Investor Silicon Valley Naval Ravikant baru-baru ini membahas gelombang “vibe coding” di Podcast. Ia meyakini bahwa AI coding agent sudah melewati titik kritis penting: dari alat di masa lalu yang hanya membantu menulis kode, kini berevolusi menjadi “agen operasional jangka panjang” yang mampu membangun aplikasi dari nol hingga jadi. Ia bahkan mengemukakan penilaian yang tajam: ketika AI bisa langsung membuat App yang dipersonalisasi untuk pengguna, keunggulan perangkat lunak-hardware yang selama ini dibangun oleh iPhone dan App Store dalam jangka panjang mungkin sedang menghadapi tantangan.
Naval mengatakan, titik awal dirinya kembali menulis kode adalah setelah peluncuran Claude Opus 4.5 pada Desember 2025, ketika kemampuan AI coding agent mengalami lonjakan yang jelas. Ia menggambarkan, agen-agen ini kini tidak lagi seperti alat generasi awal yang hanya menyediakan sepotong kode agar pengguna menyalin-tempel ke lingkungan pengembangan; melainkan bisa beroperasi dalam terminal dalam waktu lama, memahami sistem berkas, memanggil perintah Unix, menjalankan pengujian, memperbaiki bug, bahkan menyelesaikan seluruh aplikasi.
Ia berpendapat, pengalaman seperti inilah yang membuat orang kecanduan, karena secara besar menurunkan “biaya peluncuran” untuk menulis kode. Dulu, mengembangkan sebuah App mengharuskan paham GitHub, layanan backend, Firebase, Railway, Xcode, alat command-line, serta tumpukan istilah engineering; kini pengguna cukup menjelaskan kebutuhan dengan bahasa alami, lalu AI dapat menerjemahkan bahasa Inggris menjadi Python, C, Rust, Lisp, atau berbagai framework dan perintah alat. Bagi orang yang memiliki konsep dasar tentang arsitektur komputer, ini membuat ambang batas penciptaan perangkat lunak turun drastis.
Dari personal App Store hingga pelacak kebugaran: AI mengubah perangkat lunak menjadi “custom pribadi”
Dalam podcast, Naval mengungkap bahwa ia sudah membangun “personal App Store”. App Store ini bukan platform komersial yang dipublikasikan, melainkan sistem rilis privat untuk dirinya, teman, dan keluarga: ia dapat meminta AI membuat sebuah App, lalu setelah selesai, AI otomatis menyerahkannya ke halaman App Store pribadi miliknya, kemudian ia cukup menginstal dengan satu klik ke iPhone.
Ia memberi contoh, ia pernah meminta AI membuat sebuah App pelacak kebugaran yang sepenuhnya sesuai dengan kebiasaan pemakaiannya. Ia menginginkannya menggabungkan fitur Tonal dan Ladder, mengikuti Apple Human Interface Guidelines, tampil seperti App native Apple; sekaligus bisa membaca catatan latihan sebelumnya, membuat input rekor baru jadi lebih mudah, menghasilkan grafik, menghitung skor kekuatan, bahkan membaca artikel ilmiah untuk memikirkan cara mengevaluasi perkembangan kekuatan berdasarkan bagian tubuh. Ke depannya, App itu juga bisa dihubungkan ke Apple Health untuk membaca data seperti detak jantung.
Naval menekankan, App semacam ini tidak harus menggantikan semua produk matang. Untuk kebutuhan massal seperti komunikasi, memesan kendaraan, perbankan, atau platform sosial, pasar tetap akan memiliki produk “best-of-breed” terkuat. Namun AI coding agent justru membuka kebutuhan perangkat lunak yang “sangat personal” dan “sangat niche”: App yang hanya ada untuk Anda sendiri, hanya sesuai dengan alur kerja Anda, bahkan dibuat khusus untuk segmen situasi hidup tertentu.
Itulah sebabnya ia menganggap vibe coding lebih menarik daripada bermain game. Game memberi pemain sensasi lewat umpan balik instan, hadiah misi, dan kurva tingkat kesulitan sehingga pemain tenggelam di dalamnya; tetapi itu tetap dunia tertutup yang dirancang oleh orang lain. Sementara itu, vibe coding adalah dunia terbuka: fondasinya adalah mesin Turing, tujuan pengguna bisa berkembang tanpa batas, dan bisa menghasilkan kegunaan nyata di dunia nyata.
“Kamu harus tahu apa yang kamu mau” menjadi kemampuan paling penting
Meski begitu, Naval juga menunjukkan bahwa vibe coding bukan berarti semua orang akan menjadi insinyur. Mayoritas orang masih melihat komputer sebagai kotak hitam; bahkan ketika tingkat kesulitan turun 10 kali, 100 kali, bagi mereka belum tentu itu berarti.
