Manifesto Weft

Satu angka: lima

Tidak lebih dari lima hasil yang selesai atau pertanyaan terbuka menunggu keputusan Anda pada saat yang sama — sepuluh jika board dipakai bersama oleh satu tim. Ketika antrean penuh, agen yang meminta memulai sesuatu yang baru diminta untuk menyelesaikan, memperkecil, atau mengambil pekerjaan yang dikembalikan. Menyelesaikan tidak pernah ditolak: pekerjaan yang selesai tidak pernah dibuang.

Batasnya sengaja dibuat kecil. Dalam rumus antrean Kingman, waktu tunggu tumbuh mengikuti ρ/(1−ρ): reviewer yang sibuk 95% dari waktunya membuat pekerjaan menunggu 19 kali lebih lama daripada reviewer yang sibuk separuh waktunya, dengan variabilitas yang sama. Seperti target Google SRE untuk menjaga toil di bawah 50% waktu seorang engineer, lima adalah angka yang bisa Anda langgar — dan Anda bisa melihat bahwa Anda melanggarnya.^7,8

Tujuh prinsip

1. 01Pekerjaan tidak lagi langka. Keputusan Anda yang langka.

   Pasang batas keras pada antrean di depan orang yang memutuskan, bukan pada kolom Doing. Agen yang menganggur adalah agen yang sehat; ia tidak lelah, dan tiga tugas atau lima puluh sama saja baginya. Orang yang mereview pekerjaannya adalah satu-satunya sumber daya yang terpakai satu per satu.

2. 02Setiap “selesai” menyebutkan apa dasarnya.

   Laporan agen adalah permohonan, bukan bukti. Di domain τ²-bench dengan satu pihak pengendali, keberhasilan palsu — agen bilang selesai, lingkungan menunjukkan sebaliknya — mencakup 45–48% kegagalan, dan tidak ada juri LLM yang membaca jejak agen mencapai AUROC di atas 0,65, padahal lempar koin saja mendapat 0,5. Jadi “selesai” yang paling kuat membaca dunia luar: halaman yang merespons, file yang hash-nya cocok, objek yang memang ada. Pekerjaan yang tidak membutuhkan apa pun dari Anda boleh ditutup berdasarkan kata agen — dan lalu ditampilkan persis seperti itu, tidak pernah sebagai sudah diperiksa.⁴

3. 03Yang mengerjakan tidak ikut mengesahkan.

   Terverifikasi dan diterima adalah dua status yang berbeda. Server yang membaca ulang dunia luar, pemeriksaan deterministik, atau seseorang bisa menandai pekerjaan sebagai terverifikasi; agen yang mengerjakannya tidak bisa. Menerima adalah tanda tangan kedua yang terpisah. Untuk apa pun yang tidak bisa dibatalkan — uang, publikasi, pesan ke klien, apa pun yang menyangkut hukum — Weft meminta agen berhenti dan menunggu Anda, dan begitu penghentian itu dipasang, tidak ada agen yang bisa mencabutnya atau memindahkan tugas ke Done.

4. 04Setiap tugas punya satu pemilik manusia.

   Anda tidak bisa meminta pertanggungjawaban dari agen; Anda hanya bisa menugaskannya. Jadi sebuah tugas punya tepat satu pemilik, yaitu manusia, dan satu delegasi yang disebut namanya: bukan “AI”, melainkan Claude Code, Cursor, ChatGPT, atau Codex. Jaga jumlah delegasi tetap sedikit. Saran Anthropic sendiri untuk tim agen adalah mulai dengan tiga sampai lima, karena “three focused teammates often outperform five scattered ones” (tiga rekan tim yang fokus sering mengungguli lima yang tercerai-berai).⁵

5. 05Di batas, arahkan — dan jangan pernah memalsukan keputusan.

   Ketika antrean penuh, sistem mengatakan apa yang harus dilakukan alih-alih melempar error. Ketika agen diam di tengah tugas, klaimnya kedaluwarsa dan tugas kembali ke papan untuk orang lain. Dan ketika Anda belum memutuskan, pekerjaan menunggu Anda: diam bukan berarti menerima, jadi tidak ada yang ditandai diterima hanya karena waktu berlalu.

6. 06Tidak ada yang terbawa diam-diam.

