AI bikin kontribusi open source kelihatan gampang: generate patch, buka pull request, tunggu merge. Masalahnya, maintainer nggak menerima “output AI”. Mereka menerima tanggung jawab dari orang yang submit.
Artikel ini ngebahas kenapa diskusi Debian soal penggunaan LLM penting buat developer yang mulai pakai AI untuk kontribusi open source. Intinya sederhana: AI boleh bantu, tapi owner manusia tetap harus bisa menjelaskan perubahan, memastikan lisensi aman, menjalankan test, dan menanggung efek maintenance. Kalau lu pakai AI buat bikin PR, reputasi yang dipakai tetap nama lu, bukan nama model.
Kenapa Debian bahas LLM jadi sinyal penting?
Debian bukan proyek kecil yang gampang berubah arah karena hype. Debian punya reputasi sebagai distribusi Linux yang stabil, konservatif, dan sangat serius soal lisensi. Jadi ketika Debian membuka diskusi General Resolution tentang penggunaan LLM, itu bukan sekadar drama “AI boleh atau dilarang”. Ini sinyal bahwa proyek open source besar mulai butuh aturan eksplisit untuk kontribusi AI-assisted.
Yang menarik, proposal di halaman voting Debian tidak cuma membahas kode. Scope-nya menyentuh source package Debian, software resmi proyek Debian, dokumentasi, terjemahan, resource web, sampai komunikasi resmi. Artinya, problem AI contribution bukan cuma “apakah kode ini jalan?”. Problemnya lebih luas: siapa yang bertanggung jawab kalau output AI salah, melanggar lisensi, atau bikin beban review baru?
Di sisi lain, ada juga proposal yang lebih hati-hati, bahkan menekankan risiko legal dan kualitas dari output LLM. Ini wajar. Debian hidup dari trust. Kalau paket di Debian punya status lisensi yang abu-abu, atau patch masuk tanpa orang yang benar-benar paham dampaknya, kerusakannya bisa menjalar ke banyak user dan downstream distribution.
Definisi singkat: AI-assisted contribution itu apa?
AI-assisted contribution adalah kontribusi yang sebagian prosesnya dibantu model AI atau LLM. Bentuknya bisa macam-macam: AI menulis draft patch, merapikan dokumentasi, membuat test, menerjemahkan teks, menjelaskan bug, atau membantu refactor.
Yang perlu dipahami: “dibantu AI” bukan kategori yang sama dengan “tanpa owner”. Kalau lu submit PR, lu tetap contributor-nya. AI bisa jadi alat bantu seperti compiler, linter, formatter, atau search engine. Bedanya, LLM bisa menghasilkan output baru yang terlihat meyakinkan walau belum tentu benar. Di sinilah accountability jadi penting.
Masalah utamanya bukan AI, tapi review burden
GitHub pernah menulis soal pull request limits untuk mengurangi noise di open source. Salah satu poin paling ngena: membuat pull request makin mudah, tapi mereview pull request tetap butuh waktu manusia. Bahkan GitHub mencatat jumlah PR bulanan naik besar dari sekitar 25 juta pada Januari 2023 menjadi lebih dari 90 juta dalam konteks artikel tersebut.
Ini problem yang dekat banget dengan era AI coding. Kalau biaya membuat patch turun, queue review bisa naik. Tapi maintainer tetap harus membaca diff, memahami intent, mengecek test, menilai desain, memikirkan backward compatibility, dan menjawab diskusi. AI mempercepat sisi produksi, bukan otomatis memperbesar kapasitas trust.
Gua suka melihat AI sebagai multiplier. Tapi multiplier yang diarahkan ke proses buruk cuma memperbesar noise. Kalau contributor belum paham codebase, belum baca guideline, dan cuma submit output yang “kelihatan jalan”, maintainer yang bayar biayanya.
Checklist sebelum submit PR yang dibantu AI
Kalau lu mau pakai AI buat kontribusi open source, gua rasa checklist ini lebih berguna daripada debat abstrak AI pro/kontra:
- Lu bisa jelasin perubahan tanpa membaca ulang jawaban AI. Kalau maintainer tanya kenapa pendekatan ini dipilih, lu harus bisa jawab.
- Diff kecil dan fokus. Jangan biarkan AI sekalian refactor file random yang nggak terkait issue.
- Test relevan jalan lokal. Minimal jalankan test yang disebut proyek. Kalau nggak bisa, jelaskan alasannya di PR.
- Lisensi aman. Jangan copy output yang sumbernya nggak jelas ke proyek dengan standard lisensi ketat.
- Tidak menambah dependency sembarangan. AI sering memilih library yang terlihat populer, tapi belum tentu cocok dengan policy proyek.
- Ikuti contribution guideline. Kalau proyek punya format commit, style guide, DCO, CLA, atau aturan AI-specific, ikuti dulu.
- Disclosure kalau kontribusi signifikan dibantu AI. Kalau proyek meminta transparansi, jangan disembunyikan. Di proposal Debian, disclosure AI-assisted contribution juga jadi salah satu poin yang dibahas.
- Siap maintain setelah merge. PR bukan selesai saat tombol merge ditekan. Kadang bug baru muncul di edge case user.
Kenapa “AI yang nulis” bukan alasan?