Yang benar-benar diuntungkan adalah mereka yang “memiliki visi yang jelas, mampu mengekspresikan dengan terang, dan punya motivasi untuk berkreasi”. Naval berpendapat, kemampuan terpenting dalam vibe coding bukanlah sintaks, melainkan tahu apa yang Anda inginkan. Saat pengguna bisa menjelaskan dengan jelas seperti apa bentuk produk seharusnya, bagaimana cara kerjanya, dan detail mana yang penting, AI dapat membantu mewujudkan gagasan tersebut menjadi prototipe yang cepat dan bisa dieksekusi.
Ia membandingkannya dengan pengalaman masa lalu saat mendirikan AirChat. AirChat adalah produk pesan sosial dengan fokus pada komunikasi suara dan video. Saat itu, ia bekerja sama dengan 8 hingga 9 insinyur, menghabiskan 9 hingga 12 bulan untuk membangun beberapa versi; pada akhirnya produk tersebut tidak berhasil, tim menjual perusahaan, membuat investor mendapatkan kembali dananya, dan memberi karyawan penempatan yang layak.
Namun di era vibe coding, ia sedang membangun ulang produk yang mirip sendirian, dan bisa sepenuhnya menyesuaikan sesuai intuisi. Dulu ketika bekerja dengan tim engineer, bahkan jika pendiri memiliki visi yang kuat pun tetap harus berkompromi terus-menerus: tidak bisa terus-menerus meminta insinyur memindahkan ikon ke kiri, lalu kanan, lalu kembali; dan tidak mungkin meminta tim mengikuti setiap keputusan intuisi. AI agent tidak memiliki ego, tidak merasa jenuh, dan tidak tersinggung hanya karena modifikasi berulang.
Naval yakin hal ini akan memperluas ruang eksplorasi kreativitas perangkat lunak. Seperti 《Minecraft》 awalnya dibuat oleh Notch seorang diri: gaya blok yang terlihat tertinggal menurut standar seni game tradisional, namun tetap mempertahankan intuisi produk milik satu orang secara utuh. Vibe coding mungkin membuat lebih banyak produk seperti itu muncul—produk yang tidak digerus oleh konsensus tim.
Apakah investasi pada wirausaha perangkat lunak murni tidak lagi layak? Naval: parit pertahanan sedang dimakan AI
Pandangan paling kontroversial dalam acara ini adalah penilaian Naval terhadap pasar modal ventura. Ia pernah memposting di platform komunitas bahwa “perangkat lunak murni sedang dengan cepat menjadi tidak layak untuk diinvestasikan”. Di Podcast, ia membuatnya lebih tegas: jika keunggulan total sebuah perusahaan hanya “saya bisa menulis perangkat lunak yang orang lain tidak bisa”, maka perusahaan itu tidak lagi memiliki nilai investasi.
Alasannya ada dua: pertama, hari ini coding agent sudah bisa merangkai banyak fungsi dengan cepat. Kedua, laju kemajuan coding agent ini sangat pesat, sehingga dalam waktu setahun bahkan lebih singkat, bisa menulis perangkat lunak dengan arsitektur yang lebih lengkap dan skalabilitas lebih baik. Dengan kata lain, parit pertahanan yang dibentuk semata-mata oleh kemampuan pengembangan fitur sedang dipersempit oleh AI.
Karena itu, Naval berpendapat bahwa modal ventura ke depan seharusnya mencari struktur parit pertahanan yang lebih sulit ditiru dengan cepat: perangkat keras, efek jaringan, model AI, keunggulan data, atau benteng struktural lainnya. Ia bahkan mengusulkan, “melatih model AI” bisa menjadi “penulisan perangkat lunak” generasi baru—setidaknya sampai riset otomatis dan pelatihan otomatis matang, model AI itu sendiri masih mungkin membentuk peluang baru untuk wirausaha dan investasi.
Ini tidak berarti ia pesimis terhadap kreator perangkat lunak personal. Sebaliknya, ia melihat ini sebagai kebangkitan kreator individu. Untuk orang yang ingin melakukan eksperimen, prototipe, dan validasi produk tahap awal, kini adalah masa terbaik dalam sejarah; namun jika produk memang harus melayani banyak pengguna, menghadapi konkurensi tinggi dan kebutuhan keamanan yang kompleks, pendiri tetap membutuhkan tim engineering yang benar-benar kuat, bahkan mungkin harus menulis ulang seluruh arsitektur.
AI sangat kuat, tapi masih butuh pengawasan manusia: model akan menuruti, juga bisa malas
Naval juga tidak menggambarkan coding agent sebagai alat serba-bisa. Ia menyoroti bahwa ketika skala kode membesar, model mulai menemui batas yang jelas.
