CEO Notion: Perusahaan AI Seharusnya Menjadi 'Band Jazz', dan Saya Adalah 'Refounder'

marsbitDipublikasikan tanggal 2026-05-26Terakhir diperbarui pada 2026-05-26

Abstrak

Ivan Zhao, CEO Notion, membagikan refleksinya tentang dua kali menyelamatkan perusahaan dari ambang kegagalan dan mengubahnya dengan AI. Dia menyebut dirinya "Refounder" dan percaya AI mengubah permainan dengan membuat kemampuan teknis (Capability) menjadi komoditas. Yang kini berharga adalah Taste (selera/penilaian) dan Agency (inisiatif), sehingga proses rekrutmen harus berfokus pada kedua hal ini. Notion memberlakukan perubahan radikal: tim engineering berbentuk "barbell" (campuran junior berbakat dan senior ahli), menghapus struktur CMO, serta merekrut banyak mantan pendiri startup. Zhao menekankan organisasi harus seperti "band jazz" yang lincah dan improvisasi, bukan "band marching" yang kaku. Perencanaan produk jangka panjang ditinggalkan, diganti dengan pendekatan mingguan yang adaptif terhadap perubahan teknologi yang cepat. Intinya: Di era AI, perusahaan perlu menulis ulang cara merekrut, berorganisasi, dan berencana. Nilai manusia bergeser dari sekadar keahlian teknis ke arah penilaian, inisiatif, dan kemampuan beradaptasi. Notion telah memulai transformasi ini.

CEO Notion, Ivan Zhao, minggu lalu mengunjungi Sequoia Capital untuk merekam sebuah podcast, membahas pengalamannya menghadapi dua kali situasi di mana perusahaan hampir mati dan dua kali membangun kembali dari nol. Kini, ia menggunakan logika yang sama untuk "membentuk ulang" perusahaan berjumlah seribu karyawan ini, dan menyebut dirinya sebagai "Refounder":

Ia berpendapat bahwa AI telah mengubah kemampuan teknis menjadi komoditas, yang benar-benar langka sekarang adalah Taste (Rasa) dan Agency (Inisiatif/Keagenan), sehingga standar perekrutan harus berubah; pekerjaan penyampaian informasi dan koordinasi sedang diambil alih oleh AI, sehingga struktur organisasi harus berubah; perubahan teknologi terlalu cepat, setiap perencanaan yang lebih dari beberapa minggu mungkin menjadi tidak relevan, sehingga cara perencanaan juga harus berubah. Selamat menikmati!

01. Bagaimana Notion Dua Kali Dibangun Kembali dari Ambang Kematian

Pada tahun 2015, setelah dua tahun, Notion masih belum menemukan PMF (Product-Market Fit). Uang hampir habis, Ivan dan rekan pendirinya, Simon, membuat keputusan yang tidak berani dibuat oleh kebanyakan pendiri startup: memecat semua karyawan, berdua pindah ke Kyoto, dan membangun kembali dari awal. Mereka menyewakan tempat tinggal dan kantor di San Francisco, dan selama periode itu, Notion justru pertama kali mencapai arus kas positif.

(Kantor awal Notion di San Francisco)

Setelah tiba, hidup menjadi sangat sederhana. Menulis kode, makan, lalu menulis kode lagi, makan lagi. Tidak ada tim, tidak ada proses, tidak ada sumber daya, hanya dua orang dan sebuah ide. Pengalaman ini membuat Ivan untuk pertama kalinya benar-benar memahami: yang mendorong sesuatu terjadi, selalu bergantung pada penilaian dan tekad, seberapa banyak sumber daya justru faktor sekunder. Setahun setengah kemudian, Notion 1.0 diluncurkan.

(Tempat tinggal Ivan dan rekan pendiri lainnya, Simon, di Kyoto)

Yang kedua adalah pada tahun 2023. Tim sedang mengadakan pertemuan di luar kota di Cancun, Ivan mendapatkan akses tes awal ke GPT-4. Pengalaman itu baginya adalah kejutan yang hampir mengejutkan, ia langsung menilai: ini akan mengubah segalanya, jika tidak mempertaruhkan seluruh perusahaan untuk ini, apa pun yang dilakukan selanjutnya tidak ada artinya. Maka ia mengumumkan restart di perusahaan berukuran 500 karyawan, sepenuhnya beralih ke AI.

