Penulis: George Sivulka
Kompilasi: Deep Tide TechFlow
Panduan Deep Tide: AI meningkatkan produktivitas individu 10 kali lipat, tetapi tidak ada perusahaan yang menjadi 10 kali lebih berharga. Investor a16z George Sivulka (juga pendiri perusahaan AI Hebbia) berpendapat bahwa masalahnya bukan pada teknologi itu sendiri, tetapi pada organisasi yang tidak ikut berubah. Dia mengajukan tujuh dimensi untuk membedakan "AI tingkat institusi" dan "AI tingkat individu"—koordinasi, sinyal, bias, keunggulan tepi, berorientasi hasil, pemberdayaan, dan tanpa prompt—pada dasarnya mengatakan: mengganti motor listrik saja tidak cukup, Anda harus mendesain ulang seluruh pabrik.
Teks lengkapnya sebagai berikut:
AI baru saja meningkatkan produktivitas setiap orang 10 kali lipat.
Tidak ada perusahaan yang menjadi 10 kali lebih berharga.
Kemana perginya produktivitas?
Ini bukan pertama kalinya terjadi.
Pada tahun 1890-an, listrik menjanjikan peningkatan produktivitas yang besar.
Pabrik tekstil New England, yang awalnya dibangun di sekitar tenaga putar mesin uap, dengan cepat mengganti mesin uap mereka dengan motor listrik yang lebih cepat.
Tapi selama tiga puluh tahun penuh, pabrik yang dialiri listrik hampir tidak meningkatkan output. Teknologi jauh lebih maju. Tapi organisasinya tidak mengikuti.
Hingga tahun 1920-an, ketika pabrik mendesain ulang sepenuhnya lini produksi—jalur perakitan, setiap peralatan dipasang motor independen, pekerja dan mesin melakukan jenis pekerjaan yang sangat berbeda—barulah elektrifikasi memberikan hasil nyata.
Keterangan gambar: Tiga evolusi Pabrik Tekstil Lowell. Dari kiri ke kanan: Pabrik tenaga uap tahun 1890, pabrik penggerak listrik tahun 1900, pabrik "unit drive" tahun 1920 (yaitu dibangun kembali dari nol menjadi jalur perakitan listrik).
Hasilnya bukan berasal dari teknologi itu sendiri, juga bukan dari membuat satu pekerja atau mesin memintal lebih cepat. Tapi ketika kita akhirnya mendesain ulang sistem dan teknologi bersama-sama, keuntungannya benar-benar terwujud.
Ini adalah pelajaran termahal dalam sejarah teknologi, dan kita sekarang sedang mengulang pelajaran yang sama.
Tahun 2026, AI sedang membawa peningkatan produktivitas 10 kali lipat bagi mereka yang tahu memanfaatkannya. Tapi ini belum cukup. Kita telah mengganti motor listrik, tapi belum mendesain ulang pabrik.
Karena satu fakta sederhana: Individu yang efisien tidak sama dengan organisasi yang efisien.
Sebagian besar produk AI memberikan perasaan "efisien" kepada orang, tetapi tidak benar-benar mendorong nilai. Sebagian besar kasus penggunaan AI yang Anda lihat, adalah orang-orang yang memamerkan "efisiensi max" di Twitter atau Slack perusahaan, dengan dampak aktual nol.
Ucapan "layanan sebagai perangkat lunak" yang berulang kali disebut tahun lalu arahnya tidak salah, tapi tidak memberikan cetak biru. Dan itu mengabaikan gambaran yang lebih besar. Transformasi sebenarnya bukan dari alat ke layanan, tetapi membangun teknologi dan sistem bersama-sama (baik mengubah yang lama atau dari nol). Masa depan yang benar-benar efisien membutuhkan produk kategori baru—jalur perakitan masa depan.
Organisasi yang efisien membutuhkan "kecerdasan tingkat institusi".
