a16z: AI membuat efisiensi setiap orang meningkat 10 kali lipat, tetapi tidak ada satu perusahaan pun yang menjadi 10 kali lebih berharga karenanya

Penulis: George Sivulka

Diterjemahkan oleh: Deep潮 TechFlow

Pembaca Deep潮: AI telah meningkatkan efisiensi individu sebanyak 10 kali lipat, tetapi tidak ada satu perusahaan pun yang menjadi 10 kali lebih bernilai. Investor a16z George Sivulka (yang juga merupakan pendiri perusahaan AI Hebbia) berpendapat bahwa masalahnya bukan pada teknologi itu sendiri, melainkan pada organisasi yang belum melakukan rekonstruksi. Ia mengusulkan tujuh dimensi utama untuk membedakan antara “AI tingkat organisasi” dan “AI tingkat pribadi”—koordinasi, sinyal, bias, keunggulan tepi, orientasi hasil, pemberdayaan, dan tanpa perlu prompt—pada dasarnya adalah mengatakan: mengganti motor listrik saja tidak cukup, Anda harus merancang ulang seluruh pabrik.

Berikut ini adalah seluruh isi artikel:

AI baru saja meningkatkan produktivitas setiap orang sebanyak 10 kali lipat.

Namun, tidak ada satu perusahaan pun yang menjadi 10 kali lebih bernilai.

Kemana perginya produktivitas itu?

Ini bukan kali pertama hal ini terjadi.

Pada tahun 1890-an, listrik menjanjikan peningkatan produktivitas yang besar.

Pabrik tekstil di New England, yang awalnya dibangun berdasarkan tenaga uap yang berputar, segera mengganti mesin uap dengan motor listrik yang lebih cepat.

Namun selama tiga puluh tahun, pabrik yang di-electrify hampir tidak mengalami peningkatan output. Teknologi sudah jauh di depan, tetapi organisasi tidak mengikuti.

Hingga tahun 1920-an, pabrik benar-benar merancang ulang jalur produksinya—dengan jalur produksi lini, setiap mesin dilengkapi motor listrik sendiri, dan pekerja serta mesin menjalankan tugas yang benar-benar berbeda—baru kemudian manfaat dari elektrifikasi benar-benar terwujud.

Keterangan gambar: Tiga evolusi pabrik tekstil Lowell. Dari kiri ke kanan: tahun 1890 pabrik tenaga uap, tahun 1900 pabrik tenaga listrik, tahun 1920 pabrik “unit-driven” (dibangun ulang dari awal menjadi jalur produksi listrik).

Keuntungan bukan berasal dari teknologi itu sendiri, maupun dari membuat satu pekerja atau mesin memintal lebih cepat. Keuntungan sesungguhnya terwujud ketika kita akhirnya merancang ulang sistem dan teknologi secara bersamaan.

Ini adalah pelajaran paling mahal dalam sejarah teknologi, dan saat ini kita sedang mempelajarinya kembali.

Pada tahun 2026, AI sedang memberikan peningkatan produktivitas 10 kali lipat bagi mereka yang tahu cara memanfaatkannya. Tapi itu belum cukup. Kita sudah mengganti motor listrik, tetapi belum merancang ulang pabrik.

Karena satu fakta sederhana: individu yang efisien tidak sama dengan organisasi yang efisien.

Sebagian besar produk AI memberi kesan “efisien”, tetapi tidak benar-benar mendorong nilai. Sebagian besar kasus penggunaan AI yang Anda lihat hanyalah “efisiensi maksimal” yang bersifat self-indulgent di Twitter atau Slack perusahaan, tanpa dampak nyata.

Pernahkah Anda mendengar pernyataan “layanan adalah perangkat lunak” selama setahun terakhir? Memang benar, tetapi tidak memberikan peta jalan. Selain itu, pernyataan itu mengabaikan gambaran yang lebih besar. Transformasi sejati bukan dari alat ke layanan, melainkan membangun teknologi dan sistem secara bersamaan (baik merombak yang lama maupun membangun dari nol). Masa depan yang benar-benar efisien membutuhkan kategori produk baru—jalur produksi masa depan.

