Kecerdasan buatan (AI) kini semakin sering digunakan untuk membantu programmer menulis kode, termasuk kode MATLAB. Namun, meskipun AI seperti Claude, Gemini, atau ChatGPT sangat canggih, mereka tidak selalu memahami semua fitur khusus yang ada di MATLAB. Karena itu, MathWorks mengembangkan sebuah konsep yang disebut AI Skill, yaitu kumpulan pengetahuan tambahan yang membantu AI bekerja lebih akurat saat membuat kode MATLAB.
Artikel ini membahas bagaimana tim MathWorks mengembangkan sebuah AI Skill khusus untuk fitur Object-Relational Mapping (ORM) pada Database Toolbox MATLAB, serta pelajaran penting yang mereka dapatkan selama proses tersebut.
Mengapa Memilih ORM?
ORM atau Object-Relational Mapping adalah teknik yang memungkinkan programmer berinteraksi dengan database menggunakan objek dan kelas, tanpa harus menulis banyak perintah SQL secara manual.
Saat tim MathWorks mulai menguji kemampuan AI dalam menggunakan Database Toolbox, mereka mencoba memberikan berbagai pertanyaan yang biasa diajukan pengguna di forum MATLAB dan Stack Overflow. Hasilnya cukup menarik.
Untuk tugas sederhana seperti membuat koneksi ke database atau menjalankan query dasar, AI mampu memberikan jawaban yang cukup baik. Namun ketika diminta membuat alur kerja ORM yang lebih kompleks, AI sering kali gagal.
Masalahnya bukan karena AI tidak mengetahui konsep ORM. Justru sebaliknya, AI terlalu percaya diri dengan pengetahuan ORM yang dipelajarinya dari bahasa pemrograman lain seperti Python, Java, atau C#.
Akibatnya, AI sering membuat kode MATLAB yang terlihat benar tetapi sebenarnya tidak dapat dijalankan.
Ketika Prompt yang Lebih Baik Tidak Lagi Membantu
Awalnya, pengembang mengira masalah tersebut bisa diselesaikan dengan membuat prompt yang lebih detail.
Mereka mencoba:
-
Menambahkan konteks lebih banyak
-
Menjelaskan versi MATLAB yang digunakan
-
Memberikan instruksi yang lebih spesifik
Namun hasilnya tetap tidak konsisten.
Salah satu contoh kesalahan yang sering muncul adalah AI membuat fungsi bernama ormdelete. Secara logika, fungsi tersebut memang terdengar masuk akal karena ada fungsi seperti:
-
ormread
-
ormwrite
-
ormupdate
Di banyak framework ORM populer, biasanya memang ada fungsi delete untuk melengkapi operasi CRUD (Create, Read, Update, Delete).
Sayangnya, fungsi ormdelete tidak pernah ada di MATLAB.
AI tidak sedang berbohong. Ia hanya menebak berdasarkan pola yang pernah dipelajarinya dari bahasa pemrograman lain.
Di sinilah tim MathWorks menyadari bahwa mereka membutuhkan sesuatu yang lebih dari sekadar prompt. Mereka membutuhkan sebuah Skill yang secara khusus mengajarkan MATLAB ORM kepada AI.
Bagaimana Skill ORM Dibuat?
Setelah mengetahui sumber masalahnya, langkah berikutnya adalah merancang skill yang benar-benar membantu AI.
Tim pengembang mempelajari berbagai skill yang sudah ada di MATLAB Agentic Toolkit dan menemukan beberapa prinsip penting.
1. Informasi paling penting harus ditaruh di awal
AI tidak selalu membaca seluruh dokumen skill. Oleh karena itu, aturan yang paling penting harus ditempatkan di bagian atas.
2. Struktur harus konsisten
Semua skill menggunakan format dan penamaan yang sama agar AI dapat memahami dan menemukan informasi dengan cepat.
3. Fokus pada hal yang sering salah
Skill tidak perlu menjelaskan semua hal.
