General Motors telah merancang ulang alur kerja rekayasa di divisi kendaraan otonomnya dengan memanfaatkan agen AI secara menyeluruh. Langkah ini menghasilkan peningkatan signifikan dalam jumlah pull request yang digabungkan, mencapai tiga kali lipat dibandingkan sebelumnya. Menurut Rashed Haq, VP Autonomous Vehicles GM, para insinyur perangkat lunak sebelumnya hanya menghabiskan 15 persen waktu mereka untuk menulis kode. Sisanya digunakan untuk tugas seperti analisis data kendaraan, triase masalah, eksperimen, dan pengujian perbaikan.
GM tidak sekadar menambahkan asisten coding berbasis AI, melainkan membangun ulang seluruh proses rekayasa di sekitar agen otonom. Pendekatan ini mencakup pembagian pekerjaan menjadi beberapa loop utama, yaitu pengembangan dan pengujian dalam simulasi, pengujian di jalan umum, serta pemantauan pasca-pengiriman ke pelanggan. Setiap loop dianalisis untuk mengidentifikasi bottleneck terpanjang, yang kemudian diotomatisasi secara bertahap.
Agen AI diberi akses ke alat internal dan data dalam skala petabyte melalui server Model Context Protocol yang disesuaikan. Selain itu, GM mengembangkan dokumen instruksi berversi yang disebut skills untuk memandu agen dalam menjalankan tugas spesifik. Salah satu aplikasi utama adalah analisis data telemetri dari kendaraan di jalan umum, di mana agen dapat melakukan triase awal dan membuat laporan masalah untuk ditindaklanjuti insinyur.
Output yang dihasilkan agen tetap harus mudah dipahami manusia. Agen menyajikan temuan dalam format yang dapat dibaca, termasuk lokasi komponen yang terpengaruh dan contoh insiden serupa dari data historis. Izin akses agen disesuaikan dengan hak akses insinyur yang menggunakannya, sehingga akuntabilitas tetap berada pada manusia di titik pengambilan keputusan kritis.
Selain itu, agen latar belakang digunakan untuk menjalankan eksperimen machine learning secara paralel. Insinyur menetapkan parameter eksperimen, lalu agen mengeksekusi pengujian dan mengumpulkan hasilnya. GM juga menugaskan empat insinyur khusus untuk mendampingi tim rekayasa dalam mengadopsi platform agen ini, membantu mengidentifikasi alur kerja yang efektif, dan menyebarkan praktik terbaik.
Peningkatan kecepatan rilis fitur baru disertai penurunan jumlah bug yang lolos ke tahap pengembangan selanjutnya. GM telah menetapkan pengukuran performa dan pengujian terstruktur sebelum mempercepat alur kerja secara luas. Insinyur tetap meninjau hasil pengukuran tersebut untuk memastikan setiap pengujian masih relevan dengan tujuan awalnya.
Dalam konteks industri otomotif yang semakin bergantung pada perangkat lunak, pendekatan GM menunjukkan bahwa integrasi agen AI dapat memperpendek siklus pengembangan tanpa mengorbankan kualitas. Hal ini berpotensi mempercepat adopsi teknologi kendaraan otonom di pasar yang kompetitif. Selain itu, model ini membuka peluang bagi perusahaan lain untuk mengevaluasi ulang proses internal mereka, terutama di bidang yang memerlukan pengolahan data skala besar seperti simulasi dan pemantauan real-time.
