Tahun lalu saya terlibat dalam proses rekrutmen di sebuah perusahaan rintisan teknologi yang sedang dalam fase pertumbuhan agresif. Kami membuka posisi untuk data engineer dan machine learning engineer — dua peran yang sangat erat kaitannya dengan Python. Dalam waktu dua minggu, lebih dari tiga ratus lamaran masuk. Angka yang terlihat menjanjikan.
Tapi ketika proses seleksi teknis dimulai, realitanya jauh berbeda dari ekspektasi. Dari tiga ratus pelamar itu, kurang dari dua puluh yang bisa kami pertimbangkan serius. Bukan karena standar kami terlalu tinggi — pertanyaan teknisnya cukup fundamental. Tapi banyak pelamar yang mencantumkan Python di CV mereka ternyata hanya familiar di permukaan: bisa menjalankan skrip sederhana, tapi kesulitan ketika diminta memecahkan masalah yang membutuhkan pemahaman lebih dalam tentang struktur data, efisiensi algoritma, atau praktik penulisan kode yang bersih dan bisa di-maintain.
Ini bukan fenomena yang terjadi di satu perusahaan saja. Saya bicara dengan banyak rekan yang memimpin tim teknis di berbagai startup, dan hampir semuanya menceritakan pengalaman serupa. Ada kesenjangan yang nyata antara permintaan industri terhadap developer Python yang kompeten dan ketersediaan talenta yang benar-benar siap kerja.
Dari mana masalah ini berasal? Menurut saya, ada beberapa faktor yang saling berkaitan.
Pertama, ledakan kursus Python online yang tidak semuanya punya standar kualitas yang baik. Kemudahan akses ke materi pembelajaran adalah hal yang positif — semakin banyak orang bisa belajar Python tanpa harus mengeluarkan biaya besar. Tapi kemudahan akses tidak otomatis berarti kualitas pembelajaran yang baik. Banyak kursus yang terlalu fokus pada penyelesaian tugas-tugas spesifik tanpa membangun fondasi pemahaman yang solid. Hasilnya adalah banyak orang yang merasa sudah bisa Python padahal baru mengenal sebagian kecil dari kemampuannya.
Kedua, tekanan untuk segera mendapat pekerjaan membuat banyak pelajar melewati tahap-tahap penting dalam proses belajar. Bootcamp dengan janji "siap kerja dalam tiga bulan" memang menarik, tapi tiga bulan tidak cukup untuk benar-benar membangun keahlian yang mendalam. Yang dihasilkan sering kali adalah programmer yang bisa mengerjakan tugas-tugas template tapi kewalahan ketika menghadapi masalah yang belum pernah mereka temui sebelumnya.
Ketiga — dan ini yang paling jarang dibicarakan — ekosistem mentoring di komunitas teknologi Indonesia masih belum berkembang cukup kuat. Di negara-negara dengan industri teknologi yang lebih matang, ada tradisi kuat di mana developer senior meluangkan waktu untuk membimbing yang junior. Di sini, budaya itu masih sporadis dan bergantung pada inisiatif individu.
Solusinya bukan dengan menaikkan hambatan masuk ke industri atau membuat proses rekrutmen semakin ketat. Justru sebaliknya. Yang dibutuhkan adalah investasi jangka panjang dari berbagai pihak: perusahaan teknologi yang mau membuka program magang yang substansial — bukan magang sekadar formalitas, komunitas Python lokal yang aktif mengadakan workshop dan hackathon berbasis masalah nyata, perguruan tinggi yang memperbarui kurikulumnya agar relevan dengan kebutuhan industri aktual, dan developer senior yang mau menyisihkan waktu untuk berbagi pengalaman dan pengetahuan.
Potensi talenta di negeri ini tidak kecil. Setiap kali saya melihat mahasiswa atau fresh graduate yang benar-benar antusias dan mau belajar dengan serius, saya yakin bahwa bahan bakunya ada. Yang perlu diperbaiki adalah prosesnya — bagaimana kita mengubah antusiasme itu menjadi keahlian yang nyata dan relevan.
Industri startup Indonesia sedang tumbuh. Kebutuhan akan developer Python yang kompeten akan terus meningkat dalam beberapa tahun ke depan. Kalau kita tidak segera berbenah dalam hal pengembangan ekosistem talenta, kita akan terus menemukan diri kita bersaing memperebutkan sumber daya yang terbatas — dan itu tidak menguntungkan siapa pun.
Rian Septian Anwar adalah praktisi teknologi dengan pengalaman lebih dari sepuluh tahun di bidang pengembangan perangkat lunak dan rekayasa data.