Jika AI sudah memahami suatu konsep dengan baik, tidak perlu dimasukkan ke dalam skill. Fokus hanya pada bagian yang sering menyebabkan kesalahan.
4. Informasi diberikan bertahap
Kasus sederhana dijelaskan terlebih dahulu. Detail yang lebih kompleks hanya diberikan jika diperlukan.
Kesalahan Kecil yang Berdampak Besar
Saat menguji kemampuan AI, tim menemukan bahwa banyak kesalahan muncul karena perbedaan kecil antara MATLAB dan bahasa pemrograman lain.
Sebagai contoh, AI berhasil membuat sebuah kelas ORM yang tampak benar.
Namun setelah diperiksa lebih lanjut, terdapat dua masalah besar:
Superclass yang salah
AI menggunakan:
database.orm.Mappable
Padahal yang benar adalah:
database.orm.mixin.Mappable
Kesalahan kecil ini membuat kode langsung gagal dijalankan.
Konstruktor tidak mendukung objek kosong
Saat MATLAB membaca data dari database menggunakan fungsi ORM, sistem akan membuat objek kosong terlebih dahulu sebelum mengisi data ke dalamnya.
Karena AI tidak memahami perilaku ini, ia membuat konstruktor tanpa pemeriksaan:
nargin == 0
Akibatnya, proses pembacaan data gagal saat runtime.
Pengembang yang memahami cara kerja ORM MATLAB mengetahui bahwa aturan ini sangat penting, sehingga akhirnya dimasukkan ke dalam skill.
Skill Harus Terus Diuji dan Diperbaiki
Membuat skill ternyata bukan pekerjaan sekali jadi.
Setelah versi awal selesai dibuat, tim melakukan proses berulang:
-
Menguji skill pada AI
-
Menjalankan kode yang dihasilkan
-
Mencari kesalahan
-
Memperbaiki skill
-
Mengulang proses
Menariknya, skill yang bekerja sangat baik pada satu model AI belum tentu bekerja sama baiknya pada model lain.
Karena itu, skill terus diperbarui seiring perkembangan model AI dan fitur MATLAB yang baru.
Pelajaran Penting dari Proyek Ini
Salah satu pelajaran terbesar yang diperoleh tim adalah:
Jangan berasumsi apa yang salah pada AI. Ujilah terlebih dahulu.
Banyak orang langsung membuat solusi berdasarkan dugaan. Namun tim MathWorks memilih untuk menjalankan kode yang dibuat AI, melihat kesalahan nyata yang muncul, lalu membangun skill berdasarkan bukti tersebut.
Pendekatan ini membuat skill yang dihasilkan jauh lebih efektif.
Kesimpulan
Pengembangan AI Skill untuk MATLAB menunjukkan bahwa AI tidak selalu membutuhkan model yang lebih besar atau prompt yang lebih panjang. Terkadang yang dibutuhkan hanyalah pengetahuan tambahan yang tepat.
Dengan memberikan skill khusus ORM, AI dapat menghasilkan kode MATLAB yang lebih akurat, lebih cepat, dan lebih hemat biaya dibandingkan hanya mengandalkan pengetahuan bawaan model.
Bagi pengguna MATLAB, pendekatan ini membuka peluang besar untuk memanfaatkan AI secara lebih produktif. Sementara bagi pengembang AI, proyek ini memberikan pelajaran bahwa kualitas hasil sering kali ditentukan oleh seberapa baik kita memahami masalah yang sebenarnya, bukan hanya seberapa canggih teknologi yang digunakan.
mathworks Indonesia merupakan bagian dari PT. iLogo Infralogy Indonesia, yang bertindak sebagai partner resmi mathworks.
Selain itu, kami juga berperan sebagai penyedia layanan (vendor) sekaligus distributor berbagai produk Infrastruktur IT dan Cybersecurity terbaik di Indonesia.