   Minggu adalah satuan perencanaan: dibandingkan hari biasa, orang 62,9% lebih mungkin berkomitmen pada suatu tujuan di awal minggu, dan 23,6% lebih mungkin di awal bulan. Sebuah minggu berakhir dengan keputusan untuk setiap tugas yang belum selesai — lanjutkan dengan langkah berikutnya yang konkret, pecah, kembalikan, atau batalkan — bukan dengan pindah diam-diam ke minggu depan.⁶

7. 07Keputusan bertahan lebih lama dari sesi.

   Tidak ada klien AI yang menyerahkan memorinya kepada pihak lain, dan memang sebaiknya begitu. Jadi yang bertahan setelah sebuah sesi adalah apa yang dicatat di luarnya: bukan berkas tentang Anda, melainkan riwayat pekerjaan — bagaimana sebuah tugas berakhir, apa yang diputuskan dan mengapa. Memori juga harus bisa lupa: catatan yang sudah usang tidak lagi diberikan kepada agen.

Uji papan Anda dengan ini

Manifesto tanpa alat ukur hanyalah poster. Tujuh pertanyaan ini butuh sekitar lima menit untuk diajukan ke pengelola tugas mana pun. Di bagian yang belum dituntaskan Weft untuk setiap pengguna, ia mendapat tanda strip, bukan centang.

✓ berfungsi hari ini · — sebagian, atau belum diaktifkan · ✗ tidak ada

Apa yang kami hitung, dan apa yang tidak

Velocity, story point, burndown, utilisasi, jumlah tugas yang dibuat, dan jumlah panggilan AI tidak ada di produk ini. Semuanya mengukur sumber daya yang sudah tidak langka, dan semuanya memberi imbalan pada kebisingan.

Rasa cepat juga bukan pengukuran. Dalam studi METR tentang developer open source berpengalaman yang memakai alat awal 2025, mereka yakin AI membuat mereka 20% lebih cepat; saat diukur, mereka 19% lebih lambat.⁹

Yang layak dihitung ada empat: berapa lama item tertua sudah menunggu Anda; waktu dari “agen siap” sampai “Anda memutuskan”; porsi pekerjaan yang diterima pada percobaan pertama, terpisah untuk setiap pelaksana; dan menit perhatian Anda per hasil yang diterima. Yang terakhir adalah satu-satunya ujian jujur apakah AI memberi hasil yang sepadan. Weft mencatat apa yang dibutuhkan masing-masing — siapa yang mengerjakan setiap bagian pekerjaan, kapan pekerjaan itu siap, dan apa keputusan Anda — dan menunjukkan berapa banyak yang menunggu Anda.

Di mana cara ini tidak berlaku

Sebagian pekerjaan tidak punya pemeriksaan yang bisa dijalankan. Surat untuk investor atau pernyataan positioning tidak bisa diverifikasi oleh server, dan di situ metode ini dengan jujur kembali ke papan biasa dengan satu reviewer dan satu tugas semacam itu pada satu waktu. Kerangka kerja yang menjanjikan lebih dari yang bisa diperiksanya akan patah tepat di tempat seseorang mengandalkannya.

Belum ada studi yang ditinjau sejawat tentang batas yang tepat ketika agen yang bekerja. Lima adalah default kami, bukan temuan. Kami mulai dari tiga dan menaikkannya setelah minggu-minggu pertama pemakaian nyata: sepertiga penolakan terjadi saat hanya tiga atau empat item yang menunggu, dan semuanya beres dalam sekali duduk. Review juga bisa menjadi lebih murah: GDPval sendiri mencatat bahwa waktu review turun seiring para profesional terbiasa dengan pekerjaannya. Jika suatu saat pemeriksaan menjadi murah dan andal, batasnya harus naik — itulah sebabnya setiap ambang di sini adalah default yang kami perkirakan akan direvisi, bukan keyakinan.³

Sumber

1. 2026 Software Engineering Benchmarks Report — LinearB, 2026
2. The Acceleration Whiplash — Faros AI, 12 April 2026
3. GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks — OpenAI, arXiv:2510.04374, 5 October 2025
4. From Confident Closing to Silent Failure — arXiv:2606.09863, 1 June 2026
5. Orchestrate teams of Claude Code sessions — Choose an appropriate team size — Anthropic, retrieved 22 October 2026
6. The Fresh Start Effect: Temporal Landmarks Motivate Aspirational Behavior — Dai, Milkman, Riis — Management Science 60(10), 2014
7. The single server queue in heavy traffic — J. F. C. Kingman — Proceedings of the Cambridge Philosophical Society, 1961
8. Site Reliability Engineering, Chapter 5: Eliminating Toil — Google, 2016
9. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — METR, 10 July 2025