NVIDIA Terapkan Alat Coding AI untuk 30.000 Insinyur, Produktivitas Kode Melonjak 3 Kali Lipat

IT Home pada 8 Februari melaporkan bahwa NVIDIA—salah satu penggerak utama gelombang infrastruktur dan pengembangan AI global—kini mulai memetik hasil nyata dari investasi dan upaya yang selama ini mereka dorong sendiri.

Berdasarkan informasi dari blog resmi Cursor, NVIDIA telah meluncurkan penerapan menyeluruh perangkat generatif AI di lingkungan internal perusahaan untuk hingga 30.000 insinyur. Melalui kerja sama dengan Anysphere Inc. yang berbasis di San Francisco, NVIDIA memperoleh versi kustom dari Cursor Integrated Development Environment (IDE) yang dirancang khusus untuk mendukung perancangan kode dengan bantuan AI.

Hasilnya disebut sangat signifikan: produktivitas penulisan kode para insinyur NVIDIA dilaporkan meningkat hingga tiga kali lipat dibandingkan alur pengembangan sebelumnya. Artinya, berbagai produk maupun layanan NVIDIA yang kita gunakan saat ini sangat mungkin dibangun melalui proses “dipimpin manusia, dibantu AI”, di mana keputusan dan arah tetap berada di tangan engineer, sementara AI mempercepat proses desain dan implementasi.

NVIDIA sendiri dikenal memiliki portofolio produk berstandar mission-critical, termasuk driver GPU yang menopang beragam kebutuhan—mulai dari gaming sehari-hari hingga pelatihan dan inferensi AI skala besar. Karena itu, perusahaan diyakini menerapkan standar yang sangat ketat terhadap kode yang dihasilkan, dengan pengujian serta validasi menyeluruh sebelum diterapkan ke lingkungan produksi.

Ini juga bukan kali pertama NVIDIA mengadopsi workflow berbasis AI dalam proses pengembangan produk. Perusahaan telah lama mengoperasikan superkomputer khusus dan selama bertahun-tahun terus menyempurnakan teknologi Deep Learning Super Sampling (DLSS). Bahkan, sebagian proses desain chip disebut telah dioptimalkan menggunakan perangkat AI internal.

Menariknya, NVIDIA dan Cursor menegaskan bahwa meski output kode meningkat hingga tiga kali lipat, tingkat kerentanan atau bug tetap stabil. Mereka menilai hal ini dapat dicapai berkat optimasi khusus untuk kebutuhan enterprise, sehingga penggunaan AI tetap selaras dengan tuntutan kualitas dan keandalan di lingkungan produksi nyata.