"Software Factories" adalah tema AI Engineer World's Fair 2026, yang diselenggarakan di San Francisco pada akhir Juni hingga awal Juli 2026 — merujuk pada konsensus industri yang sedang terbentuk seputar 'menyerahkan seluruh siklus hidup pengembangan perangkat lunak kepada loop otonom AI agent'. Rangkaian keynote konferensi ini menghadirkan Microsoft, OpenAI, kubu open-source yang diwakili Z.ai (GLM) dan MiniMax, serta Hugging Face, masing-masing menafsirkan dengan bahasa produk mereka sendiri seperti apa seharusnya sebuah 'pabrik perangkat lunak'. Di permukaan, semua orang mengatakan hal yang sama — 'gunakan AI agent untuk mengotomatisasi proses pengembangan' — tetapi ketika argumen sebenarnya dari masing-masing perusahaan diurai, akan terlihat mereka berdiri di posisi yang benar-benar berbeda terkait pertanyaan seperti 'siapa yang bertanggung jawab atas apa di dalam pabrik' dan 'open source atau tertutup'. Artikel ini tidak berusaha menyatakan siapa yang benar atau salah; melainkan memaparkan titik-titik perbedaan utama agar perusahaan dan developer yang mengevaluasi platform AI agent pengembangan bisa melihat dengan jelas apa yang sebenarnya sedang mereka pilih.

Dari Mana Perdebatan Ini Bermula: Apa Sebenarnya AI Engineer World's Fair 2026 dan 'Software Factories'

AI Engineer World's Fair 2026 berlangsung 29 Juni hingga 2 Juli 2026 di Moscone West, San Francisco — konferensi industri yang berfokus pada rekayasa AI dan penerapan aplikatif, dengan tema tahun ini ditetapkan sebagai 'Software Factories'. Menurut definisi yang disampaikan dalam sesi oleh Tereza Tížková, mewakili Factory selaku salah satu kurator konferensi, pabrik perangkat lunak berarti 'loop otonom yang mencakup seluruh siklus hidup pengembangan perangkat lunak' — secara konkret, mengumpulkan sinyal, merespons umpan balik pengguna dan log sistem, memprioritaskan, dan mengoordinasikan integrasi. Gagasan intinya: biarkan AI agent melakukan pekerjaan 'membangun' itu sendiri, sementara peran developer bergeser satu tingkat lebih tinggi, menjadi merancang dan memelihara sistem yang memungkinkan agent menulis kode secara mandiri. Kerangka ini menjadi latar belakang bersama yang kemudian menjadi dasar posisi masing-masing perusahaan.

Titik Perbedaan Satu: Apakah Pabrik Perangkat Lunak Itu 'Loop Agent' atau 'Platform yang Diproduksi'? Microsoft dan OpenAI Berbicara dengan Dua Bahasa Berbeda

Dalam konferensi yang sama, baik Microsoft maupun OpenAI sama-sama mengatakan 'AI agent membuat pengembangan lebih efisien' — tetapi menggunakan dua kerangka bahasa yang berbeda.

Microsoft diwakili oleh Pablo Castro, memperkenalkan Microsoft Foundry dan memposisikannya sebagai 'pabrik aplikasi dan agent AI'. Inti argumennya adalah kolaborasi manusia dan agent menghasilkan 'loop pembelajaran' (learning loop) — dengan kata lain, sesi Microsoft menekankan konsep 'pabrik' berbentuk platform yang menampung agent dan aplikasi, dengan fokus pada bagaimana proses kolaborasi manusia-mesin itu sendiri terus terakumulasi dan membaik.

