Momen $10,5 Miliar Vibe Coding: AI Kini Memulai Sebagian Besar Proyek Perangkat Lunak Baru

Sesuatu melampaui ambang batas minggu lalu, dan putaran pendanaan $500 juta hampir mengaburkannya.

Startup database Supabase menggalang setengah miliar dolar pada valuasi $10,5 miliar, menurut CNBC, dipimpin oleh dana kekayaan negara GIC dengan Accel, Y Combinator, Craft Ventures, Felicis, Coatue, dan Stripe turut serta. Valuasi itu kira-kira dua kali lipat valuasi perusahaan pada Oktober 2025 dalam waktu kurang dari delapan bulan. Namun angka yang paling penting bagi setiap founder yang merencanakan roadmap produk bukan angka dolar itu. Angka ini: lebih dari 60% database baru di platform Supabase kini dimulai oleh alat coding AI, bukan pengembang manusia. Claude Code dari Anthropic adalah sumber tunggal terbesar dari proyek yang diprakarsai AI tersebut pada 2026 sejauh ini.

Ini bukan benchmark aneh yang terkubur di siaran pers. Ini adalah sinyal tentang seperti apa penciptaan perangkat lunak saat ini, dan seperti apa membangun perusahaan dalam beberapa tahun ke depan.

Apa Sebenarnya Vibe Coding Itu

Istilah yang akan Anda dengar seputar ini adalah "vibe coding." Idenya sederhana: alih-alih menulis kode baris demi baris, seseorang (insinyur atau bukan) mendeskripsikan apa yang mereka inginkan kepada alat coding AI, meninjau outputnya, menyempurnakannya melalui percakapan, dan merilis. Alat seperti Claude Code dan Codex dari OpenAI menangani pembuatannya. Manusia menangani arah dan penilaiannya.

Supabase adalah perusahaan berusia lima tahun (didirikan 2020 oleh Paul Copplestone sebagai CEO dan Ant Wilson sebagai CTO) yang menyediakan infrastruktur backend: database, autentikasi, penyimpanan, dan API. Platform semacam ini dulu membutuhkan insinyur back-end untuk disiapkan dengan benar. Sekarang, menurut laporan tentang penggalangan dananya, mayoritas orang yang menjalankan database baru di platformnya adalah agen AI yang bertindak atas nama seorang prompter manusia, sering kali non-insinyur yang tidak akan menyentuh alat database enam bulan lalu.

Investor putaran ini tidak bertaruh pada tren pengembang yang sempit. Mereka bertaruh bahwa mode penciptaan perangkat lunak ini menjadi default, dan bahwa lebih dari 250.000 pelanggan Supabase mewakili keunggulan awal di pasar yang jauh lebih besar. Perusahaan ini memiliki sekitar 350 orang. Kini telah menggalang dana pada valuasi yang tidak pernah dicapai sebagian besar perusahaan Series D.

Fakta Utama

• Supabase menggalang $500 juta pada valuasi $10,5 miliar pada Juni 2026, kira-kira dua kali lipat valuasi Oktober 2025-nya. (CNBC)
• Lebih dari 60% database baru di platform Supabase kini dimulai oleh alat coding AI, bukan manusia. (CNBC / Supabase)
• Claude Code dari Anthropic adalah sumber AI tunggal terbesar untuk database Supabase baru pada 2026. (CNBC / Supabase)

Tiga Pergeseran Struktural bagi Founder

Angka 60% ini khusus untuk platform Supabase. Jangan memperluasnya menjadi klaim bahwa sebagian besar perangkat lunak di mana saja sudah ditulis oleh AI. Namun ini adalah data poin yang bersih dan kredibel dari platform di mana Anda bisa menghitung persis siapa yang memulai apa. Dan jika Anda menjalankan implikasinya untuk perusahaan tahap awal, tiga hal berubah.

