Revolusi "Vibe Coding": Bagaimana Saya Menjalankan 10 MVP Secara Paralel (Dan Di Mana Batasannya)

Ada revolusi senyap yang sedang terjadi dalam cara kita membangun perangkat lunak, dan ini tidak ada hubungannya dengan framework JavaScript baru. Ini adalah pergeseran tentang siapa—atau apa—yang melakukan pekerjaan beratnya.

Bayangkan skenario ini: Anda sedang menunggu penerbangan. Anda punya ide. Saat pesawat mendarat, Anda tidak hanya punya catatan di ponsel; Anda memiliki MVP yang sudah dideploy sepenuhnya dengan database, otentikasi, dan frontend, yang sudah live di sebuah URL. Anda tidak menulis satu baris sintaks pun. Anda hanya mengatur alurnya.

Ini bukan fiksi ilmiah. Ini adalah apa yang mulai disebut orang sebagai "Vibe Coding," dan ini secara fundamental mengubah ekonomi startup.

Kebanyakan founder masih terjebak dalam lingkaran lama: Ide -> Hire/Coding -> Debug -> Deploy. Lingkaran itu terlalu lambat. Lingkaran baru terlihat seperti ini: Konteks -> Agen AI -> Verifikasi.

Saya telah menghabiskan beberapa minggu terakhir menyempurnakan stack yang mengotomatisasi bagian tengah pengembangan yang biasanya berantakan. Ini memungkinkan saya menjalankan sepuluh potensi MVP dalam siklus paralel. Berikut adalah setup persisnya, alur kerjanya, dan kebenaran jujur tentang di mana sistem ini mulai goyah.

"Vibe" Stack

Agar ini berhasil, Anda memerlukan alat-alat yang bisa saling bicara. Kita tidak mencari solusi enterprise yang paling kompleks; kita menginginkan kecepatan dan integrasi. Berikut adalah toolkit-nya:

1. Framework: create-t3-turbo (Setup monorepo yang dibangun di atas Turborepo yang menangani frontend dan backend di satu tempat. Termasuk Next.js, tRPC, Tailwind, dan Prisma. Sempurna untuk MVP).
2. Otak: Claude Code (Tool CLI yang bertindak sebagai lead engineer Anda).
3. Manajemen Proyek: Linear (Sumber kebenaran utama / Source of truth).
4. Tracking: GitHub Issues (Disinkronkan dengan Linear).
5. Infrastruktur: Vercel (Hosting) + Neon (Serverless Postgres).

Baik Vercel maupun Neon memiliki free tier yang dermawan, yang berarti biaya eksperimen Anda praktis nol.

Fase Setup

Sebelum Anda menulis satu baris kode pun, Anda perlu merakit mesinnya. Berikut adalah proses setup yang tepat:

1. Inisialisasi Proyek

Mulailah dengan membuat proyek create-t3-turbo baru. Ini memberi Anda struktur monorepo yang siap produksi dengan segala sesuatunya sudah terkonfigurasi:

npx create-turbo@latest -e https://github.com/t3-oss/create-t3-turbo

Perintah ini membuat kerangka stack lengkap dengan Next.js untuk frontend, tRPC untuk API yang type-safe, Prisma untuk manajemen database, dan Tailwind CSS untuk styling—semuanya dalam struktur monorepo Turborepo.

2. Install Claude Code

Selanjutnya, install Claude Code, asisten pengembangan bertenaga AI Anda. Ikuti panduan instalasi di code.claude.com. Setelah terinstal, Anda dapat meluncurkannya dari direktori proyek Anda:

claude

3. Siapkan Integrasi GitHub Actions

Di dalam CLI Claude Code, install integrasi GitHub Actions dengan menjalankan:

/install-github-app

Perintah ini menyiapkan bot GitHub Actions yang memungkinkan Claude membuat Pull Request (PR), menjalankan workflow CI/CD, dan berinteraksi dengan repositori Anda. Integrasi ini memungkinkan Claude mengeksekusi perubahan kode melalui workflow otomatis alih-alih hanya menyarankannya. Untuk instruksi setup mendetail, lihat dokumentasi resmi GitHub Actions.

