Anthropic Depak Git dan Ciptakan Scion: Ketika Banjir Jutaan Kode AI Agent Meremukkan Sistem Version Control

Selama hampir dua dasawarsa terakhir, jika Anda bertanya kepada pengembang perangkat lunak mana pun di dunia mengenai sistem kontrol versi yang mereka gunakan, jawabannya hampir seratus persen seragam: Git. Sejak diciptakan oleh Linus Torvalds pada tahun 2005 untuk mengelola kernel Linux, Git telah menjadi fondasi suci yang menopang seluruh industri teknologi modern. Dari proyek hobi akhir pekan, startup rintisan lokal di Indonesia, hingga korporasi teknologi raksasa global, Git adalah standar mutlak yang tak terbantahkan.

Namun sebuah artikel rekayasa perangkat lunak mendalam yang dirilis oleh laboratorium kecerdasan buatan Anthropic pada pertengahan Oktober 2026 mendadak mengguncang kemapanan tersebut. Anthropic mengumumkan secara terbuka bahwa mereka telah resmi memensiunkan Git dari repositori monorepo utama mereka, dan menggantikannya dengan sistem kontrol versi internal yang mereka bangun dari nol bernama Scion.

Alasan di balik keputusan ekstrem tersebut bukan karena rasa bosan terhadap teknologi lama, melainkan sebuah krisis infrastruktur yang nyata: kemampuan agen kecerdasan buatan Claude dalam menulis, memodifikasi, dan menguji kode ternyata terlalu masif dan cepat hingga meremukkan struktur fondasi Git yang dirancang untuk skala kerja manusia.

Ledakan Tiga Puluh Ribu Merge Sehari: Ketika Manusia Bukan Lagi Titik Hambat

Di dalam ekosistem internal Anthropic, aktivitas penulisan kode tidak lagi menjadi titik sumbat atau bottleneck utama dalam membangun sistem baru. Model-model penalaran mutakhir mereka, seperti Claude Opus dan Sonnet, kini mampu menjalankan iterasi penelitian secara mandiri, melakukan optimasi mikro pada program yang rumit, serta merancang layanan komputasi baru dari dasar dengan kecepatan luar biasa.

Dampaknya terhadap basis kode repositori sangat mencengangkan. Pada bulan Mei 2026, Anthropic mencatat rata-rata sekitar 2.500 perubahan kode atau merge yang masuk ke monorepo utama setiap harinya. Angka tersebut sudah tergolong sangat tinggi untuk standar perusahaan teknologi global. Namun hanya dalam kurun waktu empat bulan berikutnya, tepatnya pada September 2026, jumlah penggabungan kode melonjak drastis hingga melampaui angka 30.000 merge setiap hari.

Kenaikan volume lebih dari sepuluh kali lipat tersebut memicu krisis komputasi yang belum pernah terjadi sebelumnya. Untuk menjalankan pengujian integrasi berkelanjutan atau Continuous Integration, lingkungan agen mandiri, serta simulasi penelitian, sistem Anthropic melakukan lebih dari 25 juta kali proses checkout kode setiap hari.

Ukuran riwayat cabang utama mereka telah membengkak mendekati 100 gigabita, sementara salinan kerja terkompresi membutuhkan ruang penyimpanan lebih dari 25 gigabita. Jika proses checkout sebanyak 25 juta kali tersebut dilakukan dengan metode penarikan data Git secara konvensional, lalu lintas jaringan yang dihasilkan akan mencapai lebih dari 600 petabita data per hari.

Anthropic sempat mencoba berbagai solusi tambal sulam standar industri, mulai dari menerapkan sparse checkout, shallow clone, hingga mengoperasikan ratusan peladen mirror Git internal untuk mendistribusikan beban. Namun seiring dengan laju agen AI yang terus memproduksi kode setiap detik, peladen-peladen mirror tersebut kehabisan ruang disk, sinkronisasi antar cabang tertinggal jauh, dan operasi pelacakan riwayat seperti perintah diff serta blame menjadi sangat lambat hingga melumpuhkan alur kerja para insinyur.

Menata Ulang Prinsip Dasar: Mengapa Git Jebol di Era AI Otonom?

Para insinyur rekayasa di Anthropic kemudian menyadari satu kebenaran mendasar: Git dirancang dengan asumsi filosofis yang sangat indah untuk era 20 tahun silam, namun bertolak belakang dengan realitas kerja agen kecerdasan buatan masa kini.

Git dibangun sebagai sistem terdesentralisasi untuk manusia yang bekerja secara offline. Setiap pengembang yang melakukan clone diasumsikan memiliki salinan penuh repositori di laptop mereka agar dapat bekerja di dalam pesawat atau kereta tanpa sambungan internet. Setiap klien Git memiliki kemampuan komputasi yang setara dengan peladen pusat.

Sebaliknya, di lingkungan pengembangan bertenaga agen AI, seluruh klien adalah agen otonom dan lingkungan kontainer komputasi awan yang selalu tersambung ke jaringan secara online. Memaksa setiap agen untuk mengunduh puluhan gigabita riwayat proyek yang tidak mereka butuhkan adalah pemborosan sumber daya komputasi yang sia-sia.