Namun yang kemudian dihadapi adalah siksaan selama hampir satu setengah tahun. Teknologi model belum matang, mereka hampir mencoba semua arah, tidak satu pun yang berhasil. Pertumbuhan mandek, semangat tim turun. Baru setelah model dasar benar-benar matang, produk mulai lepas landas, titik balik pendapatan dan kinerja produk AI muncul hampir bersamaan.

Dalam dua pengalaman ini, yang benar-benar berperan adalah penilaiannya dan tekadnya untuk terus maju di tengah ketidakpastian, dan ini juga menjadi titik awal bagi dirinya untuk menulis ulang perusahaan.

02. "Kemampuan" Mulai Terdepresiasi, Tapi Perusahaan Masih Membayar Premi Untuknya

Ivan mengajukan sebuah formula bakat:

Talent = Capability × Taste × Agency (Bakat = Kemampuan × Rasa/Penilaian × Inisiatif/Keagenan).

Memahami formula ini, kuncinya ada pada proses penurunannya.

Mengapa Capability Mulai Terdepresiasi?

Sebelum Google muncul, akses informasi adalah sumber daya langka, orang yang bisa mencari informasi memiliki keunggulan kompetitif yang nyata. Setelah Google muncul, keunggulan ini hilang, "saya bisa menemukan informasi ini" menjadi kemampuan dasar. AI membuat hal yang sama terjadi pada level produksi kemampuan ini. Menulis kode, menulis copy, melakukan analisis data, hal-hal yang dulu membutuhkan akumulasi bertahun-tahun untuk dilakukan dengan baik, sekarang dengan bantuan alat AI, lulusan baru pun bisa melakukannya pada level yang cukup baik. Kelangkaan Capability, secara sistematis sedang dikompresi.

Kata-kata asli Ivan adalah: "Apa yang dilakukan LLM, seperti Google membuat semua orang bisa mengakses informasi, itu membuat semua orang bisa menjadi penulis dan pemrogram yang cukup baik, setiap orang memiliki Capability. Namun Taste tetap penting, itu adalah sistem nilai Anda, adalah wujud dari apa yang ingin Anda berikan kepada dunia; Agency juga sama, seberapa keras Anda berusaha, ini tidak bisa diubah oleh perusahaan. Jadi yang sekarang kami optimalkan adalah dua yang terakhir."

Mengapa Taste dan Agency Tidak Akan Menjadi Rata?

Taste, adalah sistem nilai Anda, adalah kemampuan untuk membuat keputusan ketika tidak ada jawaban standar. Ke arah mana sebuah produk harus berkembang, bagaimana trade-off sebuah arsitektur harus dilakukan, AI bisa memberi saran, tetapi menentukan saran mana yang benar, tetap membutuhkan orang yang memiliki penilaian sejati untuk memutuskannya. Taste berakar pada estetika dan nilai-nilai, dalam jangka pendek, sulit diubah dengan usaha keras.

Agency, adalah tekad untuk mendorong sesuatu terjadi. Maju tanpa menunggu instruksi, tidak mundur saat menghadapi hambatan, mampu menyelesaikan sesuatu yang masih setengah jadi. Ini juga tidak bisa diberikan oleh AI.

Dulu merekrut orang melihat pengalaman, kemudian Silicon Valley populer dengan Slope (Kemiringan Pertumbuhan), menggunakan kemiringan pembelajaran untuk menggantikan akumulasi masa lalu. Tetapi Ivan mengatakan sekarang bahkan Slope pun tidak cukup, karena yang diukur masih kecepatan perolehan Capability, pada dasarnya masih berputar dalam dimensi yang sama yang sedang terdepresiasi. Taste dan Agency sepenuhnya berada pada sumbu koordinat yang berbeda, cepat lambatnya belajar tidak bisa memprediksi keduanya.

Dua Aksi yang Diterapkan pada Perekrutan

Posisi insinyur banyak merekrut lulusan baru, yang dilihat bukan lagi pengalaman masa lalu, tetapi inisiatif, rasa ingin tahu, dan penilaian; Posisi Sales, putaran pertama wawancara menghapus CV, meminta kandidat membuat sesuatu terlebih dahulu, yang dilihat adalah apa yang bisa dilakukan sekarang, apakah bersedia secara aktif melakukannya. Kedua aksi melakukan hal yang sama: mengganti "apa yang telah Anda lakukan di masa lalu" dengan "seperti apa Anda sekarang".