Artikel ini akan menganalisis mendalam tujuh dimensi yang membedakan "AI tingkat institusi" dan "AI tingkat individu". Perusahaan-perusahaan di seluruh bidang B2B AI dekade mendatang akan dibangun berdasarkan perbedaan ini:
Keterangan gambar: Tabel perbandingan Tujuh Pilar Kecerdasan Institusional
Tujuh Pilar Kecerdasan Institusional
1. Koordinasi
AI tingkat individu menciptakan kekacauan.
AI tingkat institusi menciptakan koordinasi.
Pertama, sebuah eksperimen pikiran. Misalkan Anda besok melipatgandakan jumlah orang dalam organisasi, mengkloning semua karyawan terbaik Anda.
Karyawan-karyawan ini masing-masing memiliki perbedaan kecil, preferensi, keunikan, dan perspektif (karyawan terbaik Anda terutama begitu). Jika tidak dikelola dengan baik, komunikasi tidak memadai, pembagian tanggung jawab, OKR, batas peran tidak didefinisikan dengan jelas...... Anda menciptakan kekacauan.
Diukur secara individu, organisasi mungkin lebih efisien. Tapi ribuan Agen (atau manusia) mendayung ke arah mereka sendiri, arah yang berlawanan, hasil baiknya adalah diam di tempat, hasil buruknya adalah menghancurkan kohesi organisasi.
Ini bukan hipotesis. Setiap organisasi yang mengadopsi AI tanpa lapisan koordinasi, sedang mengalaminya sekarang. Setiap karyawan memiliki kebiasaan penggunaan ChatGPT mereka sendiri, gaya prompt mereka sendiri, hasil karya mereka sendiri—dan tidak ada hubungannya dengan hasil karya orang lain. Bagan struktur organisasi mungkin masih ada, tetapi pekerjaan yang dihasilkan AI sebenarnya berjalan di jalur lain.
Keterangan gambar: Individu (atau Agen) yang efisien mendayung ke arah yang berbeda. Tanpa koordinasi, yang ada adalah kekacauan.
Koordinasi adalah kebutuhan mutlak, baik untuk manusia maupun Agen.
Kecerdasan tingkat institusi akan melahirkan seluruh industri "manajemen Agen"—berfokus pada peran dan tanggung jawab Agen, komunikasi antara Agen dan antara Agen dengan manusia, serta bagaimana mengukur nilai Agen (hanya mengandalkan pembayaran berdasarkan volume jauh dari cukup).
2. Sinyal
AI tingkat individu menciptakan noise.
AI tingkat institusi menemukan sinyal.
Manusia hari ini dapat menciptakan—atau menghasilkan—apapun yang dapat dibayangkan: artikel yang ditulis AI, presentasi, spreadsheet, foto, video, lagu, situs web, perangkat lunak. Hadiah yang indah.
Masalahnya, sebagian besar konten yang dihasilkan AI adalah sampah sepenuhnya. Banjir sampah AI sudah sedemikian parahnya sehingga beberapa organisasi bereaksi berlebihan, melarang semua hasil AI. Jujur saja saya juga merasakannya—saya menjalankan perusahaan AI, tetapi meminta tim eksekutif untuk tidak menggunakan AI dalam produk tulisan akhir. Saya tidak tahan dengan sampah itu.
Pikirkan seperti apa industri PE (Private Equity) sedang berubah. Tahun lalu, Anda mungkin menerima 10 peluang transaksi di meja Anda. Tahun ini, kuartal depan Anda akan menerima 50 peluang, masing-masing dipoles AI dengan sempurna, dan waktu penilaian Anda tetap sama—harus menemukan yang satu benar-benar靠谱 (dapat diandalkan) dari dalamnya.
Menghasilkan apapun sudah bukan masalah lagi. Bagi organisasi mana pun yang serius, masalah sekarang adalah menghasilkan dan menyaring hal yang benar. Di dunia yang digerakkan AI, menemukan satu hasil karya yang baik, satu transaksi yang baik, sinyal di tengah noise, menjadi semakin kritis. Penggerak ekonomi inti dekade mendatang, adalah menggali sinyal dari gunungan sampah yang tumbuh secara eksponensial.
Keterangan gambar: Sampah AI yang dihasilkan oleh alat produktivitas individu sedang berkembang biak secara eksponensial. Manusia sendiri sudah tidak bisa memilah dari noise, membutuhkan jenis baru produk AI tingkat institusi.
