Ketika Kode Dibuat oleh AI: Apakah Software Quality Assurance Masih Diperlukan?

AI mempercepat pembuatan kode, tetapi Software Quality Assurance tetap penting untuk memastikan keamanan, maintainability, dan kesesuaian software.

Ketika Kode Dibuat oleh AI: Apakah Software Quality Assurance Masih Diperlukan?

Beberapa tahun lalu, ketika ingin membuat sebuah fitur, developer biasanya harus menulis dan memahami kode tersebut sendiri. Sekarang situasinya mulai berbeda. Dengan bantuan AI, developer dapat memberikan instruksi sederhana dan mendapatkan kode yang bisa langsung dicoba. AI bahkan dapat membantu memperbaiki bug, membuat unit test, dan menjelaskan kode yang sulit dipahami.

Perubahan ini memang menarik. Pekerjaan yang sebelumnya membutuhkan waktu cukup lama bisa dilakukan jauh lebih cepat. Tetapi ada satu hal yang tidak otomatis ikut menjadi lebih cepat: memastikan kualitas software.

Kode yang berhasil dijalankan belum tentu merupakan kode yang baik. Misalnya, AI dapat membuat fitur login yang bekerja sesuai contoh yang diberikan. Namun, apakah implementasinya aman? Apakah mudah dipelihara? Bagaimana jika requirement berubah? Pertanyaan seperti ini tetap membutuhkan pemeriksaan dari developer.

Di sinilah Software Quality Assurance (SQA) masih memiliki peran. Dalam materi SQA, quality assurance tidak hanya berkaitan dengan testing. Ada review, verification and validation, measurement, audit, serta aktivitas untuk memastikan proses pengembangan berjalan dengan baik. Review sendiri digunakan untuk menemukan kesalahan dan membandingkan hasil pekerjaan dengan requirement atau sumber yang menjadi acuan. [1]

Hal ini menjadi semakin penting karena AI dapat menghasilkan kode dalam jumlah besar dengan cepat. Kalau developer langsung menerima semua hasil AI tanpa memahami isinya, kesalahan juga bisa masuk ke dalam project dengan lebih cepat. Jadi, persoalannya bukan lagi hanya apakah AI mampu membuat kode, tetapi apakah developer mampu menilai kode yang dibuat AI.

Testing pun tidak selalu memberikan jawaban lengkap. Penelitian Peng et al. (2026) menunjukkan adanya kasus Functionally Correct yet Vulnerable, yaitu patch yang dapat melewati test tetapi masih memiliki vulnerability. Artinya, software yang dinyatakan benar secara fungsional belum tentu aman. [2]

Menurut saya, bagian ini justru memperlihatkan mengapa SQA masih dibutuhkan. AI bisa membantu membuat kode dan bahkan membuat test, tetapi tetap diperlukan manusia untuk melihat apakah solusi tersebut sesuai dengan requirement, desain, keamanan, dan kebutuhan pengguna.

Peran developer akhirnya ikut berubah. Developer tidak hanya dituntut untuk bisa menulis kode, tetapi juga harus bisa membaca, memahami, dan mereview kode. Hal ini sejalan dengan konsep review dalam SQA, di mana hasil pekerjaan tidak cukup hanya diperiksa oleh pembuatnya sendiri. [1]

Menariknya, AI sendiri sekarang mulai digunakan dalam aktivitas QA. Studi Ouaarous et al. (2026) terhadap 37 penelitian menunjukkan bahwa Agentic AI banyak digunakan dalam Product Assurance, terutama untuk test generation dan defect management. Namun, penerapannya pada Process Assurance dan SQA Planning masih lebih terbatas. [3]

Jadi, menurut saya, AI tidak membuat Software Quality Assurance menjadi tidak diperlukan. Justru ketika pembuatan kode semakin mudah, proses untuk memastikan kode tersebut benar, aman, dapat dipelihara, dan sesuai kebutuhan menjadi semakin penting.

AI mungkin bisa membantu menghasilkan kode dalam hitungan detik. Tetapi keputusan apakah kode tersebut layak dipercaya tetap membutuhkan proses assurance dan penilaian manusia.

Referensi

[1] Laporte, C. Y., & April, A. Software Quality Assurance: From Theory to Implementation. Wiley.

[2] Peng, Y., Song, J., Li, L., Yang, X., Christodorescu, M., Mangal, R., Pasareanu, C. S., Zheng, H., & Chen, B. (2026). When “Correct” Is Not Safe: Can We Trust Functionally Correct Patches Generated by Code Agents? Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics.

[3] Ouaarous, R., Hilal, I., & Mezrioui, A. (2026). Software Quality Assurance in the Era of Agentic AI: A Systematic Mapping Study. Frontiers in Computer Science.

[4] IEEE Computer Society. Guide to the Software Engineering Body of Knowledge (SWEBOK Guide V3.0).