Organisasi yang efisien membutuhkan “kecerdasan tingkat organisasi”.

Artikel ini akan membahas secara mendalam tujuh dimensi utama yang membedakan “AI tingkat organisasi” dan “AI tingkat pribadi”. Dalam sepuluh tahun ke depan, seluruh perusahaan di bidang AI B2B akan dibangun di atas perbedaan ini:

Keterangan gambar: Tabel perbandingan tujuh pilar kecerdasan tingkat organisasi

Tujuh pilar kecerdasan tingkat organisasi

1. Koordinasi

AI tingkat pribadi menciptakan kekacauan.

AI tingkat organisasi menciptakan koordinasi.

Mari kita mulai dengan sebuah eksperimen pemikiran. Bayangkan besok Anda menggandakan jumlah anggota organisasi, dan mengkloning semua karyawan terbaik Anda.

Setiap orang memiliki perbedaan kecil, preferensi, kebiasaan aneh, dan sudut pandang (terutama karyawan terbaik Anda). Jika manajemen tidak tepat, komunikasi tidak cukup, pembagian tugas, OKR, dan batas peran tidak didefinisikan dengan jelas… yang Anda ciptakan adalah kekacauan.

Dari sudut pandang individu, organisasi mungkin tampak lebih efisien. Tapi ribuan agen (atau manusia) masing-masing mengayuh ke arah berbeda, berlawanan, hasil terbaiknya adalah organisasi tetap di tempat, hasil terburuknya adalah menghancurkan kohesi organisasi.

Ini bukan sekadar asumsi. Setiap organisasi yang menggunakan AI tanpa lapisan koordinasi saat ini sedang mengalami hal ini. Setiap karyawan memiliki kebiasaan menggunakan ChatGPT, gaya prompt sendiri, output sendiri—yang sama sekali tidak sinkron satu sama lain. Struktur organisasi mungkin masih ada, tetapi pekerjaan yang dihasilkan AI berjalan di jalur yang berbeda.

Keterangan gambar: Agen individu (atau agen) yang efisien masing-masing mengayuh ke arah berbeda. Tanpa koordinasi, kekacauan terjadi.

Koordinasi adalah kebutuhan mutlak—baik untuk manusia maupun agen.

Kecerdasan tingkat organisasi akan melahirkan industri lengkap “Manajemen Agen”—yang fokus pada peran dan tanggung jawab agen, komunikasi antar agen dan antara agen dengan manusia, serta bagaimana mengukur nilai agen (hanya membayar berdasarkan volume saja tidak cukup).

2. Sinyal

AI tingkat pribadi menciptakan kebisingan.

AI tingkat organisasi menemukan sinyal.

Saat ini, manusia mampu menciptakan—atau menghasilkan—apa saja yang bisa dibayangkan: artikel yang ditulis AI, presentasi, spreadsheet, foto, video, lagu, situs web, perangkat lunak. Betapa hebatnya hadiah ini.

Masalahnya, sebagian besar konten yang dihasilkan AI adalah sampah total. Penyebaran sampah AI sudah begitu parah sehingga beberapa organisasi bahkan melarang semua output AI. Jujur saja, saya juga merasakan hal yang sama—saya menjalankan perusahaan AI, tetapi meminta tim eksekutif untuk tidak menggunakan AI dalam produk akhir apa pun. Saya tidak tahan dengan sampah-sampah itu.

Bayangkan apa yang terjadi di industri private equity (PE). Tahun lalu, mungkin Anda menerima 10 peluang transaksi di meja Anda. Tahun ini, kuartal berikutnya, Anda akan menerima 50 peluang, semuanya dipoles dengan sempurna oleh AI, dan waktu penilaian Anda tetap sama—harus menemukan yang benar-benar andal di antaranya.

Membuat apa saja bukan lagi masalah. Masalahnya sekarang adalah menghasilkan dan menyaring hal yang benar. Dalam dunia yang didorong AI, menemukan hasil yang baik, transaksi yang bagus, dan sinyal di tengah kebisingan menjadi semakin penting. Sepuluh tahun ke depan, inti kekuatan ekonomi adalah mengekstrak sinyal dari tumpukan sampah yang berkembang secara eksponensial.