OpenAI diwakili oleh Alexander Embiricos dan Romain Huet, membahas bagaimana agent Codex meningkatkan produktivitas melalui penumpukan loop agent. Argumen inti mereka: jika agent bisa dihubungkan ke 'apa isi pekerjaan itu' dan 'mengapa pekerjaan itu dilakukan', lalu dihubungkan ke proses tinjauan dan penerapan berikutnya, agent baru bisa benar-benar menyelesaikan lebih banyak pekerjaan — dengan kata lain, OpenAI menekankan bahwa loop agent itu sendiri perlu terhubung ke ujung depan dan belakang proses pengembangan (mengapa pekerjaan ini perlu dilakukan, siapa yang meninjau setelah selesai, bagaimana penerapannya), bukan hanya mengotomatisasi tahap pembuatan kode. Sementara itu, keynote pembuka konferensi disampaikan oleh swyx (Shawn Wang), rekan pendiri AI Engineer World's Fair/Latent Space, berjudul 'Loopcraft: The Art of Stacking Loops' — ia berbicara sebagai penyelenggara konferensi, bukan juru bicara OpenAI, tetapi sesinya juga berpusat pada 'loop', menelusuri bagaimana bentuk interaksi developer dengan AI berevolusi dari sekadar mengobrol, menggunakan alat, menetapkan tujuan, hingga otomatisasi dan desain loop itu sendiri menjadi sebuah keahlian.

Membandingkan argumen kedua perusahaan ini, perbedaannya bukan pada teknologi siapa yang lebih kuat, melainkan pada titik masuk narasi masing-masing: Microsoft menempatkan penekanan pada 'pabrik', platform yang menampung segalanya; OpenAI menempatkan penekanan pada 'loop' itu sendiri — bagaimana ia ditumpuk, bagaimana ia terhubung ke ujung depan dan belakang proses.

Titik Perbedaan Dua: Bagaimana Pandangan Kubu Open-Source? GLM-5.2 dari Z.ai dan M3 dari MiniMax

Jika Microsoft dan OpenAI mewakili jalur tertutup dan diproduksi, sisi lain konferensi ini diisi oleh perwakilan kubu model open-source yang menyuarakan pandangannya.

Z.ai (tim GLM) tampil secara daring melalui Zixuan Li, meluncurkan model bahasa besar open-source GLM-5.2, diposisikan sebagai 'model andalan untuk tugas jangka panjang'. Z.ai juga meluncurkan alat bernama ZCode, yang diklaim 'mendukung semua model garis depan', dan membandingkan ZCode dengan OpenAI Codex dalam sesinya. Ini menandakan jalur yang dipilih Z.ai: memadukan model open-source dengan lapisan alat yang diklaim kompatibel dengan berbagai model garis depan, alih-alih mengikat alat agent pada model miliknya sendiri dalam satu ekosistem tertutup seperti yang dilakukan Microsoft atau OpenAI.

MiniMax, perusahaan Tiongkok, diwakili oleh Olive Song, yang mengumumkan model bobot terbuka terbarunya, M3, dalam wawancara yang dilakukan oleh Thomas Wolf dari Hugging Face. Pemberitaan publik sejauh ini belum banyak membahas karakteristik teknis spesifik M3, dan artikel ini tidak akan berspekulasi melampaui apa yang diberitakan — fakta yang bisa dikonfirmasi terbatas pada kerangka ini: 'perwakilan MiniMax Olive Song mengumumkan M3, sebuah model bobot terbuka, di konferensi ini, dan diwawancarai oleh Thomas Wolf dari Hugging Face'. Angka performa, skala pelatihan, dan detail serupa masih menunggu informasi publik lebih lanjut.

Perlu dicatat, GLM-5.2 dan M3 adalah milik dua perusahaan berbeda (Z.ai dan MiniMax) dan tidak seharusnya dianggap sebagai produk yang sama pada jalur yang sama; kesamaan keduanya hanya sebatas sama-sama dirilis sebagai model bobot terbuka/open-source — yang, jika dibandingkan dengan jalur relatif tertutup dan diproduksi milik Microsoft dan OpenAI, membentuk alur narasi paralel kedua di sepanjang konferensi ini.

Titik Perbedaan Tiga: Siapa yang Berhak Mendefinisikan 'Software Factory'?

Satu titik perdebatan yang mudah terlewat namun layak disoroti: kerangka definisi di balik tema konferensi itu sendiri, 'Software Factories', berasal dari Tížková dari Factory, bukan dari Microsoft, OpenAI, atau perusahaan mana pun dari kubu open-source. Dengan kata lain, ketika setiap perusahaan menggunakan kata seperti 'pabrik' dan 'loop' dalam sesinya, mereka sebenarnya meminjam atau menggemakan kerangka naratif tingkat konferensi yang sama, lalu mengisinya dengan bahasa produk mereka sendiri — tetapi hak untuk mendefinisikan kerangka itu secara orisinal ada pada salah satu kurator acara. Inilah juga sebabnya mengapa perusahaan berbeda dalam konferensi yang sama bisa memiliki interpretasi konkret yang benar-benar berbeda tentang 'software factory' — karena ini memang konsep yang masih dalam proses didefinisikan secara kolektif, bukan spesifikasi teknis yang sudah memiliki satu jawaban baku.

