Tantangan Backend Engineer Indonesia, Menjawab Tuntutan AI Workflow
Jum'at, 03 Juli 2026 - 19:42 WIB
loading...
A
A
A
Proyek yang ia kerjakan mencakup sistem untuk Kementerian Keuangan (DAKNF/DJPK), Kementerian Kesehatan (e-Renggar), XL Axiata (LMS XL Smart dan Performance Management System), serta platform enterprise ANTAM Brankas Logam Mulia—rentang klien yang menuntut standar keandalan dan kepatuhan yang berbeda-beda.
Yang paling menarik dari contoh ini bukan semata lintasan karier Etrio Widodo, melainkan bagaimana perjalanan tersebut mencerminkan perubahan yang sedang terjadi di industri. Berdasarkan portofolio profesional dan repositori GitHub yang tersedia untuk umum, ia juga mengembangkan sejumlah proyek berbasis AI workflow, termasuk pemanfaatan LLM, vector database, dan semantic search.
Aktivitas tersebut dilakukan di luar pekerjaan utamanya dan menunjukkan kecenderungan yang semakin umum di kalangan software engineer Indonesia, yakni membangun proyek AI secara mandiri sebagai sarana memperluas kompetensi di tengah perubahan kebutuhan industri.
Menurut Etrio Widodo, transisi menuju AI workflow tidak berarti meninggalkan fondasi backend engineering yang telah dibangun selama bertahun-tahun. ”Sebaliknya, pengalaman mengembangkan sistem enterprise justru menjadi bekal penting dalam membangun aplikasi AI yang andal, aman, dan dapat diintegrasikan ke lingkungan produksi,” ujarnya. Baca juga: Awas, AI dalam Beberapa Bulan Lagi Bisa Lumpuhkan Pemerintahan di Berbagai Negara
Tekanan adopsi AI yang bergerak lebih cepat dari kesiapan tenaga kerja bisa menghasilkan implementasi yang rapuh di lingkungan produksi. Engineer yang hanya mampu "memanggil API LLM pihak ketiga" berbeda secara fundamental dengan mereka yang memahami cara kerja embedding, retrieval pipeline, dan pengelolaan context window—namun dari luar, keduanya bisa terlihat sama dalam sebuah resume.
"Kita perlu membedakan secara serius antara kemampuan mengintegrasikan AI dengan kemampuan memahami dan men-debug sistem AI. Dua-duanya ada di pasar, tapi nilainya berbeda jauh ketika sistem masuk produksi dan bermasalah," kata Indah Ananti Affandi, General Manager PT IDSTAR CIPTA TEKNOLOGI.
Yang paling menarik dari contoh ini bukan semata lintasan karier Etrio Widodo, melainkan bagaimana perjalanan tersebut mencerminkan perubahan yang sedang terjadi di industri. Berdasarkan portofolio profesional dan repositori GitHub yang tersedia untuk umum, ia juga mengembangkan sejumlah proyek berbasis AI workflow, termasuk pemanfaatan LLM, vector database, dan semantic search.
Aktivitas tersebut dilakukan di luar pekerjaan utamanya dan menunjukkan kecenderungan yang semakin umum di kalangan software engineer Indonesia, yakni membangun proyek AI secara mandiri sebagai sarana memperluas kompetensi di tengah perubahan kebutuhan industri.
Menurut Etrio Widodo, transisi menuju AI workflow tidak berarti meninggalkan fondasi backend engineering yang telah dibangun selama bertahun-tahun. ”Sebaliknya, pengalaman mengembangkan sistem enterprise justru menjadi bekal penting dalam membangun aplikasi AI yang andal, aman, dan dapat diintegrasikan ke lingkungan produksi,” ujarnya. Baca juga: Awas, AI dalam Beberapa Bulan Lagi Bisa Lumpuhkan Pemerintahan di Berbagai Negara
Tekanan adopsi AI yang bergerak lebih cepat dari kesiapan tenaga kerja bisa menghasilkan implementasi yang rapuh di lingkungan produksi. Engineer yang hanya mampu "memanggil API LLM pihak ketiga" berbeda secara fundamental dengan mereka yang memahami cara kerja embedding, retrieval pipeline, dan pengelolaan context window—namun dari luar, keduanya bisa terlihat sama dalam sebuah resume.
"Kita perlu membedakan secara serius antara kemampuan mengintegrasikan AI dengan kemampuan memahami dan men-debug sistem AI. Dua-duanya ada di pasar, tapi nilainya berbeda jauh ketika sistem masuk produksi dan bermasalah," kata Indah Ananti Affandi, General Manager PT IDSTAR CIPTA TEKNOLOGI.
(poe)
Lihat Juga :