Kecerdasan tingkat institusi harus menemukan sinyal, harus menyusun noise untuk menembus sampah, dan dalam pekerjaan harus dapat didefinisikan, deterministik, dan dapat diaudit.
AI tingkat individu mungkin menekankan produktivitas "selalu aktif" seperti Clawdbot, memenuhi kebutuhan Anda 24/7 dengan cara yang tidak dapat diprediksi—pada dasarnya adalah Agen non-deterministik. AI tingkat institusi mengandalkan keandalan Agen deterministik. Agen dengan titik pemeriksaan, langkah, dan proses yang dapat diprediksi yang dapat diskalakan, dapat menemukan sinyal, dan melalui sinyal-sinyal ini mendorong pengembalian pendapatan bagi organisasi.
Keterangan gambar: Matrix adalah alat yang menggunakan teknologi generatif untuk menembus noise, sehingga membuka dunia Agen deterministik dan titik pemeriksaan.
3. Bias
AI tingkat individu memberi makan bias.
AI tingkat institusi menciptakan objektivitas.
Diskusi seputar bias sosiopolitik mendominasi wacana AI selama beberapa tahun. Lab model dasar akhirnya mengatasi masalah ini dengan RLHF yang cukup, menyetel semua model menjadi penjilat. Hari ini, ChatGPT, Claude, dan model lainnya terlalu selaras, akan menyetujui Anda dalam topik apapun dalam jendela Overton (kadang bahkan sedikit melampaui, itu Anda @Grok). Diskusi bias sosiopolitik mereda. Tapi masalah baru menggantikannya.
Kesesuaian berlebihan terhadap segala hal ini sudah sampai pada tingkat yang menggelikan. Itu sendiri menjadi meme—refleks kondisioning Claude "Anda benar sekali!", terlepas dari apakah Anda benar-benar benar atau tidak.
Ini terdengar tidak berbahaya. Tapi tidak.
Banyak orang yang paling gencar mendorong AI di organisasi, mungkin segera akan menjadi karyawan yang berkinerja terburuk dalam sejarah. Pikirkan mengapa.
Karyawan dengan kinerja terburuk dalam organisasi, yang hampir tidak mendapat umpan balik positif setiap hari, akan segera memiliki ASI yang menyetujui mereka sepanjang waktu. Mereka akan berkata dalam hati: "Agen paling cerdas sepanjang masa setuju dengan saya. Manajer saya yang salah."
Ini membuat ketagihan. Juga beracun bagi organisasi.
Keterangan gambar: Ruang gema AI tingkat individu memperburuk perpecahan, membuat dua orang semakin menjauh, dinamika ini ketika diskalakan akan menciptakan faksi dalam organisasi yang sebelumnya konsisten.
Ini mengungkapkan hal penting. Alat produktivitas individu memperkuat pengguna. Tapi yang seharusnya paling diperkuat adalah fakta.
Organisasi manusia berevolusi selama ribuan tahun, membangun sistem yang khusus melawan masalah ini:
- Rapat komite investasi
- Uji tuntas pihak ketiga
- Dewan direksi
- Pemisahan kekuasaan eksekutif, legislatif, dan yudikatif pemerintah AS
- Demokrasi perwakilan, dan sistem demokrasi itu sendiri
Keterangan gambar: Objektivitas bahkan dapat meredakan masalah koordinasi—menekan perbedaan kecil daripada memperbesarnya.
Organisasi jarang gagal karena karyawan kurang percaya diri. Mereka gagal karena tidak ada yang mau atau mampu mengatakan "tidak".
AI tingkat institusi harus memainkan peran ini. Itu tidak akan disetel oleh RLHF untuk menyenangkan pengguna atau menyetujui keyakinan mereka, tetapi untuk menantang bias mereka. Memberikan umpan balik positif ketika berperilaku efisien, menggambar garis keras, memaksa koreksi ketika menyimpang.