Kedua Belah Pihak Sebenarnya Mengatakan Hal yang Sama: Perputaran Loop dan Otomatisasi Adalah Konsensus — Perbedaan Ada pada 'Siapa yang Mengendalikan Loop'

Menyatukan titik-titik perbedaan di atas, muncul satu pengamatan netral: baik itu 'loop pembelajaran' Microsoft, pendekatan penumpukan loop agent yang ditekankan OpenAI, atau model tugas jangka panjang yang diusung Z.ai, hampir semua perusahaan di konferensi ini sepakat dengan arah besar bahwa 'proses pengembangan sedang bergerak menuju loop otonom' — ini adalah konsensus, bukan titik perbedaan. Perbedaan sesungguhnya terletak pada: di platform siapa loop ini berjalan, model siapa yang menggerakkannya, dan apakah developer bisa mengganti bagian mana pun di dalamnya. Microsoft dan OpenAI cenderung menyajikan loop yang terikat dengan platform dan model mereka sendiri; Z.ai, melalui positioning 'ZCode mendukung semua model garis depan', menekankan bahwa lapisan alat dan lapisan model bisa dipilih secara terpisah. Ini adalah perbedaan pendekatan yang bersifat struktural, bukan perbandingan teknologi mana yang lebih baik — perusahaan yang mengevaluasi platform ini sebaiknya memperlakukan keduanya sebagai pertanyaan terpisah.

Artinya Bagi Perusahaan dan Developer: Indikator Apa yang Perlu Dilihat Saat Mengevaluasi Platform AI Agent Pengembangan

Mengubah titik-titik perbedaan dari perdebatan ini menjadi daftar periksa praktis bagi perusahaan yang mengevaluasi platform AI agent pengembangan, ada kurang lebih tiga arah. Pertama, apakah desain 'loop' platform terkunci pada satu vendor model tunggal, atau memungkinkan mengganti model berbeda di tahap yang berbeda — ini berdampak langsung pada ruang negosiasi masa depan dan risiko ketergantungan vendor. Kedua, seberapa jauh 'otomatisasi' platform ini sebenarnya berjalan: hanya generasi kode, atau seperti yang digambarkan OpenAI, terhubung hingga ke alasan pekerjaan, tinjauan, dan penerapan sebagai satu alur penuh; kedalaman otomatisasi yang berbeda menyiratkan kompleksitas integrasi dan kebutuhan tata kelola yang sangat berbeda. Ketiga, open source dan tertutup pada dasarnya tidak baik atau buruk secara mutlak, tetapi mewakili asumsi operasional yang berbeda — model open-source memberi perusahaan fleksibilitas lebih untuk melakukan hosting dan kustomisasi sendiri, tetapi menuntut tanggung jawab operasional yang lebih besar sendiri; platform tertutup menyerap kompleksitas operasional itu, tetapi perusahaan memiliki kontrol yang relatif lebih rendah atas model dasarnya. Ketiga indikator ini, pada intinya, adalah logika yang sama yang seharusnya ditanyakan perusahaan saat memilih solusi akses multi-model apa pun.

Tanya Jawab

Apa itu 'Software Factories', dan mengapa menjadi tema konferensi AI 2026 ini?

'Software Factories' adalah tema AI Engineer World's Fair 2026. Menurut definisi yang disampaikan Tereza Tížková dari Factory, artinya adalah 'loop otonom yang mencakup seluruh siklus hidup pengembangan perangkat lunak', meliputi pengumpulan sinyal, merespons umpan balik dan log, memprioritaskan, mengoordinasikan integrasi; gagasan intinya adalah membiarkan AI agent melakukan pekerjaan pembangunan yang sebenarnya, sementara developer beralih membangun sistem otomatis itu sendiri.

