About Event

Online Hangout adalah program yang diadakan Pengurus BCAF sebagai bagian dari budaya BNCC yaitu membangun Learning Habit. 

Di era tidak ada batasan informasi seperti sekarang lewat AI, Yang saat ini kita butuhkan hanya keyword untuk membuka Blind Spots kita untuk bisa mencari tau sendiri.

Diskusi ini bertujuan untuk mentrigger “Keyword” yang bisa menjadi Seed Prompting awal seseorang untuk belajar dan mendalami sesuatu.  


Kamis, 23 Juli 2026 | 20.00 – 21.00 WIB

Setelah peluncuran website BCAF (BNCC Committee Alumni Family), beberapa senior BNCC meminta akses ke repository GitHub untuk melakukan code review, memberikan masukan dan saran untuk website yang scalable tanpa perlu selalu engineer yang membuatnya yang maintenance website ini dan bisa di lanjutkan generasi mendatang.

Karena website ini dikembangkan oleh kolaborasi para Junior Senior yang masih minim pengalaman dan haus untuk belajar, Para Pengurus BCAF yang sudah memiliki tahunan hingga puluhan tahun engineering berinisiatif mengadakan sesi Online Hangout sebagai ruang diskusi yang santai namun teknis.

Tujuannya adalah mempercepat proses belajar melalui real case study dari proyek BCAF, sehingga peserta dapat bertanya langsung, berdiskusi, berbagi pengalaman, dan memahami bagaimana AI dimanfaatkan dalam proses software engineering di dunia nyata dengan standard perusahaan global yang juga bisa di implementasi di berbagai project lainnya secara pribadi, bisnis maupun pekerjaan.

Dari Vibe Coding Menuju Engineering yang Maintainable

Ide membuat Website BCAF sudah ada dari 2017, Tapi karena keterbatasan waktu dalam pembuatannya, Baru bisa direalisasikan di 2026 hanya dalam waktu 1 - 2 hari menggunakan AI.

Karena pengembangan website BCAF diawali menggunakan pendekatan Vibe Coding tanpa menyentuh code satupun, yaitu memanfaatkan AI untuk membangun prototype secara sangat cepat berdasarkan Product Requirements Document (PRD).

Pendekatan ini memang terbukti efektif untuk memvalidasi ide dalam waktu singkat, prototype yang berfungsi sudah dapat digunakan.

Namun setelah fase validasi selesai dan ternyata terbukti bermanfaat, muncul tantangan baru.

Kode yang dihasilkan AI memang berjalan, tetapi belum tentu nyaman untuk dipelihara dalam jangka panjang. Beberapa tantangan yang ditemukan antara lain:

  • struktur kode belum konsisten

  • formatting berbeda-beda

  • banyak duplikasi hasil copy-paste AI

  • minim dokumentasi arsitektur

  • sulit dipahami engineer lain

Hal tersebut menjadi pembelajaran bahwa AI sangat membantu mempercepat tahap discovery bahkan tanpa pengalaman coding, tetapi fase production tetap membutuhkan engineering discipline.

Langkah Awal: Memberi "Aturan Bermain" kepada AI

Senior BNCC Jansen memberikan insight bagaimana AI sebenarnya membutuhkan konteks yang jelas agar dapat menghasilkan kode yang berkualitas. “Kita harus membayangkan AI sebagai Intern Programmer”

Beberapa praktik yang bisa dilakukan pada proyek BCAF antara lain:

  • menggunakan ESLint dan Prettier agar seluruh codebase memiliki standar formatting yang sama

  • membuat dokumentasi codebase-guide.md sebagai panduan struktur aplikasi

  • membuat agents.md yang berisi aturan bagaimana AI harus bekerja pada project

AI tidak diperlakukan sebagai engineer senior, melainkan seperti anggota tim baru yang membutuhkan SOP, guideline, dan batasan yang jelas sehingga kita sebagai Engineer berfokus pada melakukan review code yang sudah di buat oleh AI.

Semakin baik dokumentasi proyek, semakin baik pula hasil yang diberikan AI.

Code Review Menjadi Fokus Baru para Engineer

Albert JT membagikan pengalamannya lewat chat mengenai perkembangan industri Engineer di Singapura.

Beberapa perusahaan besar mungkin belum sefleksibel itu menerapkan AI dengan alasan keamanan. Tapi menurut beliau dari temannya yang bekerja di perusahaan lain yang dia tau. Banyak perusahaan singapura mulai mencari talenta yang tidak hanya bisa membuat product dengan AI, tapi fokus melakukan review dari pekerjaan AI.

