Cara Kami Memakai Claude Code di Proyek Klien (dan Apa yang Tetap Dikerjakan Manusia)

Pertanyaan yang semakin sering muncul di konsultasi awal: "Kalian pakai AI buat coding, kan? Terus saya bayar apa?" Pertanyaan yang adil, dan jawabannya layak ditulis terbuka.

Ya, kami memakai Claude Code dan alat AI sejenis di hampir semua pekerjaan sehari-hari. Artikel ini menjelaskan apa persisnya yang dikerjakan AI, apa yang tetap dikerjakan manusia, bagaimana kode dan data klien dijaga, dan bagaimana semua itu memengaruhi estimasi serta harga. Kalau kamu sedang membandingkan vendor, pertanyaan di akhir artikel bisa kamu ajukan ke siapa pun.

Apa itu Claude Code, dalam bahasa non-teknis

Claude Code adalah asisten AI yang berjalan di terminal engineer. Bedanya dengan chatbot biasa: ia bisa membaca seluruh kode proyek, mengubah banyak file sekaligus, menjalankan pengujian, membaca pesan error, dan memperbaikinya sendiri. Engineer memberi instruksi dalam bahasa biasa, misalnya "tambahkan filter tanggal di laporan penjualan dan buat pengujiannya", lalu meninjau hasilnya.

Bayangkan engineer senior yang sekarang punya asisten yang sangat cepat mengetik, hafal dokumentasi semua library, tidak pernah bosan menulis pengujian, tapi perlu diarahkan dan hasilnya perlu diperiksa.

Yang dipercepat AI

Dari pengalaman kami, AI paling berguna di pekerjaan yang jelas spesifikasinya dan mudah diverifikasi:

• Kode rutin. Form, validasi, halaman CRUD, integrasi API yang dokumentasinya jelas. Pekerjaan yang dulu memakan jam, sekarang menit.
• Pengujian otomatis. Ini perubahan terbesar. Menulis pengujian dulu sering dilewati karena membosankan. Sekarang hampir tiap fungsi punya pengujian, karena biayanya kecil.
• Membaca kode lama. Saat klien datang dengan aplikasi warisan vendor sebelumnya, AI membantu memetakan strukturnya dalam hitungan jam, bukan hari. Ini mempercepat tahap migrasi aplikasi lama.
• Dokumentasi dan terjemahan. Dokumentasi teknis, teks antarmuka dalam beberapa bahasa, catatan rilis.
• Debugging. Membaca log error dan menyarankan penyebabnya. Sering benar, kadang salah, selalu lebih cepat dari memulai dari nol.
• Prototipe. Versi kasar sebuah fitur untuk didiskusikan dengan klien di demo mingguan, sebelum dibangun dengan benar.

Yang tetap dikerjakan manusia

Bagian ini yang menentukan apakah hasilnya bisa dipercaya.

Memahami masalah bisnis. AI tidak ikut rapat dengan klien, tidak tahu bahwa "pelanggan" di bisnis kamu artinya dua hal berbeda, dan tidak tahu bahwa fitur yang diminta sebenarnya menyelesaikan masalah yang salah. Tahap discovery di SDLC kami sepenuhnya manusia.

Keputusan arsitektur. Di mana data disimpan, apa yang berjalan di server dan apa yang di perangkat, layanan mana yang dipakai, bagaimana sistem akan tumbuh. Keputusan ini menentukan biaya bertahun-tahun ke depan. Di Cuplikin, keputusan local-first adalah keputusan manusia yang mengubah seluruh struktur biaya produk.

Review setiap perubahan. Tidak ada kode yang masuk ke proyek klien tanpa dibaca engineer. Bukan dibaca sekilas, tapi dengan pertanyaan: apakah ini aman, apakah ini menangani kasus pinggiran, apakah ini akan sulit dirawat. AI cepat menulis, dan juga cepat menulis hal yang salah dengan percaya diri.

Keamanan dan data. Autentikasi, izin akses, penanganan pembayaran, dan apa pun yang menyentuh data pribadi diperiksa manual, selalu. Ini area di mana kesalahan AI paling mahal dan paling tidak terlihat.

Pengujian dengan manusia. Pengujian otomatis memastikan kode berjalan seperti yang diminta. Manusia memastikan yang diminta memang benar: mencoba alur sebagai pengguna, menemukan teks yang membingungkan, menyadari bahwa tombol penting tersembunyi.

Tanggung jawab. Kalau ada yang rusak di produksi, yang kamu telepon adalah engineer kami, bukan AI. Tanggung jawab itu yang membuat kami membaca kodenya.

