Satu Suara, Sepuluh Lane: Sehari Bersama Dikte

Dua anak, tiga startup, satu suara menceritakan asal-usulnya: lane startup paralel bertaruh besar, anak kedua yang belum genap enam bulan, dan keyboard yang diam-diam menjadi satu-satunya titik gagal untuk segalanya. Tulisan itu menjelaskan kenapa Keebye ada. Orang-orang terus menanyakan hal yang lebih praktis: sebenarnya satu hari itu seperti apa?

Jadi inilah harinya. Bukan hari yang tipikal, karena hal seperti itu tidak ada, tapi bentuk nyata yang terus berulang. Aku sengaja menghindari angka. Aku tidak pernah mengukur persentase peningkatan, dan seandainya pun pernah, aku tidak akan memercayainya. Yang bisa kugambarkan adalah di mana kanal suara terpakai, di mana tidak, dan apa yang berubah pada tekstur pekerjaannya.

Catatan soal "sepuluh lane". Ini bukan pamer. Lane adalah apa pun yang bergerak maju hanya dengan satu kalimat dariku: agent coding yang sedang di tengah tugas, code review yang ditunggu orang, thread Slack, email ke pengacara investor, draf dokumen. Di hari sibuk, jumlahnya memang sekitar segitu. Sebagian besar sedang diam pada satu waktu. Masalahnya, yang bangun bangun sesuai jadwal mereka, bukan jadwalku.

Pagi buta: satu lengan, tiga agent

Hari dimulai sebelum rumah bangun, artinya dimulai dengan bayi di satu lengan. Ini jam ketika suara berubah dari kenyamanan menjadi kebutuhan.

Tiga lane agent sudah berjalan sejak semalam, masing-masing di terminal sendiri, masing-masing di repository berbeda. Hal pertama yang kulakukan adalah membaca apa yang mereka kerjakan. Membaca butuh mata, bukan tangan, jadi bayinya aman. Hal kedua adalah mengarahkan ulang yang melenceng, dan di situlah dulu keyboard kalah.

Sekarang: klik ke terminal, tahan Right Command, ucapkan arahannya, lepas. "Migrasinya sudah benar, tapi kamu mengganti nama tabel di model dan bukan di skrip seed. Perbaiki seed-nya dan jalankan ulang test-nya." Teks mendarat di prompt. Enter. Lane berikutnya.

Ada kebiasaan kecil yang butuh waktu untuk kupelajari: bicaralah dalam kalimat utuh. Agent bekerja lebih baik dengan itu, dan dikte menghasilkannya secara alami karena begitulah cara orang bicara. Gaya telegram yang dulu kuketik ("fix seed, rerun") adalah artefak keyboard, bukan preferensi.

Jam ini juga memunculkan satu keanehan dikte pertama yang perlu diketahui. Mikrofon memanas setelah dikte pertama dalam satu sesi dan sejak itu menyimpan pre-roll 500 ms. Tahanan pertama di pagi hari tetap bisa membayar biaya start stream dan memotong satu kata kalau aku mulai bicara terlalu cepat. Aku belajar menunggu sejenak. Kenapa aplikasi dikte memakan kata pertamamu menjelaskan mekanismenya; singkatnya ini masalah satu kategori dengan perbaikan parsial, bukan yang sudah tuntas.

Menjelang siang: lane review

Dua startup yang kutemani punya code review yang menunggu giliranku hampir setiap pagi. Review adalah kasus pemakaian dikte terbaik yang mungkin ada: ia adalah kegiatan membaca dengan sesekali keluaran prosa pendek, dan prosanya ditujukan ke manusia.

Aku membaca diff di tab browser. Kalau ada yang butuh komentar, aku klik kotaknya, tahan, bicara, lepas. Kamus kustom membawa identifier proyek, jadi reconnectBackoff keluar sebagai reconnectBackoff dan bukan tiga kata bahasa Inggris. Pembersihannya berbasis aturan secara default: kata pengisi dan pengulangan hilang, pilihan kataku tetap. Aku membiarkan poles LLM lokal opsional tetap mati untuk komentar review, karena pengaman fidelitas di baliknya adalah heuristik terhadap kehilangan token parah, pengembangan berlebih, atau pengulangan — bukan jaminan bahwa sebuah negasi selamat, dan di dalam review satu "tidak" yang terbalik mengubah kesimpulannya.

Salah satu tim itu melakukan review dalam bahasa Rumania. Mesin 25 bahasa milik Keebye menangani itu on-device; aku mengunci bahasanya di tray dan ucapan berikutnya didekode sebagai bahasa Rumania, termasuk identifier berbahasa Inggris di dalamnya. Diktekan code review dalam bahasamu sendiri memuat detailnya, termasuk daftar jujur bahasa mana yang tercakup dan mana yang tidak.

Siang: lane manusia

Tidak semua lane adalah agent. Sekitar jam ini, thread Slack dan email yang menua semalaman butuh jawaban, dan di sinilah dulu hariku diam-diam kehilangan berjam-jam. Bukan karena balasannya sulit, tapi karena setiap balasan berarti meninggalkan satu lane, dan meninggalkan lane punya biaya untuk masuk kembali.

