Perplexity Percayakan Sistem Production ke GPT-6 Astra

Tim engineering yang biasanya kudu mantengin log server tiap beberapa menit, sekarang bisa kasih tugas ke model dan baru dicek lagi besok paginya.

Apa yang baru

• Astra nulis komunikasi sampai ubah software produksi: Perplexity pakai GPT-6 Astra buat menulis komunikasi internal, mengubah kode yang sudah jalan di production, dan memonitor sistemnya — dengan frekuensi cek yang jauh lebih jarang dibanding model-model sebelumnya.
• Testing end-to-end otomatis: model ini bisa bikin program testing kecil yang mensimulasikan respons layanan eksternal seperti API model bahasa atau connector, buat ngecek alur kerja aplikasi dari awal sampai akhir.
• Search engine ikut membaik: menurut Cofounder dan Chief Strategy Officer Perplexity, Johnny Ho, tiap kali model makin jago nulis kode, mesin pencari Perplexity ikut lebih jago nyari dan merangkum informasi web serta data internal secara ringkas.
• Kepercayaan makin gede ke sistem penuh: Johnny bilang timnya sekarang bisa mempercayakan sistem end-to-end penuh ke Astra dan cek jauh lebih jarang dibanding generasi model sebelumnya.

Cara kerjanya

Bagian paling sering dipakai Johnny adalah testing kode. Karena waktu buat ngetes manual terbatas, dia minta Astra bikin program testing kecil di sekitar aplikasinya.

Program itu berperan kayak stunt double di film aksi — bukan pemeran utama asli, tapi responnya cukup mirip buat ngetes adegan berbahaya tanpa harus pakai yang asli. Astra menghasilkan respons realistis seolah-olah dari layanan lain, misalnya API model bahasa atau connector pihak ketiga, sehingga alur kerja aplikasi bisa dites dari ujung ke ujung tanpa nunggu layanan aslinya siap atau berisiko kena downtime.

Kenapa ini penting

Buat developer dan startup Indonesia yang tim engineering-nya kecil, ini nawarin cara ngurangin beban manual testing yang biasanya makan waktu paling banyak sebelum deploy. Alih-alih nulis test suite dari nol tiap kali ada perubahan, Astra bisa dipakai bikin simulasi layanan eksternal secara otomatis.

Ini juga nyambung ke isu yang udah dibahas soal Astra dan pengawasan yang makin longgar — makin model dipercaya megang sistem production tanpa cek ketat, makin penting juga standar review sebelum kode itu beneran nyentuh user asli.

Buat startup yang ngejar kecepatan rilis, ini bisa jadi jalan buat deploy lebih sering tanpa nambah headcount QA. Tapi kepercayaan itu harus dibangun bertahap, bukan langsung all-in di hari pertama.

Buat kalian

• Yang harus peduli: kalian yang punya production system dengan test coverage minim dan waktu ngetes manual yang selalu kepepet deadline.
• Yang boleh santai: kalau sistem kalian masih kecil dan gampang dites manual dalam hitungan menit, belum ada urgensi buat ganti workflow sekarang.
• Langkah kecil pertama: coba minta model bikin satu program testing kecil buat satu endpoint yang paling sering berubah, bandingin hasilnya sama test manual yang biasa kalian jalanin, baru perluas kalau hasilnya konsisten.

Yang bikin cerita Perplexity ini menarik bukan soal Astra doang — tapi soal pergeseran kepercayaan dari "AI bantu nulis kode" ke "AI dikasih tanggung jawab jaga sistem jalan". Itu pola yang bakal kalian temuin lagi di tool apa pun lima tahun ke depan, dan cara ngukur kesiapan tim kalian buat pergeseran itu yang gw latih bareng murid-murid di kelas gw.

Sumber primer: pengumuman resmi OpenAI (openai.com/index/perplexity-improving-accuracy-with-astra).