Saya bekerja dengan banyak vibe coder, dan banyak dari mereka berasal dari sisi pemasaran atau agensi. Apa yang mereka buat sering kali berfungsi. Namun, saya terus melihat jenis masalah yang sama. AI mengambil banyak pilihan saat membangun aplikasi Anda, dan kalau Anda tidak punya keterampilan rekayasa perangkat lunak, Anda memang tidak tahu pilihan apa yang diambil atau apa yang harus ditanyakan.
Saya tidak menulis ini dari atas. Saya belajar membuat kode lewat kursus yang terstruktur, dan saya masih menemukan kesalahan seperti ini di aplikasi saya sendiri. Pada Januari 2024, saya menulis tentang menyimpan embedding yang dihasilkan dalam file CSV sebagai database darurat. Saya tahu CSV bukan pilihan terbaik untuk database, tetapi saya belum punya keterampilan untuk alternatif yang lebih baik.
Jadi, apakah saya akan menyuruh Anda berhenti dan mengambil kursus frontend, backend, dan database dulu? Saya akan bilang TIDAK. Istilah-istilah itu hanya penting karena keputusan di baliknya, jadi saya akan mulai dari pertanyaan di bawah dan mempelajari tiap konsep ketika aplikasi Anda sendiri membutuhkannya.
Pertama, apakah ini perlu dibuat?
Ketika Anda membuat sebuah alat, Anda memiliki keamanan, pemeliharaan, kepatuhan, dan pembaruannya. Pendekatan saya: buat sendiri jika kemampuan itu inti dari keunggulan bersaing Anda, dan beli jika itu infrastruktur umum. Untuk tugas yang hanya Anda kerjakan, spreadsheet dan prompt yang baik mungkin sudah cukup.
Seberapa hati-hati Anda harus bergantung pada siapa pemakainya
| Siapa pemakainya | Apa yang bisa dianggap wajar | Apa yang Anda butuhkan |
|---|---|---|
| Hanya Anda, tanpa data sensitif | Menyimpan data di file sederhana | Cara untuk membatalkan perubahan, dan kunci yang tidak ikut dalam apa pun yang Anda bagikan |
| Tim Anda | Nyaris tidak boleh ada jalan pintas, karena orang sudah bergantung padanya | Database sungguhan, login, cadangan, dan salinan terpisah untuk menguji |
| Klien atau publik | Tanpa jalan pintas | Kesembilan jawaban di bawah, uji izin dengan akun kedua, pengecekan dengan bagian Hukum tentang ke mana data pergi, dan satu orang yang ditunjuk untuk mengawasinya |
Jadi file sederhana tidak selalu salah. Itu adalah pilihan yang tidak lagi masuk akal begitu orang lain bergantung pada datanya.
Saya juga akan meluncurkannya dalam urutan itu. Mulai dari tim Anda, buktikan bahwa jawabannya akurat, baru kemudian izinkan klien masuk. Satu jawaban yang salah pada minggu pertama alat untuk klien bisa merugikan kredibilitas Anda selama berbulan-bulan.
Sembilan pertanyaan
1. Di mana data disimpan, dan apa yang terjadi jika dua orang menyimpan pada saat yang sama? Dengan file sederhana, penyimpanan satu orang bisa menimpa pekerjaan orang lain. Menangani hal ini dengan baik adalah sebagian besar alasan adanya database.
2. Apa yang berjalan di browser, dan apa yang berjalan di server? Itulah beda frontend dan backend, dan itu penting karena siapa pun yang memakai aplikasi Anda dapat memeriksa apa yang sampai ke browser mereka. Kunci API di sana bukan lagi rahasia, jadi tempatnya di server.
3. Apa yang bisa dilakukan seseorang hanya dengan kunci publik Anda tanpa akun, dan apa yang bisa dilakukan AI di dalamnya dengan sendirinya? Punya login tidak sama dengan punya izin yang benar. Jadi ujilah pada salinan lokal: masuk sebagai pengguna kedua dan coba buka data pengguna pertama. Jika aplikasi Anda punya AI di dalamnya, ajukan pertanyaan yang sama tentang AI itu. Alat apa yang bisa dipanggilnya, dan mana di antaranya yang mengubah sesuatu? Apa pun yang bisa dilakukannya sendiri, orang asing yang bisa berbicara dengannya mungkin bisa menyuruhnya melakukannya.
4. Bagaimana Anda membatalkan perubahan yang buruk? Pelajari Git secukupnya untuk membuat commit kecil dan kembali dengan bersih ketika Anda merusak sesuatu. Git menjaga kode Anda, bukan data Anda, jadi Anda juga butuh cadangan. Jika kunci asli pernah di-commit, cabut kunci itu, karena menghapus barisnya saja tidak cukup.
5. Di mana Anda bisa mencoba perubahan dengan aman? Anda butuh salinan yang bukan aplikasi live Anda, seperti versi lokal di komputer atau pratinjau, dengan data dan pengaturan sendiri. Jika Anda menguji pada data yang sama dengan yang dipakai pengguna, satu kesalahan langsung sampai ke mereka.