Keterangan gambar: Sampah AI yang dihasilkan alat produktivitas pribadi sedang berkembang secara eksponensial. Manusia sendiri sudah tidak mampu memilah dari kebisingan, sehingga diperlukan produk AI tingkat organisasi yang baru.

Kecerdasan tingkat organisasi harus menemukan sinyal, harus memstructure kebisingan agar menembus sampah, dan dalam pekerjaan harus dapat didefinisikan, pasti, dan dapat diaudit.

AI tingkat pribadi mungkin menekankan pada “Clawdbot” yang selalu online dan memenuhi kebutuhan Anda 24/7 dengan cara yang tidak pasti—pada dasarnya adalah agen non-deterministik. AI tingkat organisasi bergantung pada keandalan agen deterministik. Agen yang memiliki checkpoint, langkah, dan proses yang dapat diprediksi adalah yang dapat diskalakan, mampu menemukan sinyal, dan menggerakkan pendapatan organisasi melalui sinyal tersebut.

Keterangan gambar: Matrix adalah alat yang menggunakan teknologi generatif untuk menembus kebisingan, membuka dunia agen deterministik dan checkpoint.

3. Bias

AI tingkat pribadi melatih bias.

AI tingkat organisasi menciptakan objektivitas.

Diskusi tentang bias sosial-politik telah mendominasi percakapan AI selama beberapa tahun. Laboratorium model dasar akhirnya mengatasi masalah ini melalui RLHF yang cukup banyak, dengan menyesuaikan semua model agar menjadi penyanjung. Hari ini, model seperti ChatGPT dan Claude terlalu disesuaikan, setuju dengan Anda dalam topik apa pun yang berada dalam jendela Overton (kadang-kadang bahkan sedikit melampaui batas, seperti yang dilakukan @Grok). Diskusi tentang bias sosial-politik mulai mereda. Tapi muncul masalah baru.

Kebiasaan terlalu menyesuaikan diri ini sudah menjadi meme—seperti kalimat Claude yang refleksif, “Anda benar sepenuhnya!”, tidak peduli apakah Anda benar-benar benar atau tidak.

Terdengar tidak berbahaya. Tapi tidak.

Banyak orang yang paling aktif mempromosikan AI di organisasi mungkin akan menjadi karyawan dengan performa terburuk dalam sejarah. Pikirkan alasannya.

Karyawan terburuk di organisasi hampir tidak pernah mendapatkan umpan balik positif setiap hari, dan segera akan mendapatkan persetujuan penuh dari ASI (Artificial Superintelligence). Mereka akan berpikir dalam hati: “Makhluk paling cerdas di dunia setuju dengan saya. Mungkin manajer saya yang salah.”

Ini sangat adiktif. Tapi berbahaya bagi organisasi.

Keterangan gambar: Ruang gema AI tingkat pribadi memperparah perpecahan, membuat dua orang semakin menjauh, dan setelah skala besar, menciptakan faksi-faksi dalam organisasi yang sebelumnya homogen.

Ini mengungkapkan satu hal penting: alat produktivitas pribadi memperkuat pengguna. Tapi yang paling penting adalah memperkuat fakta.

Organisasi manusia telah berevolusi selama ribuan tahun dan membangun sistem khusus untuk melawan masalah ini:

Rapat komite investasi

Due diligence pihak ketiga

Dewan direksi

Pembagian kekuasaan eksekutif, legislatif, yudikatif di Amerika Serikat

Demokrasi perwakilan dan sistem demokrasi itu sendiri

Keterangan gambar: Objektivitas bahkan dapat meredakan masalah koordinasi—dengan menekan perbedaan kecil, bukan memperbesar.

Organisasi jarang gagal karena karyawan tidak percaya diri. Mereka gagal karena tidak ada yang mau atau mampu mengatakan “tidak”.

AI tingkat organisasi harus memainkan peran ini. Ia tidak akan dilatih RLHF untuk menyenangkan pengguna atau menyetujui kepercayaan mereka, melainkan untuk menantang bias mereka. Saat berperilaku efisien, berikan umpan balik positif; saat menyimpang dari jalur, tetapkan garis keras dan lakukan koreksi paksa.