Kalau kode hasil AI bikin bug, user nggak peduli model mana yang menulisnya. Mereka peduli software-nya rusak. Maintainer juga nggak bisa menagih pertanggungjawaban ke model. Yang bisa diajak diskusi adalah contributor yang membuka PR.
Ini mirip prinsip dasar engineering: lu boleh pakai tool apa pun, tapi output yang masuk production harus bisa dipertanggungjawabkan. Formatter bisa mengubah ribuan baris, tapi lu tetap review hasilnya. Compiler bisa memberi warning, tapi lu tetap ambil keputusan. LLM juga begitu, cuma risikonya lebih halus karena output-nya sering terdengar percaya diri.
Di open source, trust itu modal utama. Contributor baru yang submit PR kecil tapi rapi bisa membangun reputasi. Contributor yang mengirim patch AI besar tanpa paham konteks bisa bikin maintainer makin defensif terhadap kontribusi berikutnya.
Debian mengingatkan kita soal lisensi dan source
Debian punya akar kuat di free software dan Debian Free Software Guidelines. Di halaman Social Contract, Debian menekankan komitmen terhadap software bebas, lisensi yang jelas, dan masalah yang terbuka. Jadi wajar kalau output AI dilihat bukan cuma dari sisi produktivitas, tapi juga dari sisi legal clarity.
Open Source Initiative juga menulis definisi Open Source AI yang menekankan kebebasan untuk menggunakan, mempelajari, memodifikasi, dan membagikan sistem AI. Untuk machine learning system, OSI menyorot pentingnya “preferred form for making modifications”, termasuk informasi data, kode, dan komponen yang cukup untuk memahami sistem.
Kenapa ini relevan buat PR AI-assisted? Karena banyak developer memperlakukan AI seperti black box yang “pokoknya bantu”. Padahal open source hidup dari kemampuan orang lain untuk membaca, memodifikasi, dan mendistribusikan hasil kerja dengan jelas. Kalau asal-usul output dan lisensinya nggak bisa dijelaskan, proyek yang serius akan berhati-hati.
Cara waras pakai AI untuk open source
Gua bukan anti-AI untuk open source. Justru menurut gua AI bisa sangat membantu kalau posisinya benar. Pakai AI untuk memahami issue, mencari file terkait, menulis draft test, merapikan dokumentasi, atau membandingkan alternatif solusi. Tapi jangan jadikan AI sebagai alasan untuk melewati proses berpikir.
Workflow yang lebih sehat kira-kira begini:
- Baca issue dan contribution guideline proyek.
- Minta AI menjelaskan konteks, bukan langsung menulis patch besar.
- Buat perubahan kecil yang bisa direview.
- Jalankan test dan simpan output penting.
- Baca ulang diff seperti lu reviewer-nya.
- Tulis PR description dengan intent, tradeoff, dan cara verifikasi.
- Disclosure bantuan AI kalau signifikan atau diminta proyek.
Kalau semua langkah ini terasa ribet, itu bukan bukti open source ketinggalan zaman. Itu bukti kontribusi software memang bukan cuma mengetik kode. Ada trust, maintenance, dan komunikasi di dalamnya.
Takeaway buat developer
- AI bisa menurunkan biaya membuat patch, tapi tidak menurunkan biaya review secara otomatis.
- Open source butuh contributor yang paham perubahan, bukan sekadar output yang terlihat rapi.
- Lisensi, security, test, dan maintenance tetap tanggung jawab manusia.
- Kalau proyek punya aturan AI contribution, hormati aturan itu. Open source bukan tempat buang output massal.
- PR kecil yang jelas lebih berharga daripada PR besar hasil AI yang bikin maintainer curiga.
FAQ singkat
Apakah pakai AI untuk kontribusi open source itu salah?
Nggak otomatis salah. Yang bermasalah adalah submit output AI tanpa memahami perubahan, tanpa test, tanpa menghormati aturan proyek, atau tanpa disclosure ketika diminta.
Apakah semua proyek open source akan punya aturan AI?
Belum tentu. Tapi makin banyak proyek besar kemungkinan akan menulis policy, karena volume kontribusi AI-assisted bisa memengaruhi review burden, lisensi, dan kualitas.
Perlu selalu bilang kalau PR dibantu AI?
Ikuti aturan proyek. Kalau bantuan AI signifikan dan proyek meminta transparansi, disclosure lebih aman. Kalau cuma pakai AI seperti search assistant untuk memahami dokumentasi, konteksnya bisa berbeda.
Apa skill yang makin penting di era AI contribution?
Skill membaca codebase, menulis test, menjelaskan tradeoff, memahami lisensi, dan komunikasi dengan maintainer. AI bisa bantu mengetik, tapi trust dibangun dari judgment lu.
Penutup
Diskusi Debian soal LLM ngingetin gua bahwa open source bukan pabrik output. Open source adalah jaringan trust antar manusia yang kebetulan bekerja lewat kode, dokumentasi, bug report, dan review.
AI bisa jadi alat yang sangat berguna di jaringan itu. Tapi kalau lu ingin kontribusi lu diterima, jangan cuma bawa patch. Bawa juga pemahaman, verifikasi, dan tanggung jawab. Follow rafli.dev kalau lu pengin bahasan tech yang pro-AI, tapi tetap waras dan grounded di workflow nyata.
