Stack Overflow Sekarat: 5 Mitos tentang Penggantinya

Stack Overflow kini menerima kurang dari 1.000 pertanyaan baru per bulan, jumlah yang lebih rendah dibanding bulan kedua keberadaannya di tahun 2008. Kalau kamu belajar coding kapan pun dalam lima belas tahun terakhir, angka itu seharusnya bikin kamu terdiam. Situs yang dulunya menjadi lapisan pengetahuan developer di internet ini sudah mandek, dan cerita paling gampang adalah ChatGPT yang membunuhnya. Cerita gampang itu salah, atau setidaknya sangat tidak lengkap, dan diagnosis yang keliru itu penting karena kita semua sekarang secara implisit sedang mendesain apa yang datang berikutnya.

Beberapa tahun terakhir saya membangun sistem ML, dan saya melihat kebiasaan saya bertanya runtuh dari “cari, baca tiga jawaban, lalu sintesis sendiri” menjadi “tempel error-nya ke jendela chat”. Jadi mari kita bahas ini dengan benar: lima keyakinan yang terus saya dengar soal penurunan Stack Overflow, diuji dengan apa yang sebenarnya benar.

Mitos 1: LLM Membunuh Stack Overflow

Ini narasi yang paling dominan, dan setengah benar. Peluncuran ChatGPT di akhir 2022 jelas mempercepat penurunan, grafik jumlah pertanyaannya membelok tajam tepat di sekitar titik itu. Tapi kalau melihat tren yang lebih panjang, jumlah pertanyaan bulanan Stack Overflow mencapai puncaknya bertahun-tahun sebelumnya dan sudah turun sekitar separuh dari puncak lokalnya sebelum ada orang yang menempelkan stack trace ke chatbot. Situs ini kurang lebih datar sejak sekitar 2014 dan menurun sejak sekitar 2017, dengan lonjakan singkat di 2020 saat pandemi.

Yang sebenarnya terjadi lebih mirip pasien dengan penyakit kronis yang menerima pukulan fatal dari hal lain. Penyakit kroniknya ditimbulkan sendiri: budaya moderasi yang mengoptimalkan jawaban kanonik dengan mengorbankan manusia yang bertanya. Ajukan pertanyaan yang tumpang tindih 80% dengan pertanyaan yang sudah ada, dan kamu akan langsung ditutup sebagai duplikat, meskipun selisih 20%-nya adalah inti dari pertanyaanmu. Moderator akan menulis ulang tulisanmu dengan gaya house style yang steril. Pengguna baru cepat sadar bahwa bertanya itu seperti melewati lorong cobaan. Sementara itu, pertanyaan-pertanyaan mudah, yang dulu mendatangkan ribuan postingan baru per hari, sudah ditanyakan dan dijawab semua pada 2015.

Jadi ketika LLM datang, mereka tidak perlu mengalahkan Stack Overflow di saat terbaiknya. Mereka hanya perlu mengalahkan pengalaman bertanya di sana: tanpa downvote, tanpa flag duplikat, tanpa menunggu tiga hari untuk komentar sekilas yang menyuruhmu membaca dokumentasi. Model menjawab seketika, sopan, dan dalam konteks kodemu. Itu bukan pertarungan yang adil, dan memang tidak pernah adil. Vonisnya: LLM adalah algojonya, tapi dinamika komunitaslah yang mengisi pelurunya.

Mitos 2: Kontennya Masih Berharga, Jadi Situsnya Akan Bertahan

Ada anggapan yang menenangkan bahwa korpus Stack Overflow, yaitu puluhan juta pertanyaan yang sudah terjawab, menjamin kelangsungan hidupnya. Itu tidak benar, dan alasannya sudah diketahui siapa pun yang belakangan ini mencarinya: jawabannya membeku dalam waktu. Pertanyaan tentang framework JavaScript populer yang dijawab di 2013 sekarang menampilkan jawaban teratas yang bukan hanya usang tapi juga menyesatkan, dan struktur situs ini menghambat koreksi. Kamu tidak bisa mengajukan ulang pertanyaan kanonik untuk mendapat jawaban modern, karena akan ditutup sebagai duplikat dari yang sudah usang. Jawaban yang diterima tetap disematkan di atas, bahkan ketika jawaban yang lebih baik dari empat tahun kemudian punya upvote tiga kali lipat.