Oleh karena itu, agen terpenting dalam organisasi bukanlah “penurut”, melainkan “penolak” yang disiplin—yang mempertanyakan penalaran, mengungkap risiko, dan menegakkan standar. Beberapa aplikasi AI paling berpengaruh di masa depan akan dibangun di sekitar batasan sistemik: anggota dewan AI, auditor AI, pengujian pihak ketiga AI, dan kepatuhan AI.

4. Keunggulan tepi

AI tingkat pribadi mengoptimalkan penggunaan.

AI tingkat organisasi mengoptimalkan keunggulan tepi.

Batas kemampuan AI bergerak setiap minggu bahkan setiap hari. Perusahaan model dasar berkompetisi untuk merebut perhatian setiap orang dan organisasi dengan melakukan iterasi kemampuan yang cepat.

Namun, dilema inovator klasik mengajarkan kita bahwa dalam aplikasi spesifik, kedalaman selalu mengalahkan luas:

@Midjourney unggul tipis dalam desain gambar.

@Elevenlabsio unggul tipis dalam model suara.

@DecagonAI selalu unggul dalam pengalaman layanan pelanggan lengkap.

Meskipun model dasar semakin mendekati, bagi para ahli di bidangnya, keunggulan tepi yang sesungguhnya adalah kunci. Banyak desainer terbaik menggunakan @Midjourney, banyak perusahaan AI suara terbaik menggunakan @Elevenlabsio—karena meskipun model dasar berkembang, fokus tanpa henti pada aplikasi khusus yang mendorong keunggulan tepi tertentu sudah mendefinisikan keunggulan itu sendiri.

Selama solusi khusus juga terus berkembang, kemampuan yang benar-benar penting bagi hasil ekonomi—kemampuan yang penting bagi perusahaan—selalu berada di sisi produk khusus.

Ini sangat terlihat di bidang keuangan—yang saat ini menjadi bidang pengembangan LLM paling panas. Setelah suatu kemampuan menyebar, secara definisi, itu tidak akan membantu Anda mengalahkan pasar. Tapi jika teknologi terdepan mampu memberikan keunggulan kecil 1% yang sementara? Keunggulan 1% ini bisa memicu pengembalian miliaran dolar.

Keterangan gambar: Untuk tugas yang cukup spesifik, keunggulan tepi didefinisikan oleh solusi tingkat organisasi yang Anda bangun di atas teknologi terdepan.

Pengguna kami terus melampaui batas terdepan. Jendela konteks LLM meningkat dari 4K menjadi 1 juta token dalam empat tahun. Beberapa pengguna kami memproses 30 miliar token dalam satu tugas. Tahun ini, kami melihat jalur untuk memproses tugas 100 miliar token. Setiap kali kemampuan model dasar meningkat, kami melangkah lebih jauh.

Keterangan gambar: Jendela konteks dan kemampuan lain adalah target yang selalu bergerak. Perbandingan evolusi jendela konteks dari laboratorium terdepan dan Hebbia selama tiga tahun terakhir.

Keterbukaan untuk pengguna umum sangat penting, terutama saat memperkenalkan AI kepada karyawan. Tapi di masa depan, bukan hanya orang yang menggunakan ChatGPT/Claude atau solusi vertikal, melainkan ChatGPT/Claude ditambah solusi vertikal.

Kecerdasan tingkat organisasi harus memanfaatkan agen khusus bidang, bahkan tugas khusus.

Kita akan bertanya pada diri sendiri sebuah pertanyaan yang terdengar absurd tapi sebenarnya tidak:

“Apakah AGI akan memilih menggunakan agen tertentu sebagai jalan pintas? Bahkan kecerdasan super pun akan ingin menggunakan alat khusus bidang tertentu.”

Batas kemampuan AI selalu bergerak, dan organisasi yang memanfaatkan keunggulan tepi yang sesungguhnya adalah pemenang. Yang lain membayar mahal untuk produk umum yang sangat mahal.

5. Hasil

AI tingkat pribadi menghemat waktu.

AI tingkat organisasi meningkatkan pendapatan.

