Setiap kali teknologi baru muncul dan mulai mengubah cara kerja industri, selalu ada pertanyaan yang mengikuti: apakah ini akan membuat sesuatu yang lama menjadi usang? Ketika cloud computing meledak, orang bertanya apakah data center on-premise akan punah. Ketika no-code tools semakin canggih, orang bertanya apakah developer akan kehilangan pekerjaan. Dan sekarang, di tengah gelombang besar kecerdasan buatan generatif, pertanyaan yang sama muncul kembali: apakah AI akan membuat bahasa pemrograman seperti Python menjadi tidak relevan?
Jawaban singkatnya: tidak. Justru sebaliknya.
Saya ingin menjelaskan mengapa, karena ini bukan sekadar optimisme buta dari seseorang yang sudah telanjur berinvestasi banyak waktu belajar Python. Ini adalah argumen yang berakar pada bagaimana AI generatif sebenarnya bekerja dan di mana ia benar-benar bisa menggantikan sesuatu versus di mana ia justru semakin bergantung pada ekosistem yang sudah ada.
Kecerdasan buatan generatif — model-model besar yang bisa menulis kode, menjawab pertanyaan, menganalisis data — sebagian besar dibangun, dilatih, dan dijalankan menggunakan Python. Bukan kebetulan. PyTorch, framework yang menjadi fondasi sebagian besar model AI mutakhir hari ini, ditulis dalam Python. Hugging Face, platform yang menjadi pusat distribusi model-model AI open source, menggunakan Python sebagai antarmuka utamanya. Ketika para peneliti di lab-lab AI terkemuka bereksperimen dengan arsitektur baru, mereka melakukannya dalam Python.
Jadi alih-alih mengancam relevansi Python, ledakan AI justru semakin memperkuat posisinya sebagai bahasa pilihan untuk pekerjaan yang paling cutting-edge sekalipun.
Tapi ada sudut pandang lain yang perlu kita diskusikan dengan jujur. AI generatif seperti GitHub Copilot atau berbagai asisten coding berbasis model bahasa besar memang mampu menulis potongan kode Python dengan cukup baik. Bagi beberapa kalangan, ini menimbulkan pertanyaan: kalau AI bisa menulis kodenya, kenapa saya perlu belajar Python?
Pertanyaan ini terdengar masuk akal di permukaan, tapi ia mengandung asumsi yang perlu diperiksa. Kemampuan menggunakan alat dengan efektif berbeda dengan kemampuan mengevaluasi output alat itu. Ketika AI menghasilkan kode Python untuk Anda, seseorang harus bisa membaca kode itu, memahaminya, mengidentifikasi apakah ada kesalahan logika atau potensi masalah performa, dan memutuskan apakah solusinya sudah tepat untuk konteks spesifik yang dihadapi. Seseorang itu adalah Anda — dan untuk bisa melakukan itu, Anda harus memahami Python.
AI yang pandai menulis kode tidak menghilangkan kebutuhan akan manusia yang memahami kode. Ia menggeser di mana manusia menghabiskan waktunya — lebih sedikit waktu untuk menulis kode boilerplate, lebih banyak waktu untuk berpikir tentang arsitektur, logika bisnis, dan keputusan-keputusan tingkat tinggi yang masih membutuhkan konteks dan penilaian manusia.
Satu hal lagi yang sering luput dari diskusi ini: AI generatif, secepat apapun berkembangnya, masih punya batasan yang nyata dalam hal pemahaman konteks yang kompleks dan nuansa. Ia bisa sangat baik dalam tugas-tugas yang terdefinisi dengan jelas, tapi ketika masalah menjadi ambigu, ketika kebutuhan bisnis berubah di tengah jalan, ketika ada trade-off antara berbagai pertimbangan yang membutuhkan judgment — di situ manusia yang memiliki pemahaman teknis mendalam masih jauh lebih unggul.
Python dan AI bukan kompetitor. Mereka adalah mitra. Dan dalam kemitraan itu, memahami Python bukan sesuatu yang bisa Anda delegasikan sepenuhnya kepada mesin — setidaknya tidak dulu, dan tidak tanpa konsekuensi.
Bagi siapa pun yang sedang mempertimbangkan apakah layak berinvestasi waktu untuk belajar Python di era AI ini: jawabannya lebih ya hari ini daripada lima tahun lalu. Dunia yang semakin digerakkan oleh kecerdasan buatan adalah dunia yang semakin membutuhkan orang-orang yang bisa membangun, memelihara, mengevaluasi, dan mengkritisi sistem AI itu sendiri. Dan bahasa yang paling dekat dengan dunia itu, hari ini, adalah Python.
Rian Septian Anwar adalah praktisi teknologi dengan pengalaman lebih dari sepuluh tahun di bidang pengembangan perangkat lunak dan rekayasa data.