Apakah 'loop pembelajaran' Microsoft sama dengan pendekatan penumpukan loop agent OpenAI?

Tidak sepenuhnya sama. Foundry milik Microsoft, yang diperkenalkan Pablo Castro, diposisikan sebagai 'pabrik aplikasi dan agent AI', dengan argumen inti bahwa kolaborasi manusia-agent menghasilkan loop pembelajaran; agent Codex OpenAI, yang dibahas Alexander Embiricos dan Romain Huet, menekankan penumpukan beberapa loop agent, menghubungkan agent ke isi pekerjaan, alasan pekerjaan, proses tinjauan dan penerapan. Keduanya sama-sama menggunakan kata 'loop' untuk menggambarkan proses pengembangan yang diotomatisasi, tetapi titik masuk dan penekanannya berbeda, tidak seharusnya dianggap sebagai desain yang sama.

Apa bedanya GLM-5.2 dari Z.ai dengan pendekatan OpenAI Codex?

GLM-5.2 yang dirilis Z.ai adalah model bahasa besar open-source yang diposisikan sebagai model andalan untuk tugas jangka panjang, dipadukan dengan alat bernama ZCode yang diklaim mendukung semua model garis depan; OpenAI Codex adalah produk agent yang terikat pada model dan ekosistem platform milik OpenAI sendiri. Perbedaannya ada pada open-source vs tertutup, dan apakah lapisan alat terikat pada model tertentu, artikel ini tidak menilai mana yang secara teknis lebih baik.

Spesifikasi teknis konkret apa yang diumumkan MiniMax untuk M3?

Pemberitaan publik sejauh ini belum banyak membahas karakteristik teknis spesifik M3, yang bisa dikonfirmasi hanyalah perwakilan MiniMax Olive Song mengumumkan model bobot terbuka ini di konferensi dan diwawancarai oleh Thomas Wolf dari Hugging Face. Angka performa, skala pelatihan, artikel ini tidak berspekulasi yang belum terverifikasi, disarankan memantau pengumuman resmi MiniMax.

Haruskah perusahaan memprioritaskan jalur open-source atau tertutup saat mengevaluasi platform AI agent pengembangan?

Konferensi ini menyajikan dua jalur paralel, tanpa ada pilihan yang secara mutlak lebih baik. Saat mengevaluasi, perusahaan bisa merujuk pada tiga indikator: apakah loop terkunci pada satu vendor model tunggal, seberapa jauh otomatisasi mencakup alur pengembangan (generasi murni vs terhubung ke tinjauan dan penerapan), dan apakah tim sendiri memiliki kapasitas untuk menanggung tanggung jawab operasional yang menyertai hosting mandiri model open-source. Jawaban yang tepat bergantung pada kapasitas teknis dan kebutuhan tata kelola perusahaan itu sendiri, bukan karena satu jalur secara inheren lebih unggul.

Sumber

Materi yang memicu topik ini adalah video kompilasi keynote yang dipublikasikan di kanal YouTube AI Engineer, “WF2026: Software Factories & Keynotes ft. Microsoft, OpenAI, OpenClaw, Z.ai (GLM), MiniMax, HF” (dipublikasikan sekitar 3 Juli 2026, dengan jumlah tayangan berkisar 69.000–80.000 menurut sumber pihak ketiga yang telah diverifikasi silang, bukan angka resmi yang presisi). Artikel ini tidak menggunakan transkrip video tersebut sebagai dasar fakta; melainkan mengacu pada liputan langsung Latent Space tentang AI Engineer World's Fair 2026 (29 Juni–2 Juli 2026, Moscone West, San Francisco) — seri AIEWF Daily Dispatch — yang telah diverifikasi silang dengan liputan media lain, disusun ulang di sini sebagai perbandingan poin demi poin, bukan terjemahan kalimat demi kalimat dari pemberitaan asli atau video. Semua atribusi pernyataan kepada perwakilan Microsoft, OpenAI, Z.ai, MiniMax, dan Hugging Face dalam artikel ini terbatas pada cakupan pemberitaan terverifikasi tersebut; spesifikasi teknis konkret, angka performa, atau kutipan lengkap apa pun yang tidak disediakan dalam pemberitaan itu tidak direkayasa atau diperluas di sini.