LLM: Dari Chatbot ke Penguji Software
Kita mengenal ChatGPT sebagai chatbot pintar, teman diskusi, bahkan penulis puisi dadakan. Tapi tahukah Anda bahwa teknologi seperti ini  yang dikenal sebagai Large Language Models (LLM)  kini mulai memasuki dunia rekayasa perangkat lunak, bukan sebagai alat bantu programmer saja, melainkan sebagai "penguji" software?
Sebuah artikel akademik yang ditulis oleh Junjie Wang dan timnya baru-baru ini mengungkap bagaimana LLM kini digunakan dalam proses software testing. Ini bukan sekadar eksperimen kecil, tetapi sebuah pemetaan sistematis terhadap puluhan studi yang menjadikan LLM sebagai bagian aktif dalam memastikan kualitas perangkat lunak.
Apa Sebenarnya yang Dilakukan LLM dalam Pengujian Software?
Bayangkan Anda sedang menguji aplikasi perbankan digital. Daripada menulis ratusan baris test case secara manual, kini LLM dapat diminta untuk menghasilkan skenario pengujian hanya dengan deskripsi singkat. Lebih dari itu, LLM juga bisa membantu menganalisis hasil pengujian, memperkirakan bug, bahkan menjadi target pengujian itu sendiri, misalnya saat kita ingin memastikan apakah LLM memberikan saran kode yang aman atau tidak.
Dengan kata lain, peran LLM dalam dunia testing bukan cuma satu  mereka bisa menjadi penulis, asisten, dan pasien sekaligus.
Keuntungan dan Risiko: Antara Harapan dan Waspada
Secara konseptual, ini adalah terobosan. Bayangkan efisiensi yang bisa dicapai. Tim QA bisa berfokus pada desain strategis, sementara pekerjaan teknis dasar diambil alih oleh LLM. Namun, di sinilah kita harus berhati-hati.
LLM punya kecenderungan untuk melakukan "hallucination" Â menyampaikan informasi yang meyakinkan tapi salah. Dalam konteks pengujian perangkat lunak, ini bisa menjadi bencana. Salah satu tantangan terbesar menurut artikel ini adalah bagaimana memastikan output LLM itu valid, konsisten, dan dapat dipercaya.
Masalah lainnya adalah kurangnya benchmark khusus. Kita belum punya standar luas yang bisa mengevaluasi kualitas test case yang dibuat oleh LLM. Maka, meskipun potensinya besar, langkah implementasinya masih penuh rambu-rambu.
Lompatan Strategis Bagi Dunia RPL
Dari perspektif rekayasa perangkat lunak (RPL), ini bukan sekadar evolusi  ini lompatan. Biasanya, inovasi dalam software testing datang dari alat otomatisasi atau framework baru. Tapi kali ini, sumber kecerdasannya sendiri yang berubah.
Jika LLM bisa diintegrasikan secara stabil dan aman dalam proses pengujian, kita tidak hanya mempercepat siklus pengembangan, tapi juga memperkaya wawasan kita tentang bagaimana sistem memahami, memprediksi, dan memperbaiki dirinya sendiri. Testing bukan lagi pekerjaan mekanis, tapi bagian dari ekosistem pembelajaran mesin.
Masa Depan: Dari Prompt Engineering ke Trust Engineering
Salah satu gagasan menarik dari artikel ini adalah bahwa masa depan software testing akan membutuhkan keahlian baru, seperti prompt engineering  seni menyusun instruksi agar LLM bekerja optimal. Tapi ke depan, kita juga akan butuh yang disebut trust engineering  bagaimana kita membangun kepercayaan terhadap hasil kerja AI dalam sistem kritikal.
