia yang mengetik kode atau mengoperasikan alat pengembangan visual menjadi agen otonom yang melaksanakan pengembangan teknis dari awal hingga akhir berdasarkan maksud yang disampaikan dalam bahasa alami.
+-----------------------------------------------------------------------+
| EVOLUTION OF BUILDING |
+-----------------------------------------------------------------------+
| TRADITIONAL CODING | Low-Code / No-Code | AGENTIC CODING ERA |
| Human writes code | Human uses drag-and-| Agent executes end-to-end |
| line-by-line. | drop interfaces. | development autonomously. |
+--------------------+---------------------+----------------------------+
| Focus: | Focus: | Focus: |
| "How to build" | "How to build" | "What to build" |
| (Syntax & Code) | (Visual Workflows) | (Domain Vision & Intent) |
+-----------------------------------------------------------------------+
Pergeseran struktural ini mendasari visi Paul Copplestone tentang "perangkat lunak pribadi." Secara historis, pengembangan perangkat lunak membutuhkan modal yang signifikan atau tenaga rekayasa khusus, sehingga membatasi pembuatan aplikasi pada produk umum yang terstandardisasi dan dirancang untuk pasar sasaran yang besar. Dalam era agentik, biaya marginal dan waktu yang diperlukan untuk menghasilkan perangkat lunak fungsional mendekati nol.
Akibatnya, aplikasi yang sangat disesuaikan menjadi sama lazimnya, sementara, dan mudah dibuang seperti dokumen teks atau lembar kerja pribadi. Sebagai contoh, seorang analis keuangan yang mempersiapkan audit triwulanan dapat meminta agen membangun aplikasi rekonsiliasi data sekali pakai yang didukung instans Postgres berumur pendek. Agen menyediakan basis data, memasukkan beragam faktur pemasok, menjalankan skrip rekonsiliasi, dan menyajikan laporan audit. Setelah analisis selesai, seluruh tumpukan aplikasi dan instans sisi server menghapus dirinya sendiri setelah memenuhi tujuan spesifiknya.
Sebagai hasilnya, nilai tenaga kerja manusia dalam pembuatan perangkat lunak mengalami realokasi strategis. Detail implementasi teknis—"cara membangun"—diambil alih oleh infrastruktur yang dioptimalkan untuk agen dan model AI. Faktor pembeda kompetitif yang menentukan beralih sepenuhnya ke keahlian bidang, perumusan masalah, intuisi produk, dan desain pengalaman pengguna—"apa yang harus dibangun."
Dampak Ekonomi dan Strategis: Produk, Industri, dan Pengguna Akhir#
Penataan ulang infrastruktur di sekitar pengembang otonom menciptakan dampak berantai sistemik pada tiga kelompok pemangku kepentingan utama di sektor teknologi:
Bagi Tim Produk#
Siklus iterasi produk memendek dari siklus pengembangan fitur selama beberapa minggu menjadi putaran operasional yang berlangsung beberapa menit. Tim rekayasa mencurahkan jauh lebih sedikit kapasitas untuk menulis kode kerangka sisi server secara manual, menjalankan migrasi skema, atau mengonfigurasi API rutin. Sebaliknya, manajer produk dan insinyur memanfaatkan agen untuk membuat prototipe, menguji, dan menerapkan fitur dengan cepat. Hal ini memungkinkan pengalaman pengguna yang sangat dipersonalisasi, dengan fitur perangkat lunak khusus yang dapat dihasilkan langsung sesuai kebutuhan untuk memenuhi alur kerja masing-masing pengguna.
Bagi Industri AI dan Komputasi Awan#
Bagi penyedia komputasi awan dan platform basis data, pola penggunaan sisi server bergeser secara drastis dari tindakan yang diprakarsai manusia menjadi operasi otomatis bervolume tinggi. Ketika agen AI menggerakkan sebagian besar penyediaan basis data, platform infrastruktur mengalami lonjakan penggunaan otomatis yang masif, ditandai oleh jutaan basis data mikro yang terus-menerus diaktifkan, dikueri, dan dibongkar.
Dari perspektif investasi dan keekonomian per unit, pergeseran ini mengubah profil margin penyedia komputasi awan. Model berlangganan perangkat lunak sebagai layanan (SaaS) tradisional yang dapat diprediksi dan berbasis jumlah pengguna mulai digantikan oleh pengukuran berbasis penggunaan yang dikalibrasi untuk konsumsi sumber daya berkecepatan tinggi secara terus-menerus. Penyedia komputasi awan yang mengoptimalkan infrastrukturnya untuk API agen berlatensi rendah, tata kelola skema otomatis, dan penyediaan instans instan berpeluang merebut pangsa pasar dominan dalam permintaan komputasi nonmanusia.
Bagi Pengguna Sehari-hari#
Profesional nonteknis dan pakar bidang operasional bertransformasi menjadi pembuat perangkat lunak secara langsung. Dengan memadukan maksud dalam bahasa alami dengan platform sisi server agentik, individu dapat membangun aplikasi utilitas khusus tanpa pendidikan formal ilmu komputer. Pakar bidang dapat langsung menyelesaikan tantangan produktivitas spesifik dengan menghasilkan alat perangkat lunak yang disesuaikan secara tepat dengan kebutuhan operasional langsung mereka.
Keterbatasan, Risiko, dan Pertanyaan Teknis yang Belum Terjawab#
Meskipun pergeseran menuju infrastruktur agentik membuka kemungkinan operasional yang luas, pengelolaan platform tempat agen otonom menghasilkan mayoritas aktivitas menimbulkan risiko teknis dan pertanyaan tata kelola yang belum terselesaikan.