Oleh karena itu, Agen terpenting di dalam organisasi bukanlah "penurut", tetapi "pembuat veto" yang disiplin—mempertanyakan penalaran, mengekspos risiko, mengeksekusi standar. Beberapa aplikasi AI paling berpengaruh di masa depan akan dibangun di sekitar kendala institusional: anggota dewan AI, auditor AI, pengujian pihak ketiga AI, kepatuhan AI......
4. Keunggulan Tepi
AI tingkat individu mengoptimalkan penggunaan.
AI tingkat institusi mengoptimalkan keunggulan tepi.
Batas kemampuan AI bergerak setiap minggu bahkan setiap hari. Perusahaan model dasar, untuk memperebutkan setiap orang dan setiap organisasi, dengan cepat mengulangi kemampuan.
Tapi dilema inovator klasik memberitahu kita bahwa dalam aplikasi spesifik, kedalaman selalu mengalahkan keluasan:
- Pekerjaan @Midjourney adalah mempertahankan keunggulan tipis dalam desain gambar.
- Pekerjaan @Elevenlabsio adalah mempertahankan keunggulan tipis dalam model suara.
- Pekerjaan @DecagonAI adalah selamanya memimpin dalam pengalaman layanan pelanggan full-stack.
Meskipun model dasar akan semakin mendekati, bagi para spesialis di berbagai bidang, keunggulan tepi yang sebenarnya adalah kuncinya. Banyak desainer terbaik menggunakan @Midjourney, banyak perusahaan AI suara terbaik menggunakan @Elevenlabsio—karena bahkan ketika model dasar berkembang, fokus tanpa henti dari solusi khusus untuk mendorong keunggulan tepi spesifik mereka, sendiri mendefinisikan keunggulan.
Selama solusi khusus juga berevolusi, kemampuan yang benar-benar penting untuk hasil ekonomi—penting bagi perusahaan—selalu berada di pihak produk khusus.
Ini diwujudkan dengan jelas di bidang keuangan—saat ini bidang pengembangan LLM yang paling panas. Begitu suatu kemampuan menjadi umum, menurut definisi itu tidak akan membantu Anda mengalahkan pasar. Tapi jika teknologi terdepan dapat menghasilkan keunggulan niche 1% yang singkat? 1% ini dapat mengungkit pengembalian miliaran dolar.
Keterangan gambar: Untuk tugas apa pun yang cukup spesifik, keunggulan tepi didefinisikan oleh solusi tingkat institusi yang Anda bangun di atas teknologi terdepan.
Pengguna kami terus melampaui batas terdepan. Jendela konteks LLM dalam empat tahun berkembang dari 4K menjadi 1 juta token. Beberapa pengguna kami memproses 30 miliar token dalam satu tugas. Tahun ini kami telah melihat jalan untuk menangani tugas 100 miliar token. Setiap kali kemampuan model dasar meningkat, kami sudah melangkah lebih jauh.
Keterangan gambar: Jendela konteks dan kemampuan lainnya adalah target bergerak. Perbandingan evolusi jendela konteks lab terdepan dan Hebbia dalam tiga tahun terakhir.
Kegunaan umum untuk pengguna luas tentu penting, terutama dalam tahap memperkenalkan karyawan ke AI. Tapi masa depan bukanlah orang menggunakan ChatGPT/Claude atau solusi vertikal, tetapi ChatGPT/Claude ditambah solusi vertikal.
Kecerdasan tingkat institusi harus memanfaatkan Agen khusus domain, bahkan khusus tugas.
Kami akan bertanya pada diri sendiri pertanyaan yang terdengar absurd tetapi tidak absurd:
"AGI mana yang akan memilih menggunakan Agen sebagai jalan pintas? Bahkan kecerdasan super pun akan menginginkan alat khusus untuk domain tertentu."
Batas kemampuan AI selalu bergerak, dan organisasi yang memanfaatkan keunggulan tepi yang sebenarnya adalah pemenangnya. Yang lainnya membayar untuk barang umum yang sangat mahal.
5. Hasil
AI tingkat individu menghemat waktu.
AI tingkat institusi memperluas pendapatan.
