GPT-4.5, seperti pendahulunya, menghadapi beberapa tantangan dalam tugas rekayasa perangkat lunak kontributor individu (IC SWE). Tantangan -tantangan ini sangat penting karena memengaruhi kemampuan model untuk melakukan tugas rekayasa perangkat lunak secara efektif, yang semakin penting dalam industri teknologi.
Tantangan dalam tugas IC SWE
1. Kualitas dan Keandalan Kode:
- Bug dan inefisiensi: GPT-4.5, sementara mampu menghasilkan kode, dapat menghasilkan kode dengan bug atau inefisiensi. Ini mengharuskan pengawasan manusia untuk men-debug dan menyempurnakan kode yang dihasilkan, terutama dalam basis kode kompleks [3].
- Pemahaman Kontekstual Terbatas: Model mungkin berjuang untuk sepenuhnya memahami konteks basis kode atau persyaratan spesifik suatu tugas, yang mengarah ke solusi yang kurang optimal.
2. Kompleksitas tugas:
- Tantangan algoritmik: GPT-4.5 dapat menghadapi kesulitan dengan tugas yang lebih kompleks secara algoritmik, mirip dengan pendahulunya. Misalnya, tugas yang membutuhkan pemecahan masalah yang rumit atau teknik algoritmik spesifik mungkin menantang [2].
- Integrasi dengan basis kode yang ada: Model perlu secara efektif mengintegrasikan kode baru ke dalam sistem yang ada tanpa mengganggu fungsionalitas, yang dapat kompleks dan membutuhkan pemahaman yang mendalam tentang arsitektur perangkat lunak.
3. Otonomi dan kemampuan beradaptasi:
- Adaptasi dengan lingkungan baru: Sementara GPT-4.5 dapat berkinerja baik di lingkungan yang terkontrol, ia mungkin berjuang untuk beradaptasi dengan lingkungan baru atau dinamis tanpa pelatihan atau perancah tambahan [1].
- Kurangnya penilaian manusia: Dalam beberapa kasus, penilaian manusia sangat penting untuk membuat keputusan tentang kualitas kode, arsitektur, atau praktik terbaik, bidang di mana model AI saat ini gagal.
4. Keselamatan dan Keamanan:
- Identifikasi dan eksploitasi kerentanan: Meskipun GPT-4.5 tidak secara signifikan memajukan kemampuan eksploitasi kerentanan, masih membutuhkan manajemen yang cermat untuk mencegah penyalahgunaan dalam konteks keamanan siber [1].
- Hirarki instruksi dan instruksi keselamatan: Model harus mematuhi instruksi keselamatan dan memprioritaskan pesan sistem daripada input pengguna untuk mencegah penyalahgunaan atau perilaku yang tidak diinginkan [1].
5. Dampak Ekonomi dan Sosial:
-Kekhawatiran perpindahan pekerjaan: Meningkatnya penggunaan otomatisasi dalam rekayasa perangkat lunak dapat menyebabkan penurunan permintaan untuk posisi entry-level, mengharuskan pergeseran dalam pendidikan dan pelatihan untuk fokus pada keterampilan tingkat yang lebih tinggi [3].
mengatasi tantangan ini
Untuk mengatasi tantangan ini, Openai dan pengembang lain berfokus pada peningkatan ketahanan, keamanan, dan kinerja model. Ini termasuk:
- Data pelatihan yang ditingkatkan: Memperluas dan mendiversifikasi data pelatihan untuk mencakup lebih banyak skenario dan meningkatkan kemampuan beradaptasi model.
- Tindakan Keselamatan dan Keamanan: Menerapkan protokol keselamatan yang kuat untuk mencegah penyalahgunaan dan memastikan kepatuhan dengan standar etika.
- Pengawasan dan kolaborasi manusia: Mendorong kolaborasi antara insinyur manusia dan model AI untuk memanfaatkan kekuatan keduanya, memastikan pengembangan perangkat lunak berkualitas tinggi dan andal.
Dengan mengatasi tantangan ini, GPT-4.5 dan model masa depan dapat menjadi alat yang lebih efektif dalam industri rekayasa perangkat lunak.
Kutipan:
[1] https://cdn.openai.com/gpt-4-5-system-card.pdf
[2] https://www.reddit.com/r/singularity/comments/133t312/gpt4_limitations_share_your_experience_of_the_ai/
[3.
[4] https://www.vellum.ai/blog/gpt-4-5-is-heere-heres-how-good-this-model-is
[5] https://www.infoq.com/news/2025/02/openai-new-gpts/
[6] https://www.cnbc.com/2025/02/27/openai-launching-gpt-4point5-general-purpose-large-language-model.html
[7] https://www.marketingaiinstitute.com/blog/the-ai-show-episode-137
[8] https://www.robertodiasduarte.com.br/en/openai-enfrenta-desafios-e-sucessos-em-nova-fase-de-mudancas/