Dari pemahaman itulah lahir sistem kontrol versi Scion, yang dibangun di atas lima pilar arsitektur baru:

• Asimetri Klien dan Peladen: Klien Scion dibuat seringan mungkin. Klien tidak perlu memproses grafik riwayat komit yang berat. Peladen pusat yang bertugas menjawab pertanyaan tentang siapa yang mengubah baris kode tertentu, menghitung perbedaan berkas, dan memproses penggabungan cabang secara instan melalui antarmuka pemrograman aplikasi atau API.
• Ketiadaan Salinan Utuh: Di dalam Scion, tidak ada satu pun mesin yang menyimpan salinan fisik monorepo secara utuh, bahkan peladen pusat sekalipun. Seluruh data dipecah menjadi objek terdistribusi yang terikat pada pangkalan data Spanner dan penyimpanan objek cloud.
• Komit Murah Tanpa Kunci Global: Di dalam Git, mendorong komit ke cabang utama sering kali membutuhkan penguncian referensi global. Di Scion, setiap unit kerja disebut sebagai changeset yang dicatat langsung ke dalam buku besar write-ahead log tanpa memblokir proses agen lain.
• Checkout Virtual Berbasis Kebutuhan: Agen yang hanya perlu memodifikasi satu modul kecil tidak akan pernah mengunduh berkas modul lain. Berkas hanya ditarik ke dalam disk lokal saat benar-benar dibaca atau dieksekusi oleh program.
• Ketersediaan Akses Data Terprogram: Seluruh operasi kontrol versi dapat diakses langsung melalui panggilan API oleh sistem otomatisasi tanpa perlu membuat folder repositori fisik terlebih dahulu.

Tabel Perbandingan Arsitektur: Git Konvensional vs Anthropic Scion

Perbedaan radikal antara pendekatan tradisional berbasis Git dengan pendekatan berbasis agen pada Scion dapat diringkas dalam tabel evaluasi teknis berikut:

Hasil nyata dari migrasi ini sangat mengagumkan. Jejak infrastruktur komputasi Anthropic menyusut hingga 200 kali lebih kecil dibandingkan saat mereka masih memelihara ratusan peladen mirror Git. Waktu yang dibutuhkan sistem Continuous Integration untuk melakukan checkout kode berkurang drastis dari beberapa menit menjadi hanya hitungan detik, yang secara otomatis menghemat kapasitas CPU armada komputasi mereka hingga 25 persen.

Tujuh Insinyur dan Lompatan Peran Pengembang di Masa Depan

Salah satu fakta paling menakjubkan dari proyek Scion adalah proses pembangunannya. Di masa lalu, merancang sistem kontrol versi baru untuk menangani monorepo raksasa kelas dunia seperti milik Google atau Meta membutuhkan waktu bertahun-tahun dengan ratusan insinyur berdedikasi tinggi. Namun sistem Scion berhasil dirancang, dibangun, dan dimigrasikan secara penuh hanya dalam waktu lima bulan oleh sebuah tim kecil yang beranggotakan tujuh orang saja.

Kunci rahasia dari kecepatan tersebut tak lain adalah bantuan model AI Claude itu sendiri. Pada tahap awal prototipe, para insinyur sempat menulis alur pipa penyerapan data secara manual. Namun ketika mereka menguji model pratinjau Claude Mythos dan memintanya merancang ulang alur tersebut, sang kecerdasan buatan menghasilkan kode baru yang mengonsumsi memori dua puluh kali lebih hemat dan berjalan empat kali lebih cepat tanpa merusak tata aturan sistem yang telah ada.

Pengalaman ini memberikan potret nyata mengenai pergeseran peran pengembang perangkat lunak di masa depan. Seluruh insinyur dalam tim Scion mengakui bahwa kecerdasan buatan saat ini jauh lebih piawai dalam mengetik kode secara cepat dan menghasilkan ribuan uji ketahanan sistem tanpa celah. Namun, nilai paling krusial dari insinyur manusia justru terletak pada kemampuan memahami batas kompromi arsitektur, menentukan arah sistem tingkat tinggi, serta keberanian mengatakan “tidak” ketika agen kecerdasan buatan mencoba membangun solusi yang terlalu rumit.

Apakah Praktisi dan Startup di Indonesia Perlu Ikut Membuang Git?

Bagi para pengembang web, mahasiswa informatika, maupun pemimpin teknologi di berbagai perusahaan di Indonesia, muncul pertanyaan logis: apakah ini pertanda kita harus segera meninggalkan GitHub dan berhenti menggunakan Git di proyek harian kita?

Jawabannya adalah tidak sama sekali. Anthropic sendiri menegaskan secara jujur bahwa Scion bukanlah perkakas yang cocok untuk konsumsi umum masyarakat luas. Kompleksitas arsitektur Scion hanya relevan untuk segelintir perusahaan teknologi raksasa dunia yang memiliki monorepo berukuran puluhan gigabita dengan ribuan agen otomatis yang membombardir komit setiap menit. Untuk sebagian besar proyek pengembangan aplikasi web, platform SaaS lokal, maupun website perusahaan di Indonesia, Git tetap menjadi alat terbaik, paling andal, dan paling ekonomis yang pernah diciptakan.

Meskipun demikian, pelajaran berharga dari inovasi Scion membuka cakrawala baru bagi kita semua. Fenomena ini membuktikan bahwa perkakas perangkat lunak yang selama ini kita anggap abadi pasti akan menghadapi batas kemampuannya ketika diterjang arus revolusi kecerdasan buatan. Memahami arah perubahan arsitektur ini akan membantu para pengembang di tanah air merancang sistem otomasi pengujian dan peladen rilis yang lebih tangguh menyongsong masa depan era kecerdasan digital.