@MaVolpi pernah mengatakan sesuatu kepada saya, yang membentuk ulang pemahaman saya tentang menjual AI ke perusahaan: "Jika Anda bertanya kepada CEO mana pun prioritas memotong biaya atau memperluas pendapatan, hampir semua orang akan mengatakan pendapatan."
Tapi hampir setiap produk AI di pasar saat ini memberikan pengurangan biaya—menjanjikan membantu menghemat waktu, melakukan lebih banyak dengan lebih sedikit orang, atau menggantikan tenaga manusia.
AI tingkat institusi harus memberikan keuntungan tambahan. Dan keuntungan tambahan jauh lebih sulit untuk dikomoditisasi daripada waktu yang dihemat.
Ambil contoh pengembangan perangkat lunak berbantuan AI. IDE kode adalah salah satu alat produktivitas AI pribadi terbaik yang pernah ada, tetapi mereka sudah menghadapi guncangan besar dari Claude Code (alat AI tingkat individu lainnya). Cognition sedang memainkan permainan yang sama sekali berbeda. Bisnis mereka yang tumbuh paling stabil adalah menjual transformasi dengan teknologi, bukan menjual alat. Saya bertaruh model ini akan memiliki daya tahan.
Perangkat lunak murni "dengan cepat menjadi tidak dapat diinvestasikan". Layanan murni tidak dapat diskalakan. Lapisan solusi—mengikat teknologi dan hasil bersama-sama—adalah tempat nilai bertahan mengendap.
Lihat lagi M&A. AI tingkat individu membantu analis memodelkan lebih cepat. AI tingkat institusi mengidentifikasi satu dari seratus target yang layak dikejar, kemudian 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.
"Bergerak ke hulu" adalah gravitasi alami pasar saat ini. Model dasar sedang bergerak ke lapisan aplikasi, perusahaan lapisan aplikasi sedang bergerak ke lapisan solusi.
Kecerdasan tingkat institusi adalah lapisan solusi. Dan lapisan solusi—tempat hasil berada—akan mengendapkan nilai yang bertahan, menangkap ruang keuntungan terbesar.
6. Pemberdayaan
AI tingkat individu memberi Anda alat.
AI tingkat institusi mengajarkan Anda cara menggunakannya.
Seberapa pun pintarnya manusia, mereka menolak perubahan.
Percaya atau tidak, New York sekarang masih ada toko sukses yang tidak menerima kartu kredit. Mereka tahu mereka kehilangan uang, tahu tidak menerima kartu kredit akan kehilangan uang, tetapi tidak bergerak. Demikian juga, dalam masa depan yang dapat diperkirakan, beberapa karyawan di beberapa organisasi, akan menolak menggunakan AI.
Transisi dari organisasi manual murni menjadi organisasi hybrid yang mengutamakan AI, akan menjadi tantangan paling abadi dan paling menentukan dekade mendatang. Dan seringkali, orang-orang di tingkat tertinggi, paling penting dalam organisasi, justru yang paling lambat mengadopsi.
Keterangan gambar: Tingkat tertinggi organisasi—orang yang paling jauh dari "operasi alat produktivitas"—seringkali adalah kelompok yang paling lambat mengadopsi teknologi baru tetapi paling kritis.
Palantir adalah satu-satunya perusahaan "perangkat lunak" yang mempertahankan kelipatan valuasi super tinggi dalam dua bulan terakhir di tengah gelombang pelepasan saham teknologi triliunan dolar. Ada alasannya. Palantir adalah salah satu perusahaan "rekayasa proses" pertama yang sebenarnya. Entah Anda menyebutnya "rekayasa proses" atau "menulis file keterampilan Claude", AI tingkat institusi masa depan akan melahirkan sebuah industri: mengkodekan proses bisnis ke dalam Agen, dan manajemen perubahan yang diperlukan untuk menerapkannya.
Keterangan gambar: Adopsi AI penuh oleh organisasi akan melintasi beberapa jurang, masing-masing memiliki tantangannya sendiri. Menjadikan proses online AI akan menjadi pendorong utama.
Saya berani mengatakan, rekayasa proses akan menjadi "teknologi" terpenting dalam waktu dekat.