Suara mengubah hitung-hitungan sebuah balasan. Jawaban Slack dua kalimat adalah satu tahanan hotkey, diucapkan ke kotak pesan sementara mataku masih setengah di terminal sebelahnya. Email yang berkaitan dengan investor lebih panjang dan tetap kutulis dengan hati-hati, tapi draf pertamanya sekarang diucapkan, lalu disunting. Mengucapkan draf membuat bentuknya cepat jadi; menyuntingnya dengan mengetik adalah tempat presisinya datang.

Ini juga jam ketika syarat privasi paling terasa. Yang kudiktekan di sini adalah isi perut perusahaan orang lain: produk yang belum rilis, diskusi keamanan, uang. Keebye mentranskripsi on-device, bekerja dengan Wi-Fi mati setelah model diunduh, menyimpan riwayat teks-saja secara lokal yang terhapus sendiri setelah 30 hari, dan tidak mengirim telemetri. Ke mana perginya suaramu adalah versi panjang dari kenapa itu tidak bisa ditawar buatku.

Sore: deep work, dan lane yang bangun

Sore hari untuk lane yang benar-benar butuh pikiran: sebuah desain, bug sulit, dokumen yang harus tepat. Ini diketik. Suara adalah kanal kendali, bukan kanal berpikir, dan masalah sulit tidak jadi lebih mudah hanya karena diucapkan.

Tapi lane yang lain tidak tahu ini waktu deep work. Sebuah agent selesai lalu bertanya. Seorang reviewer membalas komentarku dengan argumen tandingan. Dulu, setiap kejadian itu adalah keputusan: patahkan fokus dan ganti jendela, atau biarkan menua. Sekarang sebagian besar cukup satu lirikan dan satu kalimat. Lirik pertanyaan agent, klik masuk, ucapkan "ya, tapi biarkan endpoint lama tetap hidup sampai client-nya rilis", klik kembali. Jendela deep work sebagian besar tetap utuh, karena interupsinya beberapa detik bicara, bukan perpindahan konteks penuh ke masalah orang lain.

Aku ingin tepat soal klaim di sini. Suara tidak membuat interupsi jadi gratis. Ia membuat biaya mekanis dari merespons cukup kecil sehingga sisa biayanya tinggal pikirannya saja, yang memang selalu jadi biaya sebenarnya.

Malam: lane yang penuh terminal

Salah satu startup menjalankan banyak pekerjaan operasionalnya lewat SSH, di dalam tmux, di server tempat paste dari clipboard bahkan tidak ada sebagai konsep. Di sinilah alat dikte biasanya tumbang, karena sebagian besar menyisipkan teks dengan cara mem-paste.

Keebye juga mem-paste secara default, dengan pemotongan yang sadar terminal untuk shell. Untuk SSH dan tmux aku menyalakan mode pengetikan opsional, yang menyuntikkan teks sebagai ketukan tombol Unicode alih-alih mengandalkan clipboard. Mode itu bekerja dengan layout non-QWERTY, yang penting untuk keyboard Rumania di salah satu mesin. Dikte yang bertahan di terminal membahas penyetelannya dan panduan terminal membahas trade-off-nya.

Keebye juga menolak menyisipkan teks ke kolom input aman, jadi ketika server meminta passphrase, hotkey-nya tidak melakukan apa pun. Kadang menjengkelkan dan sepenuhnya benar.

Yang tidak berubah

Hari seperti ini bisa terbaca seolah suara menyelesaikan masalah punya terlalu banyak lane. Tidak. Ia menyelesaikan satu hambatan spesifik: biaya fisik mengantarkan satu kalimat ke lane mana pun yang membutuhkannya. Sisanya sama saja.

Berpikir tetap jadi hambatan untuk pekerjaan sulit. Membaca tetap memakan waktu sebanyak yang dibutuhkan. Agent tetap melenceng dan tetap perlu diarahkan ulang, dan arahan yang bergumam menghasilkan hasil yang bergumam, entah diucapkan atau diketik. Suara adalah pelengkap tangan, bukan pengganti; aku masih banyak mengetik, hanya saja bukan lagi sebagai satu-satunya leher botol yang ditunggu semua lane.

Dan aplikasinya masih punya sisi kasar perangkat lunak awal. Identifier salah dengar. Kata pertama di hari itu kadang terpotong. Tidak ada kosakata perintah suara, jadi berpindah antar-jendela masih pakai klik. Ia hanya jalan di macOS.

Bentuk hal ini

Gambaran lama tentang developer 10x adalah satu orang yang mengetik lebih cepat. Gambaran yang benar-benar datang adalah satu orang yang memimpin orkestra: beberapa lane, sebagian otomatis dan sebagian manusia, masing-masing menunggu satu kalimat. Di dunia itu, daya ungkitnya bukan kecepatan mengetik. Daya ungkitnya adalah seberapa murah kamu bisa mengantarkan maksudmu ke lane yang membutuhkannya, dalam situasi fisik apa pun kamu berada, termasuk dengan satu lengan penuh.

Kalau harimu berbentuk seperti itu, panduan developer adalah titik awal yang praktis, dan kalau kamu sedang menimbang aplikasi dikte untuk itu, alternatif Keebye adalah perbandingan jujur yang menyebutkan di mana masing-masing lebih cocok. Uji cobanya 14 hari dan dimulai saat kamu pertama kali masuk di aplikasi desktop, jadi satu minggu nyata penuh lane persis untuk itulah gunanya.