Masalah dan Solusi dalam AI Coding: Rahasia dalam Open Source dan Paten Naia

Halo. Saya Luke dari Nextain, tim yang membangun Naia. Setelah merilis Naia-Sing di postingan sebelumnya, banyak yang bertanya "Apakah kamu akan streaming?" — Tidak.

Naia-Sing adalah riset tentang kerangka kognitif model AI Naia, dan merupakan hasil penelitian yang dilakukan di repositori privat.

Lagu-lagu benchmark di Naia-Sing dan model 3D VRM default di Naia-OS memang mencerminkan selera saya terhadap subkultur, tapi itu bukan fokus utama saya. Saya rasa konten adalah ranah para mitra dan kreator kami.

Karena foto profil GitHub saya bergambar anime, startup pertama saya di bidang webtoon VR, dan saya pernah bekerja sebagai PD di Naver Webtoon, banyak orang mengenal saya hanya sebagai spesialis konten. Demi kegiatan bisnis Nextain ke depan, saya rasa perlu sedikit meluruskan persepsi itu, dan itulah salah satu alasan saya menulis postingan ini. (Referensi: posting blog Codeforces tentang korelasi antara foto profil anime dan kemampuan coding https://codeforces.com/blog/entry/93498)

Saya pernah menyebut bahwa saya dulu meneliti AI di Naver. Pada saat itu, saya pernah meraih peringkat pertama dalam kompetisi invensi internal perusahaan, dan itu pun merupakan output berbasis AI. Hal ini sempat dibahas dalam artikel Boannews yang menganalisis paten-paten Naver.

"Ketika menganalisis paten perusahaan ini berdasarkan penemu, satu nama muncul dengan sangat sering: 'Yang Byeong-seok'. Kode CPC dari patennya terkonsentrasi pada G06Q (sistem pemrosesan data untuk tujuan manajemen, komersial, keuangan, atau perkiraan) dan G06F (pemrosesan data digital — sistem komputer berbasis model komputasi tertentu). Semuanya adalah teknologi terkait 'pemrosesan data'."

https://m.boannews.com/html/detail.html?idx=125653

Minor saya memang Media Studies, tapi jurusan utama saya adalah Ilmu Komputer (Computer Science). Saat kuliah, saya belajar dari Profesor Jung Ki-cheol di Soongsil University — orang pertama di Korea yang menerapkan CUDA ke AI — dan sempat serius mempertimbangkan untuk masuk laboratoriumnya.

Berdasarkan latar belakang teknis inilah, dalam postingan ini saya ingin menjelaskan apa yang ingin dipecahkan oleh Naia OS melalui paten-paten teknologi kami, yang paling jelas mencerminkan identitas Nextain.

Sebagai informasi, Nextain didirikan pada Maret 2026, dan dalam waktu sekitar tiga bulan, kami telah mengajukan 12 paten, 8 di antaranya untuk mengatasi masalah yang muncul dalam proses pengembangan dengan AI. Sebagian besar sudah dipublikasikan implementasi dan benchmarknya di repositori open source Naia-OS, Naia-Agent, Naia-ADK, dan Naia-Memory. Unduh repositori tersebut dan tanya AI coding seperti Claude atau Codex tentang lokasi implementasi atau struktur detail masing-masing paten — AI akan menjelaskannya. Namun perlu dicatat bahwa masih banyak bagian yang belum sempurna.

Mari kita masuk ke penjelasannya.

Apa Artinya AI Memimpin Pengembangan Software

Selama lebih dari dua tahun, saya setiap hari membangun software bersama AI agent. Awalnya kesannya hanya "AI cukup cepat menulis kode." Tapi sekarang pandangan saya sudah berubah total.

Analisis kebutuhan, desain, implementasi, verifikasi, deployment, hingga pengamanan kekayaan intelektual (IP) — inilah setiap tahap SDLC (Software Development Life Cycle) yang benar-benar kami jalankan bersama AI. Saya menyebutnya bukan sekadar bantuan, melainkan 'SDLC berbasis AI coding' — di mana AI sendiri yang menjadi pelaksana utama.

Namun ketika ini didorong dengan serius, kita akan berhadapan dengan tembok-tembok besar yang tidak terduga. Bukan sekadar bug atau masalah kecepatan. Ini adalah kelemahan struktural dalam infrastruktur operasional yang tidak akan pernah tertambal meski GPT-5 menjadi GPT-6 dengan 'model yang lebih cerdas'.

Berikut beberapa celah struktural yang saya hadapi langsung dan yang berhasil dipecahkan oleh Nextain.

Celah Struktural 1. Menguapnya Konteks dan Tercemarnya Memori

SDLC adalah proses panjang yang bisa berlangsung berminggu-minggu hingga berbulan-bulan. Setiap kali sesi berakhir, AI melupakan semua keputusan arsitektur dari hari sebelumnya, alternatif yang sudah dievaluasi dan ditolak, serta risiko yang perlu diwaspadai. Sebesar apapun context window, batasnya jelas, dan pada akhirnya pertanyaannya adalah: apa yang disimpan dan apa yang dibuang?