Beberapa pertanyaan untuk direnungkan: Alasan terakhir kali memutuskan merekrut seseorang, apa yang meyakinkan Anda? Apakah karena kandidat pernah melakukan hal serupa di perusahaan tertentu, karena latar belakang di CV yang Anda akui, atau karena skala proyek masa lalu yang cukup besar?

Ini semua adalah sinyal Capability. Jika tidak memiliki metode untuk menilai Taste dan Agency, proses perekrutan Anda kemungkinan besar masih mengoptimalkan dimensi yang sedang terdepresiasi.

03. Menjadi Jazz Band yang Lincah

Tiga tahun lalu, di internal Notion ada sebuah slogan: Kami ingin menjadi Jazz Band (Band Jazz), bukan Marching Band (Band Mars).

Perbedaan mendasar keduanya bukan pada kecepatan irama, tetapi pada siapa yang bisa improvisasi. Marching Band membutuhkan konduktor, setiap pemain mengikuti partitur, keteraturan adalah kebajikan; Jazz Band memiliki struktur dan keselarasan, tetapi setiap orang bisa menangkap dan mengembangkan secara spontan kapan saja. Konduktor menghilang, struktur tidak hilang, karena struktur telah terinternalisasi dalam diri setiap orang.

Ivan mengatakan ini adalah mekanisme kalibrasi dirinya sendiri. Ia adalah tipe orang Jazz Band, tidak tahan dengan perasaan mendelegasikan semua hal dan dirinya sendiri hanya bertugas memberi perintah. Setelah memikirkannya, ia mulai merekrut orang-orang sejenis secara sistematis, membangun perusahaan yang sesuai dengan karakternya sendiri.

Logika ini tercermin dalam tiga tindakan konkret dalam organisasi.

Tim Teknik Berbentuk "Barbel"

Tim teknik Notion sekarang berbentuk barbel: kedua ujungnya adalah Super Junior (Insinyur Pemula Super) dan Super Senior (Insinyur Senior Super), lapisan tengah sedang menyusut.

Dulu nilai Senior Engineer bersifat multidimensi: kode lebih andal, pemahaman sistem lebih dalam, mampu memajukan proyek kompleks secara mandiri. Setelah AI Coding Agent muncul, sebagian besar dalam rangkaian nilai ini mulai diambil alih. Nilai Senior karena itu difokuskan kembali pada bagian yang tersisa: penilaian arsitektur dan arah.

LLM dalam hal arsitektur sistem saat ini masih lemah, saran yang diberikan tampak masuk akal satu per satu, tetapi ketika digabungkan dalam sistem kompleks sering bermasalah, di sinilah Taste diperlukan, adalah tempat yang benar-benar tak tergantikan bagi segelintir Senior terbaik.

Kombinasi optimal yang dijelaskan Ivan kira-kira seperti ini: seorang arsitek senior top, membimbing dua atau tiga insinyur muda, masing-masing mengatur dua atau tiga Coding Agent. Struktur ini dibandingkan dengan sekelompok Senior yang masing-masing mengelola Agent, hasilnya lebih tinggi, efek penggandaan lebih baik. Lapisan tengah terkompresi dari kedua ujung, lapisan eksekusi diambil alih oleh Junior + Agent, lapisan penilaian hanya bisa diisi oleh Senior top yang benar-benar memiliki kemampuan arsitektur, nilai posisi tengah semakin tidak jelas.

Membubarkan Organisasi CMO

Notion sekarang tidak memiliki CMO. Marketing dibagi menjadi dua jalur yang beroperasi secara independen: satu dekat dengan produk, terhubung langsung dengan media sosial, mengikuti ritme peluncuran produk; yang lain melayani penjualan, fokus pada lead dan pembangkitan permintaan.

Alasan menghilangkan lapisan koordinasi tengah sederhana: setelah AI mengambil alih banyak pekerjaan penyampaian informasi dan koordinasi, membuat informasi berputar melewati CMO dulu baru didistribusikan, pemborosan dalam putaran ini sudah terlalu mahal. Kedua sisi menyelesaikan urusannya masing-masing, justru lebih cepat.