6. Bagaimana Anda tahu bahwa itu benar-benar berfungsi? AI bilang "selesai" tidak memberi tahu Anda apa-apa. Pada Februari 2026 saya menulis tentang saat Claude membangun apa yang tertulis di dokumen desain, sementara database produksi berkata lain. Saya membuka podcast yang dihasilkan backend produksi, dan aplikasinya crash. Lalu ada STRAŦUM, aplikasi multi-tenant yang untuknya saya menulis 83 kebijakan RLS dan menguji dengan akun SME dan Agency, yaitu aturan tentang akun mana yang boleh melihat baris mana. Saya tetap mengira memfilter dengan org_id sudah cukup untuk isolasi. Ternyata tidak, dan saya membangunnya ulang. Jadi pakai aplikasi Anda seperti orang sungguhan, dengan data nyata, dan uji tiap langkah sendiri-sendiri supaya Anda tahu dari mana kegagalan berasal.
7. Siapa yang mengawasinya, dan berapa biayanya? Perangkat lunak menjadi usang setelah Anda merilisnya, dan biasanya tidak ada yang gagal saat itu terjadi. Jalankan npm audit --omit=dev sekali hari ini, lalu jadikan pengecekan itu otomatis. Lihat juga tagihan AI Anda. Pada Agustus 2025, saya menemukan bahwa temperature yang diatur ke 0,7 alih-alih 0 menyebabkan 30% panggilan API gagal dan menghabiskan 54 dolar per bulan untuk token yang terbuang. Terakhir, putuskan apakah Anda akan mempertahankan tiap aplikasi. Dengan STRAŦUM, saya memensiunkannya dan menerbitkan v1 sebagai implementasi acuan, karena versi yang tidak jujur adalah aplikasi yang masih menerima pendaftaran sementara tidak ada yang mengawasinya. Jika tidak ada yang akan mengawasi aplikasi Anda, turunkan atau nyatakan hal itu.
8. Apakah angka dan klaim yang ditampilkannya benar, dan bisakah Anda melacak masing-masing ke sumbernya? AI akan memberi Anda angka dengan penuh percaya diri, benar atau tidak. Dalam kasus GreenLeaf di situs ini (perusahaan fiktif dengan data sintetis, dicatat pada Oktober 2026), draf laporan dari AI menulis belanja media mingguan sebesar 110.100 dolar. Angka yang sudah diperiksa untuk minggu 1 adalah 5.462 dolar. Pilih beberapa angka yang ditampilkan aplikasi Anda dan menjadi dasar orang bertindak, lalu lacak masing-masing ke asalnya.
9. Data siapa yang ada di dalamnya, ke mana perginya, dan apakah Anda boleh menaruhnya di sana? Jika Anda memasukkan data klien ke alat AI, cari tahu ke mana data itu pergi, karena paket konsumen dan paket perusahaan bisa punya kebijakan penyimpanan data yang sangat berbeda, dan informasi pribadi sebaiknya dianonimkan lebih dulu. Konsultasikan dengan bagian Hukum sebelum aplikasi Anda menyimpan data orang lain.
Apa yang perlu ditanyakan ke AI Anda
Anda belum perlu tahu jawabannya, karena Anda bisa meminta alat pemrograman Anda menunjukkannya. Sebelum mengubah apa pun, coba ini:
Sebelum mengubah apa pun, beri tahu saya di mana aplikasi ini menyimpan data, apa yang berjalan di browser, dan siapa yang bisa mengakses apa. Daftarkan tiga pilihan terbesar yang kamu ambil, apa yang akan rusak lebih dulu dengan lima pengguna, dan apa yang perlu saya putuskan. Jangan cetak nilai rahasia apa pun.
Perlakukan jawabannya sebagai titik awal, bukan bukti. Jika ia bilang data Anda terlindungi, masuklah sebagai pengguna kedua itu dan periksa sendiri.
Kapan melibatkan engineer
Jika klien atau publik akan memakai aplikasi Anda dan Anda tidak bisa menjawab pertanyaan 1 sampai 3, saya akan berhenti dan meminta seorang engineer untuk melihatnya. Saya juga akan melakukan hal yang sama jika aplikasi itu menangani pembayaran atau data pribadi. Tahu kapan harus berhenti adalah bagian dari keterampilan.
Daftar ini bukan audit keamanan, dan tidak akan menangkap semuanya. Saya pernah melakukan tinjauan keamanan pada produk saya sendiri yang tetap melewatkan sesuatu. Yang seharusnya dilakukan daftar ini adalah memperlihatkan keputusan yang selama ini Anda ambil tanpa menyadarinya.
Jika Anda pernah membuat sesuatu dengan AI, pertanyaan mana yang tidak bisa Anda jawab? Saya benar-benar ingin tahu, terutama jika ada yang terlewat oleh saya dan sudah pernah merugikan Anda.
Kalau orang lain di kantor akan memakai apa yang Anda buat, saya juga membuat Prova, checklist gratis untuk staf agensi yang menyiapkan tool AI sebelum dipakai tim. Isinya lebih pendek dan tidak seteknis daftar ini: lima pengecekan, masing-masing dengan pesan untuk dikirim atau pertanyaan untuk AI Anda, lalu ringkasan satu halaman untuk atasan Anda. Tidak perlu akun. Prova tersedia dalam bahasa Inggris, Vietnam, Jepang, Korea, dan Tionghoa.