Dan dalam rekayasa proses, keahlian bisnis dan industri—bukan keahlian perangkat lunak—yang paling kritis. Solusi vertikal akan mengembangkan bakat dengan keahlian dalam penyebaran teknik, implementasi, dan manajemen perubahan di garis depan.
Sebuah bank investasi terkemuka (tiga bank besar) yang memilih Hebbia untuk penyebaran penuh, mengatakan yang paling tepat: Alasan mereka tidak bermitra dengan lab model besar tertentu adalah karena "Kami harus menjelaskan kepada tim mereka apa itu CIM (Memorandum Informasi Rahasia)". Claude atau GPT tentu mengerti bidang ini, tetapi tim yang bertanggung jawab atas penerapan tidak mengerti......
Perbedaan ini menentukan segalanya.
7. Tanpa Prompt
AI tingkat individu merespons prompt manusia.
AI tingkat institusi bertindak proaktif, tanpa perlu prompt.
Banyak diskusi tentang komunikasi antar Agen, apakah perusahaan dan institusi masa depan masih membutuhkan manusia.
Tapi pertanyaan yang lebih baik adalah: Apakah Agen AI masa depan masih membutuhkan prompt?
Memberi prompt kepada AGI, seperti menghubungkan motor listrik ke alat tenun manual. Itu pada dasarnya, tidak dapat diubah, dibatasi oleh tautan terlemah dalam rantai pasokan organisasi—diri kita sendiri. Manusia pada dasarnya tidak tahu harus menanyakan pertanyaan yang benar, apalagi kapan menanyakannya.
Pekerjaan paling berharga yang dapat dilakukan AI, adalah pekerjaan yang tidak terpikirkan oleh siapaun untuk ditanyakan. AI harus menemukan risiko yang tidak ditemukan orang, mitra transaksi yang tidak terpikirkan, saluran penjualan yang tidak diketahui keberadaannya.
Ini akan membuka batas kasus penggunaan AI sepenuhnya.
Sistem tanpa prompt terus memantau aliran data seluruh portofolio. Ia menemukan bahwa siklus modal kerja suatu perusahaan portofolio telah memburuk diam-diam selama tiga bulan berturut-turut, mencocokkan silang dengan ketentuan perjanjian kredit, memberi tahu mitra operasi sebelum ada orang di dana yang membuka PDF itu.
Ketika Anda tidak lagi membutuhkan manusia untuk memberi prompt AI, antarmuka baru dan cara kerja baru muncul. Kami @Hebbia memiliki pemikiran kuat tentang ini. Akan dibahas lain waktu.
Kesimpulan
Semua hal di atas tidak menyangkal nilai chatbot, Agen, dan AI tingkat individu.
AI tingkat individu akan menjadi pembawa bagi sebagian besar perusahaan global untuk pertama kali mengalami keajaiban transformasi AI. Mendorong penggunaan, mendorong kemudahan penggunaan, adalah langkah pertama kunci dalam manajemen perubahan yang diperlukan untuk membangun ekonomi yang mengutamakan AI.
Tapi pada saat yang sama, kebutuhan akan kecerdasan tingkat institusi jelas, mendesak, dan besar.
Di masa depan, setiap organisasi akan memiliki chatbot dari lab model besar. Setiap organisasi juga akan memiliki AI tingkat institusi yang dibangun khusus untuk masalah domain spesifik—dan AI tingkat individu akan menggunakan AI tingkat institusi sebagai alat paling kritis dalam kotak alat mereka.
AI tingkat institusi dan AI tingkat individu "bergabung dengan lebih baik" adalah tren yang tak terhindarkan.
Tapi ingat pelajaran pabrik tekstil tahun 1890-an. Pabrik yang dialiri listrik pertama, kalah dari pabrik yang mendesain ulang bengkelnya.
Kita sudah memiliki listrik. Saatnya mendesain ulang pabrik kita.
Terima kasih kepada @aleximm dan @WillManidis untuk tinjauannya, dan artikel Will "Benda Berbentuk Alat" yang menginspirasi artikel ini.