AI dinilai sangat membantu membuat software dan bisa melakukan review secara konsisten terhadap standar coding, best practice, hingga potensi bug sebelum kode masuk ke production. Tapi semua keputusan akhir pada prinsipnya tetap pada manusia yang memahami teknis.

Guardian Agent untuk Engineering Manager

Adhy Wiranata menambahkan perspektif menarik dari sisi engineering management dari pengalamannya 10 tahun dan sudah menjadi AI Lead Engineer di perusahaan Jepang.

Menurut beliau, peran Engineering Manager ke depan akan semakin banyak berfokus membangun Agentic, yaitu kumpulan AI Agent yang bekerja secara berulang (loop) untuk mengawasi kualitas software.

Agentic ini tidak hanya menjalankan satu tugas, tetapi memiliki berbagai kemampuan yang saling melengkapi, misalnya:

  • menulis code

  • melakukan code review

  • memastikan coding standard dipatuhi

  • mengecek dokumentasi

  • melakukan testing

  • memberikan rekomendasi improvement

Pendekatan ini memungkinkan engineer lebih fokus pada problem solving, sementara proses-proses rutin dapat dijalankan secara otomatis oleh AI.

Adhy menambahkan pada top level management, Pentingnya kita tidak melakukan code review manual, Tapi menciptakan dan menggunakkan Skills agar bisa membuat agent yang saling berkomunikasi dan saling menjaga sehingga bahkan AI bisa tetap mengerjakan project saat kita tidur.

Skills Library Menjadi Aset Tim

Tim engineering saat ini mulai membangun kumpulan Skills yang digunakan bersama.

Skills dapat berupa prompt, workflow, maupun aturan tertentu yang mengajarkan AI cara menyelesaikan pekerjaan sesuai standar perusahaan.

Alih-alih setiap engineer membuat prompt dari nol, seluruh anggota tim dapat berbagi Skills yang sudah terbukti efektif sehingga kualitas hasil AI menjadi lebih konsisten.

Pendekatan ini membuat knowledge engineering menjadi aset bersama, bukan hanya dimiliki oleh individu.

Di sisi lain, Setiap individu membutuhkan skills nya sendiri yang berisi hal repetitif yang biasanya kita lakukan sehingga AI bisa melakukan hal yang sama dengan kita. 

Dan karena Skills ini adalah deksripsi text, jaman sekarang jauh lebih mudah “meniru” skills dai AI Agent orang lain yang lebih berpengalaman. Detailnya di bagikan oleh Hendyanto yang menjadi VP Engineer dari Vidio pada bagian Rekomendasi Tools.

Refactor atau Rewrite?

Salah satu pembahasan kesimpulan akhir adalah kapan sebuah project sebaiknya di-refactor, dan kapan lebih baik dibangun ulang jika sudah menggunakkan Vibe Coding.

Kesimpulan diskusi cukup jelas.

Apabila prototype berhasil membuktikan bahwa produk memang dibutuhkan, sering kali lebih efektif melakukan rewrite dibanding terus memperbaiki kode hasil eksperimen awal.

Dengan begitu tim dapat membangun fondasi arsitektur yang lebih bersih, mengurangi technical debt, dan memberikan pengalaman belajar yang jauh lebih baik bagi engineer yang terlibat.

Harus Mulai dari Mana?

Salah satu pertanyaan menarik yang muncul dalam diskusi adalah:

"Kalau mendapatkan requirement baru dari tim product untuk mengembangkan sebuah fitur yang cukup besar, sebaiknya mulai dari mana?"

Banyak engineer memiliki kecenderungan langsung membuka editor dan mulai menulis kode. Akibatnya, ketika proses code review berlangsung, arsitektur maupun logika aplikasi terus berubah karena reviewer memberikan masukan yang sebenarnya bersifat fundamental.

Pendekatan yang dibagikan dalam diskusi adalah menyepakati desain terlebih dahulu sebelum mulai melakukan implementasi. Di banyak perusahaan teknologi, hal ini biasanya dilakukan melalui sebuah Design Document.

Dengan Design Document, diskusi mengenai solusi dilakukan di awal sehingga ketika implementasi dimulai, proses review lebih banyak berfokus pada detail-detail kecil dibanding mengubah arah solusi secara keseluruhan.

Design Document umumnya terdiri dari dua bagian.