- Keandalan Platform dan Integritas Data: Sebagaimana didokumentasikan dalam data platform Supabase, agen AI kini menghasilkan sekitar 70% dari aktivitas baru. Volume operasi nonmanusia yang tinggi ini menimbulkan risiko sistemik terkait kerusakan skema, eksekusi kueri yang tidak disengaja, dan penurunan kinerja. Agen otonom yang beroperasi tanpa pengawasan manusia dapat dengan cepat menyebarkan struktur kueri yang tidak efisien atau skrip migrasi yang cacat ke ribuan lingkungan komputasi awan secara bersamaan.
- Tata Kelola dan Kontrol Privasi: Pengelolaan parameter keamanan, daftar kontrol akses, dan kepatuhan privasi data menjadi jauh lebih kompleks ketika basis data disediakan secara otomatis dalam skala besar (melebihi 1 juta instans baru per minggu). Penetapan batas pengaman yang kuat untuk memastikan agen tidak secara tidak sengaja mengekspos data sensitif atau salah mengonfigurasi kebijakan keamanan tingkat baris (RLS) tetap menjadi tantangan teknis utama.
- Pengelolaan Biaya dan Alokasi Sumber Daya: Pembuatan dan pembongkaran layanan sisi server berfrekuensi tinggi berisiko menimbulkan tantangan alokasi sumber daya bagi penyedia infrastruktur maupun pelanggan platform. Tanpa aturan siklus hidup otomatis dan pengambilan kembali instans menganggur secara agresif, basis data buatan agen yang ditinggalkan dapat menyebabkan pemborosan sumber daya komputasi awan dan pembengkakan biaya yang tidak terduga.
- Kematangan vs. Sensasi Berlebihan: Analis infrastruktur harus membedakan antara metrik operasional platform yang terdokumentasi dan proyeksi industri yang spekulatif. Meskipun tingginya volume penyediaan basis data yang diprakarsai agen merupakan realitas yang telah terbukti di platform seperti Supabase, stabilitas ekonomi jangka panjang dan adopsi perusahaan terhadap model "perangkat lunak pribadi" sekali pakai masih merupakan paradigma yang berkembang dan memerlukan evaluasi berkelanjutan di bawah beban operasional dunia nyata.
Untuk memperdalam pemahaman Anda tentang pergeseran struktural ini, kami mengundang Anda menjelajahi lebih banyak riset sumber terbuka di situs DeepValues Research atau mencoba aplikasi DeepValues.
Angka-angka utama#
Metrik dasar berikut merinci skala platform, volume operasional, dan aktivitas agen yang diambil langsung dari konteks sumber:
- Total basis pengguna Supabase: 13 juta pengguna (per 30 Oktober 2026).
- Laju pembuatan basis data mingguan: Lebih dari 1 juta basis data diaktifkan setiap minggu (per 30 Oktober 2026).
- Porsi aktivitas agentik: Sekitar 70% dari aktivitas baru di Supabase berasal dari agen AI (per 30 Oktober 2026).
- Durasi episode siniar: 49 menit (diterbitkan 30 Oktober 2026).
Apa yang akan mengubah gambaran ini#
Arah analisis jangka panjang infrastruktur berbasis agen bergantung pada sejumlah variabel teknologi, regulasi, dan ekonomi yang terus berkembang. Penilaian strategis ini akan berubah secara material jika perkembangan berikut teramati:
- Fluktuasi Rasio Aktivitas Berbasis Agen: Penurunan berkelanjutan atau lonjakan signifikan pada proporsi ~70% aktivitas platform yang dihasilkan oleh agen kecerdasan buatan akan menandakan pergeseran dalam adopsi oleh pengembang, keandalan model, atau batas otonomi agen.
- Munculnya Regulasi Keamanan Khusus Agen: Pengesahan kerangka regulasi atau ketentuan kepatuhan yang secara khusus membatasi akses agen kecerdasan buatan otonom ke basis data komputasi awan dapat memaksa penyedia infrastruktur untuk membatasi alur kerja penyediaan otomatis.
- Pergeseran Ekonomi per Unit Komputasi Awan: Jika pembuatan dan penghapusan basis data berumur pendek dalam volume tinggi menghasilkan profil margin negatif atau ketidakstabilan jaringan, platform komputasi awan mungkin terpaksa merestrukturisasi model penetapan harga untuk beban kerja agen otomatis.
- Standardisasi Protokol Agen-ke-Basis Data: Adopsi luas oleh industri atas protokol interaksi agen dengan basis data yang terstandardisasi dan lintas komputasi awan—yang melampaui Postgres hingga mencakup ekosistem komputasi awan perusahaan yang bersifat proprieter—dapat mempercepat integrasi infrastruktur di seluruh lanskap teknologi yang lebih luas.
Sumber yang dikutip#
- "What Happens When Everyone Can Build Software," Y Combinator Startup Podcast (featuring Paul Copplestone, hosted by Garry, Harj, and Jared on the Lightcone), published October 30, 2026.
Tonton
Tautan sumber
- What Happens When Everyone Can… - Y Combinator Startup Podcast - Apple Podcasts
Tonton & dengarkan
- Supabase Says 70% of Its New Users Aren't Human YouTube · EN
- Supabase每週增百萬資料庫,七成活動不是人類 YouTube · 中文
- Supabase Says 70% of Its New Users Aren't Human | AI Explained Podcast · EN
- Supabase每週增百萬資料庫,七成活動不是人類|AI 前沿 Podcast · 中文