Catatan Lapangan ③: Kajian arsitektur dengan prototipe 2 hari + pengukuran nyata

Studi kasus penerapan AI

Saat memindahkan sistem lama ke platform baru, hal pertama yang muncul adalah kajian arsitektur. Dengan cara konvensional, ini menyita tenaga selama sekitar satu bulan. Hasilnya berupa tabel perbandingan di atas kertas dan perkiraan kasar. Masalahnya, kebenaran tabel perbandingan itutak seorang pun bisa memastikannya sampai pengembangan produksi dimulai. "Ternyata arsitektur yang dipilih tidak memenuhi persyaratan kinerja" biasanya baru ketahuan ketika sudah tidak bisa mundur lagi. Pada proyek kali ini, kami membuang cara tersebut.

Membuat "prototipe yang berfungsi" dalam 2 hari, dan memutuskan berdasarkan pengukuran nyata.

• 1. Analisis sistem saat ini — Dengan agen AI (Claude Code) kami menyisir seluruh tampilan, fungsi, dan hak akses sistem saat ini, lalu merangkumnya menjadi matriks per peran berisi 14 tampilan, 45 fungsi, dan 527 item, serta daftar 46 isu lengkap dengan kategori penanganannya
• 2. Pembangunan prototipe (2 hari kerja) — Persis dengan arsitektur yang sedang dikaji, kami membangun prototipe yang berfungsi berupa API + tampilan demo. Skalanya sekitar 66.000 baris (API sekitar 27.000 baris + tampilan sekitar 39.000 baris)
• 3. Memasukkan data dan mengukurnya secara nyata — Kami memasukkan 10.000 data dan mengukur respons seluruh API dan seluruh tampilan. "Arsitektur ini, pada skala ini, menghasilkan kecepatan ini" pun menjadi angka

Karena diukur secara nyata, baik penurunan kinerja maupun penanganannya dapat dibicarakan sebagai "fakta".

Pada pengukuran pertama dengan 10.000 data, sebagian API memakan 22 detik dan tampilan layar melampaui 90 detik. Bila hanya kajian di atas kertas, di titik ini kita harus kembali ke awal, tetapi karena ada barang nyatanya,kita dapat menentukan bagian mana yang lambat dan menanganinya. Mulai dari peninjauan ulang desain indeks hingga perubahan pola akses, kami menerapkan penanganan dalam 4 tahap dan mengukur ulang, dan hasilnya —seluruh API turun dari 22 detik menjadi di bawah 3 detik, seluruh tampilan dari lebih 90 detik menjadi kisaran 2 detik. Untuk pengambilan tunggal, kami memastikan lewat pengukuran nyata adanya peningkatan 600 kali lipat. Karena kami memfinalisasi arsitektur bersama angka-angka ini, kekhawatiran "jangan-jangan kinerjanya tidak keluar di produksi" pun ikut terhapus.

Anggapan lazim tentang "penyelidikan" pun berubah.

Inti dari cara ini bukanlah kecepatannya semata.bahan pengambilan keputusan berubah dari "dugaan" menjadi "pengukuran nyata"-lah intinya. Tabel perbandingan di atas kertas berubah menjadi prototipe yang berfungsi dan data pengukuran; "mungkin akan sanggup" berubah menjadi "pada skala ini, waktu respons segini"; dan momen ketahuannya bergeser dari saat pengembangan produksi ke saat kajian arsitektur (= tahap yang masih bisa diulang sesuka hati). Prototipe kini dapat dibuat dengan biaya yang tak sayang untuk dibuang. Karena itu, buat dulu baru putuskan. Cara menjalankan kajian arsitektur, pemilihan teknologi, dan PoC telah ditulis ulang dari akarnya sejak hadirnya agen AI.

Apakah Anda menghadapi situasi yang sama?

"Tak bisa menetapkan arsitektur sistem baru", "tak bisa menilai apakah usulan vendor itu wajar", "tak mau menghabiskan berbulan-bulan untuk PoC" — kajian itu, mari jalankan dengansesuatu yang berfungsi + nilai terukur.

Seri "Catatan Lapangan Legacy to AI"

• Rangkuman: 22 sistem dan 246 ribu baris pada satu PC — catatan terukur pengembangan AI selama 3,5 bulan
• Catatan Lapangan ①: Memperbarui total Java berusia 20 tahun dalam sekitar satu minggu
• Catatan Lapangan ②: Membuat pintu masuk baru ke sistem inti tanpa mengubah satu baris pun kode yang ada
• Catatan Lapangan ③: Menuntaskan kajian arsitektur sebulan dengan prototipe 2 hari + pengukuran nyata (artikel ini)

*Angka dalam artikel ini adalah nilai terukur per akhir Juli 2026. Hasil pengembangan berbeda-beda tergantung kondisi dan kebutuhan sistem.