4. Hubungkan Linear ke GitHub

Keajaibannya terjadi ketika Anda menghubungkan Linear ke GitHub untuk sinkronisasi issue dua arah. Begini caranya:

1. Buka halaman integrasi GitHub Linear
2. Klik "Add Integration" dan otorisasi Linear untuk mengakses akun GitHub Anda
3. Pilih repositori yang ingin Anda sinkronkan
4. Konfigurasikan pengaturan sinkronisasi:
   • Bidirectional sync: Issue yang dibuat di GitHub otomatis muncul di Linear, dan sebaliknya
   • Status mapping: Petakan status workflow Linear (Todo, In Progress, Done) ke status issue GitHub
   • Priority sync: Jaga level prioritas tetap sinkron di kedua platform
   • Auto-linking: Secara otomatis menautkan branch dan PR ke issue Linear menggunakan ID issue

Setelah dikonfigurasi, ketika sebuah issue dibuat di GitHub, ia muncul di Linear. Ketika Anda memperbarui prioritas atau status di Linear, perubahan tersebut tercermin di GitHub. Ini menciptakan alur kerja terpadu di mana Anda dapat mengelola tugas dari platform mana pun.

5. Deploy Infrastruktur

Terakhir, deploy ke Vercel dengan database Neon:

• Hubungkan repositori GitHub Anda ke Vercel
• Siapkan database Postgres serverless Neon (tersedia tier gratis)
• Tambahkan connection string database ke environment variables Vercel Anda

Setelah dideploy, Anda sekarang memiliki pipeline continuous integration yang berjalan dari pikiran Anda langsung ke URL yang live. Setiap merge ke main secara otomatis men-deploy ke produksi.

Alur Kerja Otomatis

Di sinilah peran tradisional Product Manager mulai memudar.

1. Sesi Konteks

Jika Anda punya ide, jangan buka IDE (teks editor). Buka jendela chat. Bicaralah dengan ChatGPT atau Claude. Tumpahkan pemikiran mentah Anda. Biarkan AI menantang Anda. Di akhir sesi ini, minta AI untuk membuat PRD (Product Requirements Document) dalam format Markdown.

Apa yang Anda dapatkan biasanya lebih baik daripada apa yang dihasilkan oleh kebanyakan PM level menengah. Dokumennya mendetail, terstruktur, dan profesional.

Insight: Saya percaya peran "Product Manager" yang berdedikasi adalah yang pertama akan terdisrupsi oleh AI. Kita bergerak menuju dunia "Product Designers" atau "Full-Stack Creators" yang menangani visi, sementara AI menangani spesifikasinya.

2. Serah Terima (The Handoff)

Berikan PRD Markdown tersebut ke Claude Code lokal Anda. Ini adalah langkah krusial di mana AI mengubah kebutuhan menjadi item pekerjaan yang dapat ditindaklanjuti.

Di dalam CLI Claude Code, instruksikan untuk mem-parsing PRD dan membuat GitHub Issues. Claude Code menggunakan GitHub CLI (gh) di balik layar untuk berinteraksi dengan repositori Anda. Inilah yang terjadi:

1. Parsing: Claude menganalisis PRD dan memecahnya menjadi tugas-tugas terpisah yang dapat ditindaklanjuti
2. Pembuatan Issue: Untuk setiap tugas, Claude menjalankan perintah seperti:

   gh issue create --title "Implement user authentication" \
     --body "Details from PRD..." \
     --label "feature" \
     --assignee "@me"
   

3. Penetapan Metadata: Claude secara otomatis menetapkan label (feature, bug, enhancement), prioritas, dan bahkan estimasi berdasarkan kompleksitas yang dijelaskan dalam PRD
4. Pemetaan Dependensi: Jika integrasi GitHub Actions sudah disiapkan, Claude juga dapat membuat dependensi issue dan milestones

Keindahan menggunakan gh CLI adalah sifatnya yang dapat diprogram—Claude dapat membuat lusinan issue secara batch dalam hitungan detik, masing-masing diformat dengan benar menggunakan deskripsi markdown, kriteria penerimaan (acceptance criteria), dan catatan teknis.