@MaVolpi pernah mengatakan sesuatu yang mengubah pandangan saya tentang menjual AI ke perusahaan: “Jika Anda bertanya kepada CEO mana yang lebih diutamakan, mengurangi biaya atau meningkatkan pendapatan, hampir semua akan menjawab pendapatan.”

Tapi hari ini, hampir semua produk AI di pasar fokus pada pengurangan biaya—menjanjikan menghemat waktu, melakukan lebih banyak dengan lebih sedikit orang, atau menggantikan tenaga manusia.

AI tingkat organisasi harus memberikan keuntungan tambahan. Dan keuntungan tambahan ini jauh lebih sulit dikomersialisasi daripada waktu yang dihemat.

Contoh pengembangan perangkat lunak berbasis AI. IDE kode adalah salah satu alat produktivitas AI pribadi terbaik yang pernah ada, tetapi mereka sudah menghadapi tekanan besar dari Claude Code (alat AI pribadi lainnya). Cognition bermain di level yang sama sekali berbeda. Pendapatan mereka yang paling stabil berasal dari menjual transformasi teknologi, bukan alat. Saya yakin model ini akan bertahan lama.

Perangkat lunak murni “sedang dengan cepat menjadi tidak layak”. Layanan murni tidak dapat diskalakan. Lapisan solusi—menggabungkan teknologi dan hasil—adalah tempat di mana nilai jangka panjang terkumpul.

Melihat M&A. AI tingkat pribadi membantu analis membangun model lebih cepat. AI tingkat organisasi mengidentifikasi satu target transaksi yang layak dari seratus, lalu memperluas pencarian ke seribu. Satu menghemat waktu, yang lain menciptakan pendapatan.

Keterangan gambar: Perusahaan model dasar sedang bergerak ke lapisan aplikasi vertikal. Perusahaan lapisan aplikasi vertikal sedang bergerak ke lapisan solusi.

“Naik ke hulu” adalah kekuatan pasar saat ini. Model dasar bergerak ke lapisan aplikasi, perusahaan lapisan aplikasi bergerak ke lapisan solusi.

Kecerdasan tingkat organisasi adalah lapisan solusi. Dan lapisan solusi—tempat hasil berada—akan mengumpulkan nilai jangka panjang dan meraih keuntungan terbesar.

6. Pemberdayaan

AI tingkat pribadi memberi Anda alat.

AI tingkat organisasi mengajari Anda cara menggunakannya.

Manusia sekreatif apa pun, tetap menolak perubahan.

Percaya atau tidak, di New York masih ada toko yang sukses yang tidak menerima kartu kredit. Mereka tahu mereka merugi, tahu tidak menerima kartu kredit akan merugi, tapi mereka tetap tidak mau mengubahnya. Demikian pula, dalam waktu dekat, beberapa karyawan di organisasi tertentu akan menolak menggunakan AI.

Transformasi dari organisasi yang sepenuhnya manual menjadi organisasi hibrida yang mengutamakan AI akan menjadi tantangan paling tahan lama dan paling mendefinisikan dalam dekade mendatang. Dan seringkali, orang-orang di tingkat tertinggi dan terpenting dalam organisasi justru yang paling lambat mengadopsi.

Keterangan gambar: Pimpinan tertinggi organisasi—yang paling jauh dari operasi “alat produktivitas”—seringkali adalah kelompok yang paling lambat tapi paling penting dalam mengadopsi teknologi baru.

Palantir adalah satu-satunya perusahaan perangkat lunak yang tetap mempertahankan valuasi tinggi selama gelombang penjualan saham teknologi triliunan dolar dalam dua bulan terakhir. Ada alasannya. Palantir adalah salah satu perusahaan “rekayasa proses” pertama yang benar-benar ada. Entah Anda menyebutnya “rekayasa proses” atau “penyusunan dokumen keterampilan Claude”, masa depan AI tingkat organisasi akan melahirkan industri baru: mengkodekan proses perusahaan ke dalam agen dan menerapkan manajemen perubahan yang diperlukan.

Keterangan gambar: Adopsi AI secara menyeluruh di organisasi akan melintasi banyak jurang, masing-masing dengan tantangannya sendiri. Mengintegrasikan proses ke dalam AI akan menjadi kekuatan pendorong utama.

