Graham Bartley membahas perannya dalam lanskap rekayasa perangkat lunak dan evolusi pekerjaannya selama beberapa tahun terakhir.
“Tidak ada dua hari yang persis sama, yang merupakan bagian dari apa yang membuat pekerjaan tetap menarik,” insinyur perangkat lunak senior Yahoo, Graham Bartley, mengatakan kepada SiliconRepublic.com.
“Pada hari-hari ketika saya pergi ke kantor Dublin, saya biasanya menghabiskan jam pertama di pagi hari untuk menikmati teh dan bertemu langsung dengan rekan kerja saya,” katanya.
“Saya selalu senang mendengarkan cerita mereka, belajar sedikit tentang apa yang sedang mereka kerjakan dan melihat peluang untuk berkolaborasi.
“Pada hari-hari terpencil, saya biasanya memulai dengan memeriksa papan Jira regu kami dan setiap diskusi Slack semalaman. Saya memimpin regu bernama Optimus, yang merupakan tim backend inti generatif AI (GenAI) Yahoo Demand Side Platform (DSP), jadi sering kali ada rangkaian pesan yang harus diikuti dari anggota regu saya atau pertanyaan desain dari salah satu regu lain yang kami dukung.”
Dari sana, hari Bartley adalah gabungan dari penulisan kode, meninjau permintaan penarikan, pekerjaan desain, mengelola tiket Jira, dan menerima panggilan dengan anggota regu. Pada suatu hari coding, dia mungkin menemukan dirinya membangun titik akhir API baru untuk agen pemecahan masalah Yahoo, menulis tes integrasi atau melakukan debug masalah produksi secara end-to-end di berbagai layanan.
“Biasanya ada beberapa pertemuan, termasuk standup regu harian kami, panggilan individu dengan masing-masing anggota regu, sinkronisasi lintas tim dengan regu lain, pertemuan arsitektur, dan sesi jam kerja di mana para insinyur mempresentasikan desain untuk mendapatkan masukan.
“Saya mencoba untuk melindungi blok waktu fokus untuk pekerjaan yang mendalam, namun menjadi pemimpin pasukan berarti selalu tersedia ketika seseorang membutuhkan dukungan.”
Sebagai insinyur perangkat lunak senior, bagaimana peran Anda sesuai dengan industri perangkat lunak yang lebih luas?
Saya bekerja pada DSP Yahoo, yang merupakan teknologi di balik cara pengiklan merencanakan, menargetkan, dan mengoptimalkan kampanye periklanan digital di seluruh saluran seperti seluler, TV yang terhubung, desktop, dan audio. Ini adalah bagian besar dari apa yang disebut periklanan terprogram dan merupakan ruang yang terus berkembang.
Fokus saya saat ini adalah menerapkan GenAI untuk menjadikan platform lebih cerdas dan intuitif. Saya memimpin tim yang membuat fitur pertama yang didukung GenAI dari Yahoo DSP, agen pemecahan masalah AI yang membantu pengiklan memahami mengapa kampanye mereka mungkin kurang tayang dan apa yang dapat mereka lakukan untuk mengatasinya.
Keterampilan apa yang Anda gunakan sehari-hari dan bagaimana perkembangannya seiring berjalannya waktu?
Sehari-hari, saya menulis Python dan Java, mendesain API dan sistem terdistribusi, meninjau kode, dan mengerjakan keseluruhan skema database melalui layanan backend hingga komponen UI, meskipun baru-baru ini fokus saya sepenuhnya berada di backend karena itu adalah tanggung jawab tim saya. Saya juga merancang arsitektur teknis, menulis dokumen desain, dan memberikan presentasi kepada audiens teknis dan non-teknis.
Luasnya apa yang saya lakukan telah berkembang pesat seiring berjalannya waktu. Di awal karir saya, saya dengan cepat menulis kode dan memberikan fitur dalam beberapa basis kode berdasarkan tiket Jira yang ditugaskan kepada saya. Sekarang saya menghabiskan banyak waktu untuk merancang sistem, koordinasi lintas tim, dan menetapkan arahan teknis seperti halnya saya menulis kode.
Pergeseran terbesar baru-baru ini adalah AI, baik dalam apa yang saya buat maupun cara saya membangunnya. Di sisi produk, saya telah mendalami model bahasa besar, kerangka kerja agen, protokol konteks model, basis data vektor, basis pengetahuan, dan jalur evaluasi untuk keluaran AI non-deterministik. Dua tahun lalu, tidak ada satupun yang menjadi bagian dari kosakata harian saya.
Apa bagian tersulit dalam hari kerja Anda dan bagaimana Anda mengatasinya?
Peralihan konteks mungkin merupakan tantangan terbesar. Sebagai pemimpin regu dan pemilik kode di banyak repositori, saya mungkin beralih dari sesi debugging mendalam ke tinjauan desain hingga diskusi Slack lintas tim tentang arsitektur autentikasi, semuanya dalam beberapa jam. Setiap konteks memerlukan perhatian penuh dan transisinya memerlukan biaya yang besar. Saya menavigasi hal itu dengan bersikap disiplin dalam pemblokiran waktu. Saya melindungi pagi hari untuk pekerjaan teknis mendalam jika memungkinkan dan mengelompokkan pertemuan di sore hari. Saya juga banyak menggunakan catatan dan dokumentasi terstruktur. Jika saya terganggu di tengah tugas, saya ingin dapat melanjutkan tepat di bagian terakhir yang saya tinggalkan.