Penyebabnya ada pada context window model yang punya batas. Jika basis kode melebihi jangkauan yang bisa “diingat” oleh model, ia akan mulai menebak, mengompres konteks, melupakan target awal, bahkan melakukan perbaikan bug dengan cara yang tidak tepat. Naval menggambarkan, model bisa jadi memperbaiki bug yang sama hingga lima kali, atau membuat tambalan cepat dengan cara yang salah secara arsitektur. Lebih buruk lagi, kadang ia menghapus fungsi atau skenario penggunaan yang menyebabkan bug, langsung karena itu.
Karena itu, selama proses pengembangan ia sering menghentikan model, meminta agar jangan melakukan hack, jangan hanya menambal patch, melainkan kembali menyelesaikan masalah pada level arsitektur. Yang lucu adalah, model biasanya langsung merespons: “Kamu benar, itu adalah hack.” Bahkan jika itu tidak selalu benar-benar hack, model tetap cenderung menuruti pengguna.
Naval memakai analogi untuk AI agent: mirip anjing pemburu. Ia bisa jadi lebih jago menangkap bebek daripada Anda, tapi jika Anda menunjuk burung yang salah, ia mungkin tetap menerjang. Artinya, manusia tetap perlu bertanggung jawab atas arah, pertimbangan arsitektur, strategi debugging, dan selera produk.
Ia juga menyebut bahwa ia akan membuat berbagai model saling memeriksa kode. Misalnya, setelah Claude menulis, kodenya didorong ke GitHub, model seperti Codex, Gemini, Grok dapat otomatis melakukan review pada pull request, seperti rapat meja bundar AI. Namun hasil nyatanya tidak sebesar yang dibayangkan, karena antar model masih ada banyak groupthink, dan jika pengguna sedikit mengarahkan jawaban ke satu arah, kebanyakan model akan ikut bergerak, jarang benar-benar membantah dengan kuat.
Mengapa coding agent berkembang paling cepat? Karena kode mudah diverifikasi
Naval berpendapat bahwa AI dalam bidang penulisan program berkembang sangat cepat karena ada alasan mendasar: kode mudah diverifikasi.
Apakah kode bisa dikompilasi, apakah pengujian bisa lulus, apakah fungsi benar-benar berjalan sukses—semuanya memberi sinyal umpan balik yang relatif jelas. Matematika juga punya karakteristik mirip, karena ada banyak materi latihan soal dan jawaban yang bisa diverifikasi; pada beberapa level, pengemudian otonom juga demikian, karena bisa membangun lingkaran umpan balik melalui banyak data dan lingkungan simulasi.
Sebaliknya, penulisan kreatif, penilaian selera, dan penelitian di bidang yang baru jauh lebih sulit. Model bisa menghasilkan artikel tanpa batas, tapi siapa yang menilai mana yang bagus atau buruk? Jika hanya mencari sekelompok tenaga berupah rendah untuk memberi label “baik” atau “buruk”, hasilnya hanya akan mencerminkan selera kelompok tersebut. Naval berpikir, agar model benar-benar meningkat, dibutuhkan “lingkaran umpan balik selera yang tinggi”, dan itu lebih sulit daripada sekadar mengumpulkan banyak data.
Ia berspekulasi, salah satu alasan model coding baru-baru ini makin kuat mungkin karena insinyur perangkat lunak terbaik mulai menggunakan model-model ini secara besar-besaran, sehingga model memperoleh kode berkualitas tinggi dan umpan balik preferensi berkualitas tinggi. Artinya, AI tidak hanya belajar dari kode, tetapi juga mulai belajar dari penilaian apa yang disebut “kode yang bagus” dari para insinyur top.
Krisis Apple: ketika pengguna tidak perlu membuka App lagi, hanya berbicara dengan AI Agent
Penilaian Naval terhadap Apple sangat agresif. Ia percaya bahwa begitu AI agent bisa menghasilkan antarmuka dan fungsi sesuai kebutuhan secara real-time, pengguna tidak perlu lagi sering membuka App, dan tidak perlu lagi bergantung pada ekosistem app yang sudah ada di iPhone.
Dulu, untuk memesan kendaraan, pengguna membuka Uber; untuk mencatat latihan kebugaran, membuka App fitness; untuk menyelesaikan suatu tugas, mencari App terkait di ponsel. Namun dalam antarmuka agentik, pengguna cukup berkata: “Tolong pesan Uber”, “Catat latihan saya”, “Bantu selesaikan hal ini”. Pada titik ini, pintu masuk sesungguhnya bukan lagi layar utama iPhone, melainkan model AI.