Catatan jujur: AI juga mengubah kebiasaan buruk kami sendiri. Dulu, saat tenggat mendekat, pengujian adalah yang pertama dikorbankan. Sekarang tidak ada alasan, karena menulis pengujian hampir tidak memakan waktu. Di sisi lain, ada godaan baru: menerima kode yang "terlihat jalan" tanpa membacanya. Aturan kami sederhana dan tidak bisa ditawar: setiap perubahan dibaca manusia sebelum masuk. Kalau engineer tidak bisa menjelaskan kenapa sebuah kode ada di situ, kode itu tidak masuk.

Bagaimana kode dan data klien dijaga

Ini bagian yang sering ditanyakan klien yang punya kebijakan keamanan, dan harus dijawab spesifik:

• Kode klien tetap di repository milik klien, dengan akses yang bisa dicabut kapan saja. Ini aturan kami terlepas dari AI, dan kami bahas di checklist memilih software house.
• Akun AI yang dipakai adalah akun bisnis dengan ketentuan bahwa data tidak dipakai untuk melatih model. Potongan kode memang dikirim ke penyedia AI untuk diproses; itulah cara alat ini bekerja, dan kami tidak akan berpura-pura sebaliknya.
• Data produksi tidak pernah masuk ke alat AI. Data pelanggan, kredensial, kunci API, dan rahasia lain dikelola terpisah dan tidak ada di konteks yang dibaca AI. Untuk pengembangan dipakai data tiruan.
• Bisa disesuaikan per kontrak. Beberapa klien meminta pembatasan tambahan, misalnya tanpa alat AI untuk modul tertentu, atau hanya model yang dijalankan sendiri. Kami menyesuaikan dan menjelaskan dampaknya ke jadwal.

Efeknya ke estimasi dan harga

Pertanyaan "jadi lebih murah, kan?" jawabannya: tergantung, dan kami lebih suka jujur daripada menjanjikan angka.

Yang berubah pasti:

• Estimasi lebih akurat. Bagian yang dulu sulit ditaksir, seperti integrasi API pihak ketiga, sekarang lebih bisa diprediksi karena prototipenya bisa dibuat dalam hitungan jam untuk melihat kesulitannya.
• Porsi waktu bergeser. Lebih sedikit waktu mengetik, lebih banyak waktu untuk review, pengujian, dan diskusi dengan klien. Total jam untuk proyek sederhana memang turun. Untuk proyek dengan banyak aturan bisnis, penghematannya lebih kecil, karena bagian sulitnya bukan mengetik.
• Prototipe jadi bagian dari discovery. Daripada berdebat di atas dokumen, kami sering langsung menunjukkan versi kasar di demo mingguan.

Yang tidak berubah: biaya berjalan setelah rilis (server, layanan AI kalau ada, pemeliharaan) dan waktu yang dibutuhkan untuk memahami bisnis kamu. Kisaran biaya proyek tetap seperti yang kami tulis di biaya bikin aplikasi di Indonesia 2026, dengan catatan bahwa proyek sederhana sekarang ada di ujung bawah kisaran itu.

Pertanyaan untuk vendor mana pun

Kalau kamu sedang membandingkan software house, tanyakan ini, termasuk ke kami:

1. Apakah kalian memakai AI untuk menulis kode? Jawaban "tidak" di 2026 kemungkinan besar tidak jujur atau tidak efisien.
2. Siapa yang membaca kode yang ditulis AI sebelum masuk ke proyek saya?
3. Bagian mana yang tidak boleh dikerjakan AI di proses kalian?
4. Apakah kode saya dikirim ke penyedia AI, dengan ketentuan apa, dan bisakah dibatasi?
5. Apa yang terjadi kalau kode buatan AI menyebabkan masalah di produksi? Siapa yang bertanggung jawab?

Jawaban yang baik bersifat spesifik dan mengakui batasan. Jawaban yang hanya berisi "kami pakai AI jadi lebih cepat dan murah" adalah tanda untuk bertanya lebih jauh. Kriteria lain untuk menilai vendor AI kami tulis di memilih mitra pengembangan AI yang andal.

Langkah selanjutnya

Kalau kamu ingin tahu bagaimana proses ini diterapkan ke proyekmu, atau punya kebijakan keamanan yang perlu kami sesuaikan, ceritakan ke kami untuk konsultasi awal gratis, atau chat lewat WhatsApp. Kalau kamu sudah mencoba membuat sendiri dengan AI, baca dulu vibe coding untuk pemilik bisnis.