Basis pengetahuan yang tidak bisa disegarkan bukan aset; itu liabilitas dengan SEO yang bagus. Dan di sinilah ironinya makin pekat: nilai utama korpus ini yang masih bisa dimonetisasi adalah melisensikannya ke perusahaan AI sebagai data training. Stack Overflow membuat kesepakatan untuk melakukan persis itu, yang memicu pemberontakan di antara kontributor yang menulis konten tersebut. Kesepakatan yang mereka setujui adalah jawaban gratis sebagai imbalan data terbuka, dan menjualnya merusak kontrak tak tertulis itu. Beberapa pengguna dengan reputasi tinggi mencoba menghapus atau merusak jawaban mereka sendiri sebagai protes. Ketika pengguna paling berharga kamu justru menyabotase asetmu, kamu tidak punya bisnis yang tahan lama; kamu punya likuidasi.

Saya perkirakan domainnya akan tetap hidup bertahun-tahun, karena trafik dari tautan lama saja sudah bernilai, tapi sebagai sistem hidup untuk menghasilkan pengetahuan baru, ini sudah berakhir. Vonis: tumbang. Konten membusuk, dan strukturnya mencegah pembusukan itu diperbaiki.

Mitos 3: LLM Sudah Sepenuhnya Menggantikan Fungsi Pengetahuan

Di sini saya mulai beropini, karena mitos ini berlawanan arah. Ini versi optimis AI, dan juga salah. Stack Overflow melakukan sesuatu yang secara fundamental tidak bisa dilakukan LLM: menghasilkan pengetahuan baru. Ketika sebuah library baru rilis dengan API yang membingungkan dan nol dokumentasi, seseorang membentur tembok, memposting pertanyaan, dan orang yang sudah memecahkannya menulis penjelasan publik pertama di internet. Jawaban itu kemudian menjadi data training, hasil pencarian, dan dokumentasi-lewat-perantara bagi semua orang setelahnya.

LLM sangat bagus di separuh loop ini yang berupa recall dan sintesis, dan secara struktural tidak mampu di separuh generasinya. Tanyakan model tentang interaksi yang jarang terjadi antara rilis framework yang baru dua minggu dan ekstensi Postgres tertentu, dan kamu akan mendapat jawaban yang lancar, percaya diri, tapi fabrikasi, karena belum ada manusia yang menulis tentang itu di mana pun. Saya sering mengalami ini dengan tooling ML yang bergerak cepat. Model tidak tahu apa yang tidak dia ketahui, dan tentu saja tidak tahu bahwa itu dirilis Selasa lalu.

Bagian inilah yang seharusnya membuat kita khawatir. Kita sudah membangun pintu depan ke jawaban yang bekerja luar biasa selama ada seseorang, di suatu tempat, yang masih menghasilkan pengetahuan dasar dalam bentuk teks yang bisa dikonsumsi model. Stack Overflow adalah salah satu penghasil terbesarnya. Matikan penghasilnya, pertahankan sintesisnya, dan kamu sudah membangun sistem pengetahuan yang perlahan kelaparan, karena setiap generasi model dilatih pada web yang sedikit lebih usang dan sedikit lebih terkontaminasi oleh output model. Kalau kamu sudah membaca tulisan kami tentang kenapa benchmark AI melewatkan sebagian besar pekerjaan nyata, ini celah yang sama di level ekosistem: bagian pekerjaan yang terukur dan berupa jawaban lancar sudah ditangani, sementara bagian generasi yang sulit dan tidak glamor justru kehilangan pendanaan.

Kita tidak menggantikan sistem pengetahuannya. Kita menggantikan antarmukanya dan lupa bahwa antarmuka tidak pernah menjadi bagian yang sulit.

Vonis: tumbang, dan ini mitos paling berbahaya dalam daftar ini.

Mitos 4: Klon dengan Moderasi yang Lebih Baik Akan Selamat

Banyak analisis pasca-kejadian berfokus pada budaya Stack Overflow: moderator yang gemar menutup duplikat, pertanyaan yang ditulis ulang, dan sikap dingin kepada pendatang baru. Lalu mereka menyimpulkan bahwa situs Q&A yang lebih ramah akan berkembang. Saya tidak sepakat. Budaya memang mempercepat penurunan, tapi masalah strukturalnya akan menenggelamkan klon yang hangat dan menyambut sekalipun: ekonomi keahlian sukarela sudah runtuh.