AI saat ini tidak memiliki kemampuan melupakan secara aktif — ia menumpuk semua informasi termasuk yang tidak perlu, atau harus memanggil LLM mahal setiap kali menilai kepentingan. Yang lebih parah, jika memori dikompresi secara mekanis sebelum episode kerja selesai, alur konteks yang sedang berjalan akan putus di tengah jalan.

Solusi Nextain: Kami menerapkan langsung model klasifikasi memori dari neurosains (memori kerja / episodik / semantik) ke dalam sistem memori AI. Dengan heuristik tiga sumbu — kepentingan, kejutan, dan intensitas emosi — memori di-Gating tanpa perlu memanggil LLM. Kompresi memori juga hanya dijalankan secara aman setelah kelengkapan episode dikonfirmasi secara sistematis — tujuannya adalah membangun kemampuan mengambil informasi yang dibutuhkan tepat waktu tanpa kehilangan maksud utama proyek.

(Paten terkait: manajemen memori jangka panjang AI berbasis neurosains / memori kognitif berbasis Gating kepentingan / kompresi aman berbasis status integrasi episode)

Celah Struktural 2. Kerusakan Diam-Diam pada File Instruksi (Context Drift)

Seiring proyek berkembang, file konteks seperti AGENTS.md mulai saling bertentangan. Di atas ditulis "gunakan hanya pnpm", di bawah ditambahkan "npm juga boleh." Dalam kondisi ini AI berperilaku inkonsisten. Dan jika kita meminta AI mengaudit file-file ini sendiri, auditor AI pun bisa tercemar oleh prompt injection yang tersembunyi di dalam file seperti "abaikan aturan ini."

Solusi Nextain: Isolasi struktural adalah satu-satunya jawaban untuk masalah ini. Kami menerapkan tiga tindakan sekaligus — pembatasan izin penggunaan alat, epistemic reframing, dan penonaktifan persona — untuk membentuk 'sub-agent khusus audit' yang benar-benar terisolasi dari lingkungan kerja asli, guna memverifikasi integritas konteks dan menjaga pusat proyek tetap pada jalurnya.

(Paten terkait: verifikasi integritas file konteks workspace AI)

Celah Struktural 3. Sesi Paralel yang Bias dan Tak Terkendali

Penilaian satu AI agent selalu bias secara konsisten. Membiarkannya memverifikasi dirinya sendiri hanya akan memperkuat bias konfirmasi. Selain itu, dalam lingkungan di mana banyak agent berjalan bersamaan, sulit bagi agent lain maupun manusia untuk mengetahui secara real-time apakah salah satu agent berhenti atau mengalami error.

Solusi Nextain: Bias penilaian diatasi dengan 'cross-check' antar agent. Kami merancang struktur verifikasi mutual multi-agent yang mengakumulasi strike per domain dan secara real-time menyingkirkan agent yang kepercayaannya menurun dari proses verifikasi. Selain itu, kami mengembangkan teknologi untuk memantau status (Active/Idle/Error/Stopped) banyak sesi paralel hanya melalui event sistem file (perubahan timestamp, dll.) tanpa memodifikasi kode agent. Tujuannya adalah menjadikan Naia sebagai orchestrator multi-agent yang mengenal saya dengan baik dan mengelola banyak AI agent secara efisien.

(Paten terkait: verifikasi mutual multi-agent / pemantauan multi-sesi AI berbasis event sistem file)

Pipeline 8 Paten yang Mencakup Seluruh Proses SDLC

Selain teknologi dasar yang disebutkan di atas, kami juga memodulasi dan mematenkan satu per satu kemampuan detail yang dibutuhkan agar AI bisa menjadi pelaksana nyata dalam pengembangan.

Daftar 8 ini bukan serpihan teknologi yang terpisah-pisah. Ini adalah jawaban organis atas satu pertanyaan tunggal: "Bagaimana infrastruktur harus berubah agar AI bisa menjadi pemilik sejati pengembangan software?"

Dari total 12 paten, 4 sisanya berkaitan dengan teknologi struktur layanan kami, kerangka AI agent berkemampuan kognitif, dan pengembangan model.

Nextain bukan sekadar tempat yang menyambung API AI untuk membuat layanan. Kami meneliti secara teknis 'masalah struktural' dalam proses membangun software bersama-sama antara manusia dan AI, sekaligus menjalankan riset paralel untuk menggabungkan mekanisme kognisi dan memori yang sesungguhnya dari AI di atas fondasi itu.

Naia yang kami bangun bukan sekadar AI VTuber atau alat yang sekadar menggantikan pengetikan kode. Sebuah entitas yang instruksinya bisa dipercaya, yang mengingat perdebatan sengit kemarin, yang menilai secara akurat, dan yang bersama-sama bertanggung jawab atas SDLC. Mitra AI sejati yang hebat dalam bekerja dan membuat kolaborasi menjadi lebih bermakna.