1. Build-vs-buy condong ke arah build untuk lebih banyak area permukaan Anda.

Argumen tradisional untuk membeli versus membangun adalah kecepatan dan biaya. Mempekerjakan insinyur untuk membangun solusi kustom membutuhkan berbulan-bulan dan menghabiskan $200.000 hingga $400.000 per insinyur per tahun di pasar yang kompetitif. Sekarang seorang founder atau tim teknis kecil bisa merilis apa yang dulu membutuhkan tim back-end beranggotakan empat orang, dengan mendeskripsikan sistemnya kepada agen coding, meninjau outputnya, dan melakukan iterasi. Batas bawah dari "berapa biaya untuk membangun ini" telah turun. Hal itu mengubah perhitungan untuk banyak fitur yang sebelumnya Anda beli dari vendor. Bukan berarti membangun segalanya. Artinya tinjau ulang asumsi tentang apa yang terlalu mahal untuk dibangun. Untuk pandangan yang lebih mendalam tentang bagaimana AI membentuk ulang model operasi SaaS secara lebih luas, dinamikanya serupa: lebih banyak area permukaan menjadi bisa dibangun secara internal dibandingkan yang diasumsikan model lama.

2. Parit yang dibuat dari "sulit untuk dibangun" mulai terkikis.

Jika keunggulan kompetitif Anda terutama karena produk Anda akan sulit direplikasi pesaing dari awal, keunggulan tersebut memiliki umur simpan yang lebih pendek dari dua tahun lalu. Pesaing dengan tim kecil dan akses ke Claude Code atau Codex kini bisa membangun versi fungsional dari apa yang dulu membutuhkan 18 bulan dalam enam bulan. Ini tidak berarti semua parit menghilang. Namun parit yang bertahan adalah yang sulit dibangun bahkan dengan agen AI: dataset proprietary, distribusi yang susah payah dibangun, hubungan pelanggan yang dalam, selera dan penilaian operasional. Sinyal build-vs-buy dari akuisisi AI enterprise mengarah ke arah yang sama: perusahaan yang membeli kemampuan AI sebenarnya membeli data dan alur kerja di baliknya, bukan model di atasnya. Diferensiasi tahan lama Anda adalah hal yang sama: apa yang Anda ketahui dan siapa yang Anda jangkau yang tidak bisa direplikasi oleh proyek AI yang baru saja di-scaffold.

3. Matematika rekrutmen Anda berubah.

Ini terkesan berlawanan intuisi. Jika agen AI menulis lebih banyak kode, Anda mungkin berasumsi butuh lebih sedikit insinyur. Namun hambatannya tidak menghilang, hanya berpindah. Menulis kode bukan lagi sumber daya yang langka. Meninjau, mengamankan, dan mengoperasikan kode yang dihasilkan AI itulah yang langka. Basis kode produksi yang dibangun sebagian besar oleh agen coding membutuhkan manusia yang bisa mengaudit kerentanan keamanannya, menangkap kasus tepi yang dilewatkan agen, merancang arsitektur di tingkat yang tidak dipegang agen, dan memiliki sistemnya ketika sesuatu rusak pukul 2 pagi. Keahlian tersebut berbeda dari throughput coding mentah. Anda mungkin membutuhkan lebih sedikit insinyur generalis di tahap awal pembangunan, namun Anda membutuhkan lebih banyak insinyur senior dan peninjau berorientasi keamanan di tahap akhir. Untuk fitur AI dan di mana menambahkannya dalam produk SaaS, prinsip yang sama berlaku: orang yang meninjau dan memelihara adalah kendala, bukan orang yang menghasilkan.

Bagian yang Sering Diabaikan

Narasi vibe coding itu menarik dan sebagian besar akurat, namun versi yang beredar di konferensi cenderung melepas gesekannya.

Kode yang dihasilkan AI masih gagal dengan cara yang bisa diprediksi. Ia menangani jalur mudah dengan baik dan melewatkan kasus tepi. Ia tidak memahami persyaratan keamanan Anda kecuali Anda menentukannya secara eksplisit, dan bahkan ketika sudah ditentukan, ia mungkin mengimplementasikannya dengan salah. Ia menghasilkan kode yang bekerja di lingkungan demo dan rusak di bawah beban. Pertanyaan tentang siapa yang memiliki dan memelihara basis kode yang dibangun terutama oleh agen AI belum terjawab. Ketika sistem berperilaku tidak terduga enam bulan setelah diluncurkan, orang yang mem-prompt-nya ke dalam keberadaan mungkin tidak memiliki kedalaman untuk mendiagnosisnya.

Tidak satu pun dari ini berarti vibe coding tidak nyata atau tidak berharga. Namun angka 60% Supabase adalah hitungan proyek yang dimulai, bukan hitungan sistem produksi yang berjalan andal dalam skala besar. Pertanyaan adopsi AI yang lebih luas bagi perusahaan pada 2026 adalah sama: berapa banyak keuntungan produktivitas yang bertahan dalam transisi dari demo ke produksi?