Pikirkan kenapa para ahli menjawab pertanyaan di 2012. Poin reputasi adalah kredensial nyata, dan perekrut melihat profil. Menjawab adalah cara mempelajari teknologi secara mendalam. Dan ada komunitas yang terlihat: kamu melihat nama-nama yang sama, membangun status, dan kadang bertemu orang langsung lewat chat dan situs terkait. Di akhir 2010-an ketiga pilar itu melemah. Nilai kredensialnya memudar seiring menurunnya gengsi situs. Insentif belajar lewat menjawab tetap ada, tapi pertanyaan yang layak dijawab mengering, dan antrean yang tersisa condong ke postingan pemula yang kurang jelas. Komunitasnya ikut menipis ketika orang-orang yang paling berinvestasi pergi atau keluar sebagai protes atas relisensi dan kesepakatan data.

Lalu LLM menghapus insentif terakhir: untuk apa menghabiskan empat puluh menit menulis jawaban yang cermat demi poin imajiner, ketika penanya bisa mendapat jawaban yang layak secara instan di tempat lain, dan ketika jawabanmu kemungkinan besar tetap berakhir sebagai data training tanpa lisensi yang terasa pantas? Setiap thread komentar tentang cerita ini penuh dengan mantan pengguna reputasi tinggi yang mengatakan versi dari “saya dulu suka menjawab, lalu... berhenti saja”. Seseorang dalam diskusi terbaru menyebut skor reputasi 29.000 dan 645 jawaban, dan harus berpikir keras untuk ingat bahwa situs itu masih ada. Kamu tidak bisa melakukan A/B test kebijakan moderasi untuk memperbaiki itu. Vonis: sebagian besar tumbang. Keramahan hanya akan memperlambat pendarahan, bukan menghentikannya.

Mitos 5: Pengganti Apa Pun Akan Terlihat Seperti Sebuah Situs Web

Setiap beberapa bulan ada yang mengumumkan “Stack Overflow untuk era AI”, dan bentuknya selalu sama: situs Q&A publik dengan vote dan badge. Menurut saya itu nostalgia, bukan analisis. Pengganti yang benar-benar muncul adalah sistem berlapis, dan hanya satu lapisannya yang publik.

Dari yang saya lihat di tim-tim tempat saya bekerja, pengetahuan developer sekarang mengalir lewat sekitar empat saluran:

• LLM sebagai pintu depan. Langkah pertama untuk hampir semua hal, terutama error dan penggunaan API. Cepat, privat, tanpa beban sosial. Lapisan ini sudah menang dan tidak akan kembali.
• Memori tim privat. Wiki internal, arsip Slack, dan semakin banyak asisten retrieval-augmented yang diarahkan ke codebase dan postmortem milikmu sendiri. Di sinilah pengetahuan baru yang benar-benar berharga sekarang tinggal, dan sengaja tidak dipublikasikan.
• Enklaf publik dengan sinyal tinggi. Server Discord untuk tool tertentu, GitHub Discussions, dan issue tracker. Lebih kecil, lebih hangat, dan cakupannya cukup sempit sehingga moderasi bisa berjalan. Ketika saya punya pertanyaan serius tentang library baru, saya pergi ke Discord-nya, bukan ke situs Q&A umum.
• Materi sumber. Dokumentasi, RFC, dan kodenya sendiri. Membaca source code berubah dari pilihan terakhir menjadi tujuan kedua, sebagian karena alat AI membuat menjelajahi codebase yang asing jauh lebih murah.

Perhatikan apa yang hilang: satu commons publik tunggal tempat pertanyaan baru yang sulit dijawab untuk kepentingan semua orang. Setiap lapisan secara individual rasional dan secara kolektif memiskinkan. Memori tim privat tidak pernah bocor keluar. Server Discord tidak bisa dicari dari luar dan tidak ramah untuk diarsipkan, masalah yang pernah kami bahas dalam konteks web yang kehilangan ingatannya. Dan pintu depan LLM mengonsumsi teks publik tanpa menghasilkan apa pun.

Vonis: terkonfirmasi bahwa situs monolitik sudah mati. Pertanyaan terbukanya adalah apakah sistem pengganti yang berlapis bisa menopang lapisan publik sama sekali.

Mendesain Sistem Pengetahuan yang Tidak Kelaparan

Kalau kamu membangun tool developer, platform internal, atau infrastruktur komunitas, analisis pasca-kejadian Stack Overflow menyimpan pelajaran konkret. Saya sudah sampai pada empat prinsip desain, dan saya akui prinsip keempat adalah yang paling kurang yakin sudah kita pecahkan.