Alat AI juga membantu dalam hal ini. Mampu kembali ke sesi Claude Code dan mengatakan ‘di sinilah saya berada, inilah yang saya coba lakukan’ dan merekonstruksi konteksnya benar-benar berguna.
Bekerja jarak jauh dari Irlandia dengan tim yang tersebar secara global dapat menimbulkan beberapa tantangan, seperti bekerja di luar jam kerja untuk berinteraksi dengan rekan kerja di luar negeri. Mengelola hal ini jelas merupakan keterampilan tersendiri dan bisa jadi sulit karena akan terasa sangat produktif jika bekerja lembur ketika rekan kerja di Amerika ada, misalnya.
Saya mencoba untuk sadar mengganti jam kerja lembur untuk menjaga keseimbangan kehidupan kerja, namun tentu saja sulit untuk menyeimbangkan perasaan produktivitas dengan kenyataan kelelahan.
Apakah peran Anda berubah seiring dengan pertumbuhan dan perkembangan sektor ini?
Secara signifikan. Saat saya mulai, pekerjaan teknik di DSP sebagian besar tentang membangun fitur dalam aplikasi CRUD yang andal dan mengoptimalkan alur kerja penyajian. Evolusi terbesar sejak saat itu adalah hadirnya GenAI. Pada akhir tahun 2024, saya menjadi bagian dari kelompok kerja kecil yang mengeksplorasi bagaimana GenAI dapat diterapkan pada produk kami. Dalam beberapa bulan, pekerjaan eksplorasi tersebut menjadi inisiatif strategis penuh. Saya beralih dari memimpin tim media perdagangan menjadi mendirikan dan memimpin tim GenAI pertama Yahoo DSP.
Cara kami membangun perangkat lunak juga berubah. Setahun yang lalu, tim kami menulis kode dengan cara tradisional. Sekarang kami menggunakan asisten pengkodean AI setiap hari. Ini masih tahap awal dan masih ada kurva pembelajaran yang nyata. Kami menemukan bahwa AI bekerja dengan sangat baik untuk tugas-tugas yang terdefinisi dengan baik dan terbatas, namun kesulitan mengatasi masalah lintas sektoral yang mencakup banyak layanan dan konteks yang luas. Mengetahui kapan harus bersandar pada hal itu dan kapan harus mundur dan berpikir sendiri adalah keterampilan tersendiri.
Model organisasinya juga berubah. Kami telah beralih dari struktur tim tradisional ke model ‘pasukan, suku, cabang, dan serikat’, yang lebih menekankan pada kolaborasi lintas fungsi dan penyampaian otonom. Peran saya telah bergeser dari sekadar menulis kode menjadi pemimpin teknis yang menentukan arah, menetapkan standar, dan memungkinkan tim lain membangun fondasi yang kita buat bersama.
Adakah yang Anda ketahui sekarang tentang bekerja dengan perangkat lunak yang Anda harap Anda ketahui sejak awal?
Saya berharap saya tahu lebih banyak tentang keseimbangan kehidupan kerja dan mengenali tanda-tanda kelelahan. Di awal karir saya, saya mempunyai kecenderungan untuk terus maju dan butuh beberapa saat bagi saya untuk menyadari bahwa hal ini tidak berkelanjutan. Sekarang saya lebih berhati-hati dalam mengatur waktu, melindungi energi, dan mengetahui kapan harus menjauh dari masalah. Anda sebenarnya kembali lebih tajam ketika Anda melakukannya.
Saya juga berharap saya bisa lebih menantang asumsi. Saat Anda memulai, wajar untuk menganggap persyaratan dan desain yang ada begitu saja. Namun ketika saya menjadi lebih senior dan melakukan lebih banyak pekerjaan desain, saya menemukan bahwa beberapa peningkatan terbesar datang dari pertanyaan mengapa sesuatu bisa terjadi. Solusi terbaik sering kali datang dengan mendorong kembali premis, bukan hanya mengoptimalkan batasan yang diberikan kepada Anda.
Nasihat apa yang Anda miliki untuk orang lain yang ingin mengikuti jejak profesional Anda?
Jangan takut untuk mengatakan ‘Saya tidak tahu’ dan kemudian belajar. Ini sangat penting. Insinyur terbaik yang pernah bekerja dengan saya bukanlah mereka yang mengetahui segalanya. Mereka adalah orang-orang yang belajar dengan cepat dan tidak malu menjadi pemula dalam sesuatu yang baru. Menjadi mentor juga berarti menjadi mentee dan saya belajar banyak dari para engineer yang saya bimbing. Setahun yang lalu, saya belum pernah membuat agen AI. Sekarang saya memimpin tim yang membangunnya.