Naval berpendapat bahwa ini akan melemahkan keunggulan inti Apple dalam jangka panjang. Parit pertahanan Apple bukan hanya perangkat keras; melainkan juga sistem operasi, App Store, App native, integrasi ekosistem, dan antarmuka pengguna. Jika pengguna terutama berkomunikasi lewat Claude, Codex, Gemini, atau AI agent lainnya, ponsel itu sendiri akan merosot menjadi perangkat layar, baterai, dan koneksi jaringan. Pada tahap itu, Android juga bisa menyediakan kemampuan yang sama, sehingga diferensiasi Apple akan tertekan.
Ia bahkan terang-terangan menyatakan bahwa Apple yang tertinggal dalam AI bisa menjadi salah satu kesalahan strategi terbesar dalam industri teknologi generasi ini. Apple tidak akan langsung menghilang dan tetap mungkin menghasilkan banyak uang dalam jangka panjang; tetapi seperti Microsoft yang melewatkan gelombang mobile, ketika Windows bukan lagi pintu masuk inti komputasi personal, Apple juga bisa kehilangan batas pertumbuhan masa depannya dalam gelombang AI agent.
Apakah perusahaan perangkat lunak akan menjadi perusahaan satu orang? AI customer service juga bisa langsung memperbaiki bug
Naval kemudian menjelaskan alur pengembangan yang sedang ia bangun: di dalam App, ada sistem pelaporan bug. Saat pengguna melihat masalah, mereka menekan tombol; sistem kemudian mengirim log ke server. Setiap 24 jam, Claude otomatis merapikan semua laporan bug, mencoba memperbaiki masalah, lalu memasukkan perbaikan ke branch, menunggu persetujuan darinya. Ia hanya perlu menentukan pada akhirnya: apakah ini benar-benar bug? Apakah cara memperbaikinya bagus? Apakah perlu digabung dan dirilis?
Ia berpikir bahwa pengembangan fitur ke depan juga bisa menggunakan pendekatan serupa. Pengguna mengajukan kebutuhan fitur, melakukan voting dan urutan prioritas; AI agent bertugas merapikan, mendesain, mengimplementasikan, dan merespons. Pada akhirnya, seorang maintainer dengan selera produk yang menentukan fitur mana yang layak dirilis, serta fitur mana yang bahkan mungkin tidak disadari pengguna bahwa mereka menginginkannya.
Ini membuat batas antara “customer service” dan “engineering” menjadi kabur. Customer service ideal bukan hanya menjawab pertanyaan, tetapi juga memahami produk, memperbaiki bug, menulis kode, bekerja 24 jam, dan tidak merasa tersinggung: tidak akan terluka hanya karena akhirnya ditolak dan ditimpa, meski menulis banyak kode. Naval yakin bahwa model seperti ini dapat membuat perusahaan perangkat lunak satu orang atau dua orang memiliki potensi untuk melayani pengguna tingkat jutaan, bahkan puluhan juta.
Ia menyoroti bahwa sejarah sudah memiliki kasus serupa: misalnya Notch membangun 《Minecraft》 seorang diri, Satoshi Nakamoto memulai Bitcoin dengan tim yang sangat kecil, dan Instagram serta WhatsApp di tahap awal juga menciptakan pengaruh besar dengan tim kecil. Tetapi AI coding agent akan membuat keajaiban tim kecil ini terjadi lebih sering.
Vibe Coding tidak akan menghilangkan insinyur, tetapi akan mendefinisikan ulang siapa yang bisa menciptakan perangkat lunak
Pandangan Naval tentang vibe coding bukanlah “insinyur menjadi tidak penting lagi”. Sebaliknya, ketika produk bergerak ke pengguna berskala besar, tuntutan keamanan, stabilitas arsitektur, dan komersialisasi, insinyur yang benar-benar unggul tetap tidak tergantikan.
Namun perubahan yang benar-benar ia tunjukkan adalah: titik awal penciptaan perangkat lunak sedang ditulis ulang. Dulu, jarak dari ide ke prototipe dibatasi oleh sumber daya engineering, kerja sama tim, jadwal pengembangan, dan biaya. Sekarang, orang yang punya intuisi produk yang jelas dapat langsung melemparkan kebutuhan ke AI, dan dalam hitungan menit hingga beberapa jam mendapatkan versi yang benar-benar bisa dijalankan.
Hal ini akan merombak tiga hal: pertama, perangkat lunak yang dipersonalisasi akan tumbuh meledak-ledak; kedua, perusahaan rintisan yang hanya membangun parit pertahanan dari menulis fitur akan makin sulit memperoleh valuasi; ketiga, pintu masuk platform yang sudah ada seperti ponsel dan App Store akan kembali ditantang oleh AI agent.
Artikel ini 《Buku Panduan Naval》Naval: AI Agent adalah awal berakhirnya Apple, Vibe Coding orang-orang bisa bikin App pertama kali muncul di 鏈新聞 ABMedia.