Pertama, perlakukan kesegaran sebagai fitur, bukan masalah moderasi. Stack Overflow memperlakukan jawaban lama sebagai kanonik dan pendapat baru sebagai duplikat. Balikkan itu. Beri versi pada jawabanmu. Biarkan pertanyaan diajukan ulang setiap ada rilis framework besar dan buat konteks temporalnya eksplisit, karena “per React 19” jauh lebih baik daripada satu jawaban abadi. Sistem yang menangani ini dengan baik, seperti dokumentasi resmi dengan halaman berversi dan beberapa wiki, adalah yang masih dipercaya orang.

Kedua, bangun loop evaluasi ke dalam alur kerja. Kejeniusan Stack Overflow ada pada vote: sinyal kualitas jawaban yang murah dan persisten. Jawaban LLM tidak punya loop seperti itu secara default. Yang kamu dapat adalah kelancaran, bukan verifikasi. Dari pengalaman saya, perbaikannya bukan meminta model memeriksa dirinya sendiri, karena itu biasanya hanya menghasilkan persetujuan yang terdengar yakin. Perbaikannya adalah memaksa kontak dengan realitas. Jalankan kodenya. Cek versinya. Ketika saya memakai LLM untuk apa pun di luar boilerplate, saya memperlakukan outputnya seperti pull request dari intern: masuk akal sampai diuji. Artikel kami tentang pemeriksaan pemahaman versus tes untuk kode yang dihasilkan AI membahas secara mendalam di mana masing-masing pendekatan menangkap kegagalan. Tim yang mendapat nilai nyata dari asisten AI adalah tim yang menghubungkan tes dan linter langsung ke dalam loop generasi, bukan yang mempercayai prosanya.

Ketiga, insentif harus bertahan saat berhadapan dengan alternatif gratis. Poin dan badge mati begitu ada jawaban privat instan. Apa yang masih mendorong orang untuk menulis sesuatu secara publik? Status dalam komunitas spesifik (cakupan sempit lebih baik daripada global), manfaat profesional langsung (kontribusi dokumentasi yang mencantumkan namamu, materi talk konferensi), dan timbal balik di ruang yang cukup kecil sehingga membantu seseorang hari ini berarti mereka membantumu bulan depan. Rancang untuk itu, bukan untuk gamifikasi papan peringkat.

Keempat, yang paling sulit: pertahankan lapisan generasi publik tetap hidup. Seseorang harus menulis jawaban pertama tentang hal yang dirilis minggu lalu, di tempat yang bisa dijangkau crawler dan model di masa depan. Saat ini beban itu jatuh ke issue GitHub, blog pribadi, dan dokumentasi vendor, secara tidak merata dan tanpa koordinasi. Kalau kamu vendor tool, ini sebenarnya peluang: forum diskusi publik yang terawat untuk produkmu sekarang menjadi keunggulan kompetitif, karena itu menentukan apa yang dikatakan model tentangmu. Dan kalau kamu ingin pengetahuan internal timmu yang didapat dengan susah payah tumbuh berlipat ganda alih-alih menguap saat orang pergi, asisten internal yang berbasis dokumentasimu sendiri lebih baik daripada berharap orang ingat memperbarui wiki, tapi hanya jika kamu juga memperbaiki insentif untuk menulis dokumentasi.

Apa yang Sebenarnya Kita Kehilangan

Lepaskan nostalgianya, dan penurunan Stack Overflow adalah studi kasus tentang bagaimana infrastruktur teknis membusuk: bukan karena satu pukulan, melainkan insentif yang tidak selaras yang menumpuk selama bertahun-tahun sampai sebuah pengganti membuat pembusukan itu terlihat. Situs ini mengoptimalkan artefak, yaitu jawaban kanonik, dan lupa bahwa artefak diproduksi oleh orang-orang yang butuh alasan untuk datang.

Posisi yang pragmatis, dan yang akan saya perjuangkan, adalah ini: berduka sebentar, lalu perlakukan sebagai brief desain. Pintu depan LLM memang benar-benar lebih baik untuk 90% dari apa yang dulu dilakukan Stack Overflow, dan kita sebaiknya mengatakannya terang-terangan alih-alih berpura-pura berduka. Tapi 10% sisanya, yaitu menghasilkan pengetahuan publik baru, memverifikasinya dengan realitas, dan menjaganya tetap segar, sekarang menjadi masalah semua orang dan pekerjaan tidak ada yang mengerjakannya. Tim dan komunitas yang memecahkan masalah insentif untuk 10% itu yang akan memiliki dekade berikutnya dari pengetahuan developer. Yang berasumsi chatbot sudah menangani semuanya akan menemukan, perlahan lalu sekaligus, apa nilai sebuah jawaban ketika tidak ada yang menulisnya.