Lokalisasi bergeser ke hulu karena asumsi inti pipeline lama sudah runtuh: bahwa kode berubah cukup lambat untuk mengekspor katalog teks yang stabil, menerjemahkannya di tempat lain, dan mengimpor hasilnya sebelum rilis berikutnya. Agen coding AI menghancurkan asumsi itu. globalize.now adalah infrastruktur lokalisasi berbasis AI yang dibangun untuk posisi baru ini: lokalisasi yang berjalan di dalam siklus pengembangan dan dikirim sebagai pull request. Esai ini membahas mengapa posisi, bukan kualitas terjemahan, yang berubah.

Apa maksudnya memindahkan lokalisasi ke hulu?

Artinya unit kerja lokalisasi bukan lagi katalog teks, melainkan commit. Di model lama, lokalisasi dimulai setelah kode selesai. Di model hulu, lokalisasi terjadi di tempat kode berada, saat kode berubah, dan keluarannya berupa kode: PR terlokalisasi yang bisa kamu diff, tinjau, dan merge.

Kedua pipeline itu terlihat seperti ini.

Traditional:   build → internationalize → export → translate → review → import → ship

Upstream:      code → push → localized PR → merge → ship

Pipeline pertama memiliki tujuh tahap dan dua kali meninggalkan repositori. Pipeline kedua memiliki lima tahap, dan tidak satu pun yang meninggalkan repo. Perbedaan struktural itu, bukan satu fitur tertentu, yang menjadi inti esai ini.

Bagaimana pipeline lokalisasi tradisional bekerja?

Ia bekerja sebagai siklus bolak-balik, dan setiap panah di dalamnya adalah antrean. Kamu membangun fitur. Kamu menginternasionalisasinya dengan mengekstrak teks menjadi kunci, dengan asumsi tim atau agen AI-mu sudah menghasilkan kode yang terstruktur sejak awal. Kamu mengekspor katalog ke platform terjemahan. Penerjemah atau mesin menerjemahkannya. Seseorang meninjau. Kamu mengimpor hasilnya, menyelesaikan konflik yang menumpuk selama katalog berada di luar, lalu merilis.

Setiap serah terima ada karena pekerjaannya berlangsung di tempat berbeda, dimiliki orang berbeda, dengan jadwal berbeda. Itu desain yang masuk akal ketika rilis dilakukan per kuartal dan teks berubah dalam batch. Ketergantungan tersembunyi pipeline ini adalah stabilitas: katalog harus diam cukup lama untuk menyelesaikan satu putaran bolak-balik.

Kini katalog itu tidak lagi diam. Dalam laporan DORA 2025 State of AI-Assisted Software Development, 90% profesional perangkat lunak melaporkan memakai tool AI di pekerjaan, dan studi dampak DX kuartal keempat 2025 mengukur kode buatan AI mencapai 22% dari kode yang di-merge pada perusahaan median yang mereka pantau. Kode yang dulu berubah mingguan kini berubah di antara makan siang dan standup.

Seperti apa lokalisasi di dalam siklus pengembangan?

Seperti pemeriksaan otomatis lain yang berjalan saat push. Kamu mengonversi codebase satu kali: teks diekstrak, kunci dibuat, file bahasa dihasilkan, dan wiring runtime terpasang. Setelah itu, sinkronisasi berjalan setiap push. Ketika sebuah commit memperkenalkan teks baru, terjemahannya datang sebagai pull request ke branch-mu, di repositorimu, dengan struktur yang sama seperti bagian aplikasi lainnya.

Ini bukan throughput hipotetis. Dalam sebuah run yang kami rekam pada Agustus 2026 di repo demo, satu commit yang di-push kembali sebagai PR terlokalisasi berisi 30 unit terjemahan dalam bahasa Jerman, Prancis, dan Spanyol hanya dalam 49 detik. Kurang dari semenit dari commit sampai PR yang siap ditinjau, tanpa campur tangan manusia sampai tahap tinjauan. Bandingkan dengan pipeline mana pun yang mengandung kata “ekspor”.

Konversi satu kali itu, perlu dicatat, tidak instan. Pada aplikasi nyata butuh sekitar 30 menit, karena yang dikerjakan adalah restrukturisasi kode: mengekstrak teks, membuat kunci, memasang runtime. Itulah pintu masuknya. Siklus di setiap push sesudahnya adalah produknya.