Saya yakin rekayasa proses akan menjadi “teknologi” paling penting dalam waktu dekat.

Dalam rekayasa proses, keahlian bisnis dan industri—bukan keahlian perangkat lunak—adalah yang paling penting. Solusi vertikal akan melahirkan tenaga ahli yang mampu mengimplementasikan, mengelola, dan melakukan perubahan di garis depan.

Salah satu bank top yang memilih Hebbia untuk implementasi menyeluruh (tiga bank terbesar) mengatakan dengan sangat tepat: mereka tidak bekerja sama dengan laboratorium model besar tertentu karena “kami harus menjelaskan kepada tim mereka apa itu CIM (Confidential Information Memorandum)”. Claude atau GPT tentu memahami bidang ini, tetapi tim yang bertanggung jawab untuk implementasi dan promosi tidak mengerti…

Perbedaan ini menentukan segalanya.

7. Tanpa perlu prompt

AI tingkat pribadi merespons prompt manusia.

AI tingkat organisasi bertindak secara proaktif, tanpa perlu prompt.

Ada banyak diskusi tentang komunikasi antar agen, dan apakah di masa depan perusahaan dan sistem akan tetap membutuhkan manusia.

Tapi pertanyaan yang lebih baik adalah: apakah agen AI di masa depan masih membutuhkan prompt?

Memberi prompt kepada AGI seperti menghubungkan motor listrik ke mesin tenun manual. Secara fundamental dan tak dapat diubah, AI terbatas oleh bagian terlemah dari rantai pasokan organisasi—yaitu kita sendiri. Manusia sama sekali tidak tahu apa pertanyaan yang benar untuk diajukan, apalagi kapan harus bertanya.

AI yang paling berharga adalah pekerjaan yang tidak pernah terpikirkan orang untuk ditanyakan. AI harus menemukan risiko yang tidak disadari, lawan transaksi yang tidak terpikirkan, dan jalur penjualan yang tidak diketahui keberadaannya.

Ini akan membuka batasan penggunaan AI secara drastis.

Sistem tanpa prompt yang terus memantau aliran data seluruh portofolio investasi. Ia mendeteksi bahwa siklus modal operasional salah satu perusahaan portofolio memburuk selama tiga bulan berturut-turut, membandingkannya dengan ketentuan dalam perjanjian kredit, dan memberi tahu mitra operasional sebelum siapa pun membuka PDF tersebut di dana.

Ketika Anda tidak lagi membutuhkan manusia untuk menulis prompt bagi AI, antarmuka dan cara kerja baru akan muncul. Kami di @Hebbia memiliki ide yang sangat kuat tentang ini. Akan kami bahas nanti.

Penutup

Semua hal di atas tidak meniadakan nilai chatbot, agen, dan AI tingkat pribadi.

AI tingkat pribadi akan menjadi media utama bagi sebagian besar perusahaan di seluruh dunia untuk pertama kalinya merasakan keajaiban revolusi AI. Mendorong penggunaan dan kemudahan penggunaan adalah langkah pertama yang penting dalam membangun ekonomi yang berorientasi AI.

Namun, kebutuhan akan kecerdasan tingkat organisasi jelas, mendesak, dan besar.

Di masa depan, setiap organisasi akan memiliki chatbot dari laboratorium model besar. Setiap organisasi juga akan memiliki AI tingkat organisasi yang dirancang khusus untuk masalah bidang tertentu—dan AI tingkat pribadi akan menganggap AI tingkat organisasi sebagai alat terpenting di kotak perkakas mereka.

Penggabungan yang lebih baik antara AI tingkat organisasi dan AI tingkat pribadi adalah tren yang tak terelakkan.

Tapi ingat pelajaran dari pabrik tekstil tahun 1890-an. Pabrik yang pertama kali dialiri listrik kalah bersaing dengan pabrik yang merancang ulang ruang kerjanya.

Kita sudah memiliki listrik. Saatnya merancang ulang pabrik kita.

Terima kasih kepada @aleximm dan @WillManidis atas tinjauan mereka, serta inspirasi dari artikel Will tentang “benda berbentuk alat”.