Ketika jumlah pekerjaan paralel menjadi masalah infrastruktur
AI coding agent mengubah pola kerja tim software. Satu developer tidak lagi hanya menyiapkan satu perubahan lalu menunggu review; beberapa agent dapat membuat branch, menjalankan test, melakukan perbaikan, dan mengirim perubahan secara bersamaan. Pada skala tertentu, bottleneck bukan lagi kemampuan menulis kode, melainkan kemampuan sistem source control menerima push dan melayani fetch dalam jumlah besar.
Dalam tulisan engineering bertanggal 2 November 2026, OpenAI menjelaskan Pando, backend Git yang kompatibel dengan protokol dan client Git. Pando dibuat agar workflow developer tetap familiar, tetapi backend-nya dapat menangani banyak penulis dan pembaca secara horizontal.
Dua masalah yang diselesaikan
Pando memisahkan dua dimensi skalabilitas: write throughput dan read throughput. Update ke branch yang tidak saling terkait dapat diproses paralel, sehingga push ke branch A tidak harus menunggu push ke branch B. Untuk pembacaan, Pando menggunakan kembali packfile Git agar banyak client dapat mengunduh data yang sama tanpa server menghitung paket baru untuk setiap permintaan.
Konsekuensinya adalah model konsistensi yang lebih longgar pada tingkat seluruh repository. Pando memakai causal consistency dan menjaga serializability pada ref individual. Artinya, konflik utama terjadi ketika dua penulis mengubah ref yang sama, bukan karena seluruh repository dipaksa memiliki satu urutan global untuk setiap update.
Pelajaran untuk tim web
- Jangan menskalakan bottleneck secara membabi buta. Menambah CPU pada server Git tidak menyelesaikan koordinasi global yang menjadi titik antrean.
- Cache harus menjadi bagian dari desain protokol. Packfile yang dapat dipakai ulang mengurangi komputasi dan membuat transfer lebih dekat ke batas bandwidth.
- Kompatibilitas mengurangi biaya migrasi. Tim dapat mempertahankan Git CLI dan workflow yang sudah dipahami, sementara backend diganti bertahap.
- Agent membutuhkan guardrail engineering. Conformance test, deterministic simulation, dan verifikasi invariant penting ketika perubahan dibuat oleh banyak proses otomatis.
Relevansi bagi Codekop
Untuk platform web yang menerima pekerjaan AI, desain queue, versioning, dan audit tidak boleh dianggap fitur tambahan. Setiap agent perlu memiliki identitas pekerjaan, branch atau workspace yang jelas, batas concurrency, serta hasil yang dapat direproduksi. Prinsip Pando dapat diterapkan lebih kecil: pisahkan jalur tulis dari jalur baca, gunakan artefak immutable, dan jangan menjadikan satu tabel atau satu lock sebagai koordinasi semua pekerjaan.
AI agent memang mempercepat produksi kode, tetapi percepatan itu hanya terasa jika sistem di belakangnya siap menerima lebih banyak perubahan tanpa mengorbankan reliability.
Sumber utama: Scaling Git at OpenAI
Transparansi: Artikel ini disusun bersama Codekop AI berdasarkan sumber yang tercantum, lalu ditinjau dan disunting oleh Fauzan Falah. AI dapat keliru, jadi silakan cek kembali sumber asli.