Tiba-tiba, papan Linear Anda menyala. Berkat sinkronisasi Linear-GitHub yang Anda konfigurasi sebelumnya, Anda akan melihat 10 hingga 20 tiket muncul secara otomatis—dengan judul yang tepat, deskripsi mendetail, prioritas, dan status. Seluruh backlog yang biasanya butuh waktu berjam-jam bagi seorang PM untuk dibuat secara manual, kini dihasilkan dalam waktu kurang dari satu menit.

3. Eksekusi

Sekarang, Anda bertindak sebagai Engineering Manager. Anda men-tag @claude di dalam issue untuk mulai mengerjakan tiket. Claude menulis kode di GitHub Actions, membuat Pull Request, dan menunggu review.

Anda melakukan merge.

CI/CD Vercel mulai bekerja. Beberapa menit kemudian, perubahannya sudah live.

Keindahan dari hal ini adalah bisa terjadi di ponsel Anda. Anda me-review PR dan mengelola papan kerja dari taksi atau kafe. Anda tidak sedang mengetik boilerplate React yang generik; Anda sedang mengarahkan kru konstruksi berkecepatan tinggi.

Masalah "Last Mile"

Jika Anda berhenti membaca di sini, Anda mungkin berpikir AI telah memecahkan segalanya. Belum.

Meskipun "Vibe Coding" sangat kuat, kita harus jujur tentang batasannya. AI luar biasa dalam "pekerjaan kotor" dan "pekerjaan membosankan." Ia bisa membuat kerangka skema database, membangun formulir login, dan menyiapkan rute API lebih cepat daripada manusia mana pun.

Tapi ia kesulitan dengan jiwa dari produk tersebut.

Anggap saja seperti membangun rumah. AI adalah kru rangka bangunan Anda. Mereka bisa menuangkan beton, memasang tiang pancang, dan memasang dinding drywall dalam waktu singkat. Tapi mereka adalah desainer interior yang buruk. Mereka tidak tahu bahwa sakelar lampu terasa salah di sudut itu, atau bahwa alur dapur membuat orang saling bertabrakan.

Dalam perangkat lunak, ini adalah "Last Mile" (Mil Terakhir). Interaksi yang menyenangkan pengguna, animasi UI yang halus, edge cases dalam logika bisnis—di sinilah Anda, sang pembangun manusia, harus turun tangan.

Jika Anda mengandalkan 100% pada AI untuk menyelesaikan produk, Anda akan berakhir dengan perangkat lunak yang bekerja secara teknis tetapi terasa hampa secara emosional. Produk itu akan kekurangan "kerajinan" (craft) yang memisahkan produk hebat dari produk generik.

Poin Praktis

Jika Anda ingin mencoba ini hari ini, berikut saran saya:

• Mulai dengan PRD: Jangan pernah meminta AI untuk "langsung coding." Kualitas kode adalah hasil turunan dari kualitas PRD. Habiskan energi Anda untuk menyempurnakan teks kebutuhan, bukan sintaks kode.
• Percaya tapi Verifikasi: Agen coding AI bisa berhalusinasi tentang dependensi atau menulis logika yang tidak aman. Baca diff-nya. Perlakukan AI seperti developer berbakat tapi masih junior.
• Manfaatkan Volumenya: Gunakan kecepatan ini untuk menguji lebih banyak ide. Jika Anda bisa membangun MVP di akhir pekan alih-alih sebulan, peluang Anda menemukan product-market fit naik secara eksponensial.

Hambatan untuk membangun sudah hilang. Satu-satunya yang tersisa adalah selera dan ketekunan Anda.