Teknologi artificial intelligence (AI) atau kecerdasan buatan akan mempengaruhi pengembangan perangkat lunak di Indonesia karena akan membuat pengembangan software lebih produktif, menyusul kesuksesan chatbot AI ChatGPT di pasar. "Banyak hype di luar sana tentang bagaimana AI generatif mampu membuat para pengembang software bangkrut. Menurut saya itu salah," kata Mark Porter (CTO MongoDB) dalam sebuah wawancara dengan ZDNET.
"Teknologi AI generatif membantu kami sebagai pengembang software dengan kode. Membantu kami menemukan bug dalam kode kita dan mencari dokumentasi dengan lebih cepat," kata Porter.
"Teknologi AI membantu para pengembang menulis kode dengan kualitas, kecepatan, dan kelengkapan yang selalu kami inginkan," ujarnya.
Sebelum menjadi CTO MongoDB tiga setengah tahun yang lalu, Porter memegang berbagai peran penting dalam database, termasuk menjalankan operasi database relasional untuk Amazon AWS RDS.
Ia menjalankan pengembangan teknologi inti sebagai CTO di Grab, layanan pemesanan kendaraan di Asia Tenggara, dan lebih dari satu dekade di berbagai peran di Oracle, termasuk tugas sebagai salah satu pengembang kernel database asli.
"AI adalah percepatan ekosistem pengembang software dan akan ada lebih banyak aplikasi yang ditulis," ucapnya.
Porter menekankan fungsionalitas baru MongoDB yaitu menggabungkan nilai vektor sebagai tipe data asli database.
Dengan mendukung vektor, pengembang dapat mengambil vektor konteks yang dihasilkan oleh model bahasa besar, yang merepresentasikan perkiraan jawaban untuk sebuah kueri, menyimpannya di dalam basis data, dan kemudian mengambilnya nanti dengan menggunakan pencarian relevansi yang menghasilkan jawaban yang tepat dengan parameter pemanggilan yang diperlukan.
Ketika seorang pengguna mengajukan pertanyaan kepada ChatGPT atau LLM lain, Porter menjelaskan, "Saya akan mendapatkan vektor dari pertanyaan tersebut, lalu saya akan memasukkan vektor tersebut ke dalam basis data saya, dan kemudian saya akan meminta vektor yang dekat dengannya," yang akan menghasilkan sekumpulan artikel yang relevan, sebagai contoh.
"Kemudian saya akan mengambil artikel-artikel tersebut dan meminta LLM saya dengan semua artikel tersebut, dan saya akan mengatakan, Anda tidak boleh mengatakan apa pun yang tidak ada di artikel ini, tolong jawab pertanyaan ini dengan artikel-artikel ini," ujarnya.
LLM kemudian dapat melakukan fungsi-fungsi seperti meringkas artikel yang panjang, kata Porter. "Saya suka menggunakan LLM untuk mengambil sebuah artikel dan membuatnya menjadi lebih pendek."