Insinyur Terbaik Spotify Berhenti Menulis Kode Apa Pun Pada Desember—Inilah Bagaimana AI Membuatnya Mungkin

Ketika co-CEO Spotify Gustav Söderström mengungkapkan selama panggilan pendapatan terbaru perusahaan bahwa tim rekayasa elit mereka tidak lagi menulis kode secara manual sejak Desember, itu menandai perubahan mendalam tentang bagaimana pengembangan perangkat lunak modern sebenarnya bekerja. Raksasa streaming musik ini tidak hanya mengadopsi AI sebagai alat bantu—ia secara fundamental mengubah seluruh proses pengembangannya menjadi berorientasi pada kecerdasan buatan, membuktikan bahwa masa depan pemrograman mungkin tidak melibatkan penulisan kode sama sekali.

Transformasi ini sungguh luar biasa. Sepanjang tahun 2025, Spotify merilis lebih dari 50 pembaruan dan fitur baru, termasuk playlist yang didorong AI, Page Match untuk buku audio, dan About This Song. Apa yang membuat kecepatan ini memungkinkan? Sebuah platform AI internal bernama Honk yang mendefinisikan ulang apa yang sebenarnya dilakukan insinyur setiap hari.

Asal Mula Honk: AI Mengambil Alih Keyboard

Di pusat revolusi Spotify terdapat Honk, sebuah platform internal yang didukung oleh teknologi AI generatif—khususnya Claude Code dari Anthropic. Ini bukan sekadar alat saran kode; ini adalah gambaran ulang lengkap dari alur kerja pengembangan.

Söderström menggambarkan secara jelas bagaimana cara kerjanya dalam praktik. Bayangkan seorang insinyur Spotify menuju kantor saat perjalanan pagi mereka. Alih-alih menunggu untuk duduk di meja mereka, mereka membuka Slack di ponsel dan mengetik instruksi ke Claude: “Perbaiki bug aplikasi iOS ini” atau “Tambahkan fitur ini ke platform kita.” AI tidak hanya menyarankan kode—ia benar-benar menulis, menguji, dan meng-deploy-nya. Dalam hitungan menit, insinyur menerima notifikasi melalui Slack dengan versi aplikasi yang sudah siap untuk digabungkan ke produksi. Mereka dapat menyetujui dan mengirim fitur sebelum bahkan sampai di kantor.

Kemampuan deploy jarak jauh dan real-time ini secara fundamental mempercepat timeline pengembangan. Apa yang dulu memakan waktu berhari-hari untuk pengkodean manual, pengujian, dan debugging, kini berlangsung dalam hitungan jam atau bahkan menit.

Ketika Insinyur Tidak Lagi Menulis Kode, Apa yang Mereka Lakukan?

Perubahan ini menimbulkan pertanyaan yang jelas: jika insinyur terbaik Spotify tidak lagi menulis kode, apa yang mereka lakukan? Jawabannya mengungkapkan sesuatu yang penting tentang masa depan peran insinyur. Alih-alih mengetik perintah ke dalam IDE, insinyur ini menjadi arsitek, peninjau, dan pengambil keputusan. Mereka menetapkan kebutuhan tingkat tinggi, memvalidasi solusi yang dihasilkan AI, dan memastikan standar kualitas tetap terjaga.

Keuntungan efisiensi ini tidak dapat disangkal. Tim rekayasa Spotify kini dapat beriterasi lebih cepat, menguji lebih banyak variasi, dan mengirim fitur dengan kecepatan yang dulu tampak tidak mungkin di era sebelum AI. Peran tersebut tidak hilang—ia telah berkembang.

Senjata Rahasia Spotify: Data Musik Proprietary dalam Skala Besar

Sementara perusahaan lain mengandalkan dataset standar yang diambil dari Wikipedia dan sumber publik untuk melatih model bahasa mereka, Spotify telah membangun sesuatu yang jauh lebih berharga: dataset besar dan proprietary yang secara khusus fokus pada musik. Ini bukan sekadar keunggulan kompetitif—ini menjadi parit Spotify melawan pesaing AI yang lebih besar.

Rekomendasi musik tidak mengikuti aturan universal. Tanyakan kepada seribu orang apa musik terbaik untuk latihan, dan Anda akan mendapatkan seribu jawaban berbeda. Orang Amerika mungkin menyukai hip-hop, sementara yang lain lebih suka death metal. Orang Eropa cenderung ke EDM untuk olahraga, tetapi orang Skandinavia secara konsisten memilih heavy metal. Preferensi regional, nuansa budaya, dan variasi selera pribadi sangat penting.

Dataset Spotify menangkap semua nuansa ini dalam skala yang tidak dimiliki perusahaan AI lain. Saat platform memproses jutaan interaksi pengguna setiap hari, model AI-nya menjadi lebih pintar tentang konteks musik—sesuatu yang tidak bisa direplikasi oleh LLM generik. “Kami mengembangkan dataset dalam skala yang tidak dimiliki orang lain, dan itu terus membaik saat kami melatih ulang model kami,” jelas Söderström.

Mengelola Pertanyaan Musik yang Dihasilkan AI

Seiring AI mulai menciptakan musik sendiri, Spotify mengakui selama panggilan pendapatan bahwa mereka sedang menjelajahi wilayah baru. Perusahaan kini mengizinkan artis dan label rekaman untuk menentukan dalam metadata lagu apakah musik tersebut dihasilkan oleh AI, memberikan transparansi kepada pendengar. Pada saat yang sama, Spotify menjaga sistem pemantauan aktif untuk mencegah spam dan konten AI berkualitas rendah yang berlebihan di platform.

Pendekatan seimbang ini—mengizinkan inovasi sekaligus melindungi ekosistem pencipta—menunjukkan bagaimana Spotify berencana memimpin daripada sekadar bereaksi terhadap tren musik yang dihasilkan AI.

Apa Artinya Ini bagi Industri

Insinyur Spotify yang berhenti menulis kode secara manual bukanlah skenario distopia di mana manusia menjadi usang. Sebaliknya, ini mewakili pematangan cara perusahaan teknologi dapat memanfaatkan AI untuk memperkuat kemampuan manusia. Insinyur terbaik di Spotify tidak digantikan—mereka dibebaskan dari tugas berulang dan mekanis untuk fokus pada strategi, arsitektur, dan jaminan kualitas.

Pertanyaannya bukan apakah perusahaan teknologi lain akan mengikuti jalur ini. Mereka hampir pasti akan. Pertanyaannya adalah apakah mereka akan memiliki infrastruktur, talenta, dan visi strategis untuk mewujudkannya dalam skala sebesar Spotify. Untuk saat ini, tim rekayasa Spotify telah menjadi studi kasus tentang apa yang mungkin terjadi ketika Anda berhenti bertanya “Bisakah AI menulis kode?” dan mulai bertanya “Bagaimana kita membangun di sekitar AI yang menulis kode?”