High Level Design (HLD)

High Level Design menjelaskan gambaran besar solusi yang akan dibangun, seperti:

  • masalah yang ingin diselesaikan

  • pendekatan atau arsitektur yang dipilih

  • service atau komponen yang terdampak

  • hubungan antar service, database, gateway, maupun deployment

  • daftar API yang akan dibuat

  • diagram sederhana untuk membantu visualisasi solusi

Tujuan HLD adalah memastikan seluruh engineer memiliki pemahaman yang sama mengenai solusi yang akan dibangun sebelum satu baris kode pun ditulis.

Low Level Design (LLD)

Setelah HLD disepakati, pembahasan dilanjutkan ke Low Level Design yang berisi detail implementasi.

Sebagai contoh, apabila pada HLD disebutkan akan dibuat API registrasi pengguna, maka pada LLD mulai dijelaskan secara rinci seperti:

  • endpoint POST /v1/users

  • struktur request body

  • validasi input

  • response yang dihasilkan

  • kemungkinan error code

  • business rules yang diterapkan

Dengan pendekatan ini, code review menjadi jauh lebih efektif karena diskusi mengenai desain telah selesai di awal, sementara implementasi tinggal mengikuti desain yang sudah disepakati.

Dan tentunya ini semua bisa di buat oleh AI dan menjadi penjaga AI agar produk yang kita buat sesuai dengan standard yang kita mau.

Engineer Using AI vs AI for Engineer

Kesimpulan akhir diskusi ini adalah membedakan dua paradigma yang mulai muncul di industri.

Engineer Using AI

Pada tahap ini, engineer masih menjadi aktor utama.

AI digunakan sebagai alat bantu untuk:

  • membuat boilerplate

  • menjelaskan kode

  • debugging

  • menulis unit test

  • mempercepat implementasi

AI meningkatkan produktivitas engineer, tetapi keputusan teknis tetap berada di tangan manusia.

AI for Engineering

Paradigma berikutnya mulai bergeser.

Engineer tidak lagi hanya menggunakan AI, tetapi mulai membangun sistem AI yang dapat bekerja layaknya anggota tim engineering.

Contohnya:

  • code reviewer otomatis

  • documentation agent

  • testing agent

  • deployment agent

  • architecture advisor

  • guardian agent

Engineer mulai berperan sebagai perancang workflow dan orkestrator berbagai AI Agent yang saling bekerja sama.

Rekomendasi Tools dari Diskusi

Diskusi juga berlanjut di grup WhatsApp setelah acara selesai.

Senior BNCC Hendyanto membagikan salah satu referensi yang menarik untuk para Vibe Coders, yaitu kumpulan AI Skills yang dikembangkan oleh Matt Pocock:

https://github.com/mattpocock/skills

Repository tersebut berisi berbagai skills yang dapat membantu AI menghasilkan kode dengan kualitas yang lebih konsisten serta mempercepat workflow software engineering.

Penutup

Tidak dipungkiri, Seluruh artikel ini di buat dengan bantuan AI kurang dari 1 jam. Tapi artikel yang menjadi rangkuman diskusi muncul karena kami sebagai pengurus BCAF memiliki rasa ingin tahu yang tinggi, semangat belajar dan berbagi bagaimana agar talenta Indonesia memiliki kualitas yang sama dengan talenta Global dimulai dari lingkup senior BNCC.

Sehingga jawaban dari setiap bagian dari artikel ini bisa muncul dari para Senior lewat pertanyaan yang memang kami berikan , Karena kami percaya di era sekarang jauh lebih penting memberikan pertanyaan yang tepat.

Roundtable pertama ini bisa ada karena adanya sebuah project website BCAF. Dan kita semua bisa belajar dan menunjukkan bahwa AI bukan lagi sekadar alat untuk mempercepat penulisan kode.

Diskusi justru mengarah pada bagaimana engineer dapat membangun proses engineering yang lebih matang dengan bantuan AI, mulai dari dokumentasi, code review, workflow automation, hingga kolaborasi antar AI Agent.

Website BCAF sendiri menjadi contoh nyata bagaimana sebuah proyek dapat dimulai melalui pendekatan Vibe Coding, kemudian berkembang menuju engineering process yang lebih terstruktur dan maintainable.

Terima kasih kepada seluruh senior yang telah berbagi pengalaman dan insight selama diskusi. Semoga rangkuman ini dapat menjadi referensi bagi alumni BNCC maupun engineer yang ingin mulai memanfaatkan AI dalam proses software engineering sehari-hari.

Ada topik yang ingin di bagikan atau di tanyakan ? Pastikan aktif posting di  grup Whatsapp BCAF AI & Tech, Acara ini belum terjadwal dan bisa muncul jika memang ada topik diskusi yang di bahas lebih efektif lewat audio online meet.