Per Oktober 2026, saya mengelola 19 aplikasi. Setiap bulan saya merilis lebih dari enam pembaruan perbaikan dan meluncurkan empat aplikasi baru.
Kalau satu orang mengelola aplikasi sebanyak itu, mengerjakan semuanya secara manual jelas tidak akan sanggup. Saya harus fokus sepenuhnya pada pengambilan keputusan.
Dalam percakapan dengan AI, muncul istilah "skill ops". Di Google hampir tidak ada hasilnya, jadi sepertinya ini kata yang kebetulan tercipta. Saya sangat menyukainya.
Skill ops.
Artinya operasional yang berasumsi bahwa skill-lah yang mengerjakan pekerjaan. Misalnya, di tempat kerja saya dulu, orang-orang bersusah payah membangun platform data, lalu manusia yang mengumpulkan dan menganalisis datanya. Kalau saya mengerjakan itu sendirian, operasional tidak akan berjalan.
Saya hanya menyiapkan fondasi Firebase dan Google Analytics, lalu menyerahkan pekerjaan analisis kepada AI.
- Analisis data cukup dengan satu kalimat: "Tolong analisis."
- Analisis log juga cukup dengan: "Tolong cek."
Tugas manusia adalah melihat temuan yang keluar, memutuskan "apa yang harus dilakukan", lalu memberi instruksi.
Saya mengelola situs Tenkaichi dan Buzz Spot. Karena masih di tahap awal peluncuran, kontennya tentu masih sedikit. Kalau tidak ada yang memposting, saya sendiri yang harus memposting sampai kontennya cukup.
Meski begitu, kalau semua artikel saya tulis sendiri, operasional tidak akan terkejar.
- "Cari tahu tentang toko ini, lalu rangkum jadi konten."
- "Siapa yang lebih kuat, Yamcha atau Ryomen Sukuna?"
Saya membuatnya agar cukup dengan bertanya seperti itu kepada AI, semuanya berjalan otomatis sampai konten terposting. SEO juga ditangani. Pembaruan sitemap.xml dan permintaan pengindeksan di Search Console pun dijalankan dengan skill ops.
Pengalaman dari skill ops juga berguna dalam pengembangan di perusahaan besar. Misalnya, selama ini, saat terjadi gangguan, kami menyelidikinya dengan langkah berikut:
- Memeriksa log di CloudWatch atau Elasticsearch.
- Menyelidiki kode yang menyebabkan log tersebut.
- Jika bukan wilayah tanggung jawab tim sendiri, menghubungi tim terkait lewat Slack agar mereka menyelidikinya.
- Memperbaiki bug dengan coba-coba di lingkungan lokal.
Sebagai gantinya, simpan repositori backend, frontend, dan infra di lokal, lalu serahkan semuanya kepada AI, dari menyelidiki log sampai menelusuri repositori. Tentu saja, membiarkan Claude Code memeriksa semua log produksi adalah masalah keamanan, jadi perlu dibatasi ke lingkungan pengembangan atau hanya memberikan cuplikannya. Meski begitu, operasional yang berasumsi ada agen AI tetap sangat bisa dimanfaatkan di perusahaan besar.
Bahkan, saya memperkirakan ke depannya, jika kita tidak merancang semua pekerjaan dengan asumsi ada agen AI, kita akan merasa "tersiksa" dari sisi produktivitas. Manusia bisa melakukannya kalau berusaha keras, tetapi akan terasa "merepotkan". Itu karena kita sudah tahu betapa praktisnya AI.
Agar manusia bisa fokus pada pengambilan keputusan, sebaiknya operasional dirancang dengan asumsi ada AI sejak awal.