Sifat terpenting siklus itu bukan kecepatannya, melainkan bahwa tidak ada yang keluar dari repo. Tidak ada katalog yang tertinggal di platform eksternal dan perlahan menyimpang dari main. Run monorepo yang kami terbitkan sebelumnya menunjukkan konversi satu kali dalam skala besar; siklus inilah yang menjaga hasilnya tetap hidup sesudahnya. Merge atau tutup, dua kata kerja yang sama dengan yang berlaku untuk setiap perubahan lain. Kalau kamu sudah bekerja dengan cara ini, dokumentasi developer menunjukkan setup-nya.

Mengapa agen coding AI memaksa perubahan ini?

Karena mereka memindahkan bottleneck. Dulu kendala lokalisasi adalah kapasitas terjemahan: seberapa cepat vendor atau mesin memproses katalog yang terstruktur baik. Agen menghasilkan kode jauh melampaui kendala itu dan menciptakan kendala baru di hulunya. Sumber daya yang langka sekarang adalah kewarasan arsitektur setelah generasi kode: menjaga kunci tetap konsisten, file bahasa lengkap, dan struktur utuh ketika agen menambahkan UI ke codebase setiap hari.

Agen yang diminta membuat halaman checkout menghasilkan halaman checkout yang berfungsi dengan teks hardcode di dalam JSX. Anatominya kami bahas di kode AI merusak lokalisasi: satu proyek React yang dianalisis memuat 1.284 teks UI di 312 file tanpa struktur i18n sama sekali. Katalog yang ingin diekspor pipeline tradisional tidak ada di codebase itu. Dan besok codebase-nya akan berubah lagi, karena agen terus merilis.

Pipeline di hilir menghadapi kenyataan itu dengan selalu tertinggal. Apa pun yang diekspornya sudah basi saat diimpor. Satu-satunya posisi yang memungkinkan lokalisasi mengikuti kode hasil generasi adalah di dalam siklus yang menghasilkannya, dan itu berlaku baik kode berasal dari Cursor, Claude Code, maupun Lovable.

Bukankah terjemahan AI itu sama saja?

Bukan, dan di sinilah diskusi pasar sering salah arah. Lokalise menyebut dirinya platform lokalisasi AI; Phrase menawarkan Language AI untuk terjemahan mesin dalam skala besar. Keduanya kemampuan nyata. Keduanya mempercepat satu panah di pipeline lama: langkah terjemahan. Katalog tetap diekspor, tetap berada di platform eksternal, dan tetap kembali lewat impor.

Panah yang lebih cepat dalam siklus bolak-balik tujuh tahap hanyalah optimisasi. Menghapus siklus itu sama sekali adalah produk yang berbeda. Itulah pembedaan layer yang sebenarnya: platform yang dibangun di sekitar alur kerja penerjemah menempati layer manajemen, sedangkan globalize.now menempati layer infrastruktur di bawahnya, menghasilkan kunci dan file bahasa langsung dari kode, di dalam repo. “Berbasis AI” menggambarkan keduanya. Istilah itu tidak membedakan keduanya. Posisi yang membedakan.

Apa yang tetap berada di hilir?

Penilaian manusia untuk teks berisiko tinggi. Teks legal, klaim yang diatur regulasi, dan suara merek di pasar yang sangat penting bagimu layak ditangani penerjemah profesional dan tahap tinjauan, dan tim dengan kebutuhan itu akan terus memakai tool yang dibangun di sekitar alur kerja penerjemah. Lokalisasi di hulu tidak menghalangi hal itu; PR terlokalisasi adalah permukaan yang bisa ditinjau, dan manusia bisa menilainya dengan standar apa pun sebelum merge.

Yang berakhir adalah era ketika setiap tim harus mengadopsi platform alur kerja penerjemah hanya demi merilis bahasa kedua. Developer solo dengan produk buatan AI tidak punya penerjemah untuk dikelola. Yang mereka punya adalah commit. Tooling seharusnya menemui mereka di sana.

Siklusnya adalah produknya

Kalau kodemu dirilis lewat pull request, terjemahanmu pun seharusnya begitu. globalize.now mengonversi codebase satu kali, lalu menjaganya tetap terlokalisasi di setiap push: PR masuk, PR di-merge, rilis.

globalize.now mengubah teks hardcode di aplikasimu menjadi file locale yang siap diterjemahkan, lalu menjaganya tetap diperbarui setiap kali kamu rilis.

Coba globalize.now gratis