Inilah mengapa pergeseran ketiga (merekrut peninjau, bukan hanya pembangun) bukan sekadar langkah berjaga-jaga. Itulah titik leverage yang sesungguhnya.

Panduan Keputusan Praktis: Vibe-Code vs. Direkayasa dengan Benar

Gunakan ini sebagai filter awal, bukan aturan baku.

Vibe-code dulu (risiko rendah, iterasi cepat):

• Alat internal dan dashboard yang hanya digunakan tim Anda
• Prototipe awal di mana Anda menguji apakah pengguna menginginkan sesuatu
• Skrip satu kali, otomatisasi, dan integrasi dengan dampak kecil jika gagal
• Fitur di mana bug berarti pengalaman pengguna yang buruk, bukan kebocoran data atau kesalahan finansial

Direkayasa dengan benar (risiko lebih tinggi, produksi tahan lama):

• Apa pun yang menangani pemrosesan pembayaran, data pribadi, atau autentikasi
• Infrastruktur inti yang diandalkan sistem lain (jika rusak, semuanya rusak)
• Apa pun yang diatur (layanan kesehatan, layanan keuangan, hukum)
• Sistem yang perlu berkembang melampaui tampilan beban bukti konsep
• Kode yang akan dibaca dan dimodifikasi oleh insinyur masa depan yang tidak ada dalam percakapan asli dengan AI

Gerbang praktis antara dua kategori ini adalah: jika bug dalam sistem ini bisa merugikan pelanggan secara finansial, mengekspos data mereka, atau membuat produk Anda offline, maka perlu ada insinyur manusia yang meninjau sebelum dirilis. Kode yang dihasilkan AI tetap bisa lolos dari gerbang itu. Namun harus melaluinya terlebih dahulu.

Bagi founder yang memikirkan bagaimana adopsi AI berkembang di tingkat C-level dan di mana ia menciptakan leverage versus risiko, gelombang vibe coding adalah salah satu contoh paling jelas saat ini tentang mengapa SaaS adalah pengadopsi AI dengan kecepatan tertinggi di kategori mana pun.

Pertanyaan yang Sering Diajukan

Apa itu vibe coding dan mengapa penting bagi founder?

Vibe coding adalah praktik membangun perangkat lunak yang berfungsi dengan mem-prompt alat AI (seperti Claude Code atau Codex dari OpenAI) alih-alih menulis kode secara manual. Penting bagi founder karena menurunkan biaya tenaga kerja dan waktu pembangunan perangkat lunak secara signifikan, yang mengubah perhitungan build-vs-buy dan mempersingkat waktu ke prototipe bagi tim kecil dan non-insinyur.

Apakah statistik 60% Supabase bisa digeneralisasi ke semua perangkat lunak?

Tidak. Angka tersebut spesifik untuk database baru yang dimulai di platform Supabase, yang condong ke proyek tahap awal dan tooling pengembang. Ini adalah sinyal arah yang kredibel tentang bagaimana penciptaan perangkat lunak bergeser, namun tidak berarti 60% dari semua perangkat lunak produksi kini ditulis oleh AI. Implikasi pentingnya adalah proyek yang diprakarsai AI sedang beralih dari hal baru menjadi mayoritas setidaknya di beberapa segmen pasar.

Apa yang seharusnya dilakukan founder secara berbeda karena ini?

Tiga hal. Tinjau ulang asumsi build-vs-buy Anda dengan mempertimbangkan biaya tenaga kerja vibe coding yang lebih rendah. Audit parit kompetitif Anda untuk melihat seberapa banyak yang bergantung pada "ini akan sulit dibangun," dan perkuat bagian yang tidak bergantung pada itu (distribusi, data, hubungan). Sesuaikan rencana rekrutmen Anda untuk memberi bobot pada keterampilan tinjauan kode dan audit keamanan di samping throughput coding mentah.

Pelajari Lebih Lanjut

• Mengapa SaaS Adalah Pengadopsi AI dengan Kecepatan Tertinggi
• Fitur AI sebagai Produk: Di Mana Menambahkannya
• Apa Arti Transformasi AI di Tingkat C-Level
• Haruskah Anda Membangun AI atau Membelinya?
• Pengajuan IPO Anthropic: Kalkulasi Vendor AI $96,5 Miliar
• Model Pertumbuhan B2B SaaS

Sumber: CNBC, 4 Juni 2026