Memperkenalkan Puluhan Pengusaha

Notion melalui akuisisi memperkenalkan banyak pendiri dengan pengalaman startup, masing-masing memimpin bidang yang paling mereka kuasai. Orang yang bertanggung jawab atas fungsi pencatatan rapat, sebelumnya memiliki perusahaan startup khusus untuk pencatatan rapat; orang yang bertanggung jawab atas pencarian perusahaan, sebelumnya adalah pendiri produk pencarian perusahaan. Memberi mereka platform dan sumber daya yang lebih baik, membiarkan mereka terus melakukan hal yang paling mereka kuasai, itu sendiri adalah logika retensi.

Ivan sendiri juga seorang "Refounder", bisa melompat ke bidang apa pun kapan saja, juga bisa melepaskan sepenuhnya, kedua belah pihak tidak memiliki ancaman wilayah. Ini memperkuat sifat Jazz Band organisasi dari segi komposisi personel, yang masuk adalah orang-orang yang sejak awal sudah bisa bermain secara independen.

04. Perencanaan Produk, Notion Sudah Meninggalkannya

Ivan membagi perencanaan menjadi dua hal yang berbeda secara mendasar, ditangani dengan logika yang sangat berbeda.

Rencana keuangan ia anggap masih berguna, seperti kecepatan treadmill, Anda setel di level berapa, Anda tahu dengan kecepatan apa Anda berlari, pembacaan ini nyata. Notion dalam hal keuangan cenderung konservatif hingga netral, memberi diri cukup ruang penyangga. Di era AI, biaya juga menjadi variabel baru, pengeluaran Token akan meningkat langsung seiring penggunaan produk, harus dimasukkan dalam perhitungan dengan serius.

Strategi produk adalah hal lain.

Tidak ada rencana, benar-benar tidak ada, bukan enam bulan, bukan tiga bulan, tetapi improvisasi mingguan.

Penilaian ini langsung berasal dari pelajaran dari pembangunan kembali kedua. Akhir 2022 Notion sudah ingin membuat produk AI Agent, mendorongnya dengan sangat serius. Hampir satu setengah tahun tidak ada kemajuan, tim tidak kurang berjuang, tetapi model dasar sendiri belum siap. Rencana produk apa pun pada tahap itu kosong, yang benar-benar berperan adalah improvisasi terus-menerus dalam batas yang diberikan teknologi.

Yang bisa Anda rencanakan hanya Tempo (Irama), target keuangan mendefinisikan kecepatan treadmill; Melody (Melodi) adalah improvisasi, ditulis setiap minggu berdasarkan situasi aktual teknologi dan pasar. Inilah alasan inti mengapa Jazz Band lebih cocok untuk saat ini daripada Marching Band: Marching Band harus menyusun semua partitur terlebih dahulu sebelum tampil, Jazz Band berimprovisasi dan beradaptasi di tempat, tidak tahu ke mana arah bagian selanjutnya, tetapi memiliki kemampuan untuk menangkapnya saat itu juga.

05. Perusahaan Anda, di Level Mana yang Belum Mulai Ditulis Ulang

Ivan ditanya seperti apa organisasi tiga atau empat tahun ke depan, ia tidak menggambarkan cetak biru teknologi apa pun, tetapi bertanya terlebih dahulu: Apa yang tidak berubah?

Jawabannya adalah sifat manusia. Manusia secara alami hierarkis, pembagian kerja memiliki makna, manusia memiliki minat dan nilai yang berbeda, ini adalah konstanta ribuan tahun. Dalam sistem hukum juga tidak ada perusahaan otonom, CEO dan CFO masih harus menandatangani dan bertanggung jawab. Konstanta-konstanta ini adalah titik jangkar desain organisasi, AI mengubah cara informasi dan aliran keputusan dipindahkan di antara orang-orang ini, sifat manusia itu sendiri tidak bisa diubah.

Namun di atas titik jangkar ini, penulisan ulang pada tiga level sudah terjadi. Layak untuk bertanya pada diri sendiri tiga pertanyaan:

  • Proses perekrutan, apakah masih terutama mengoptimalkan Capability? Apakah ada metode untuk menilai Taste, metode untuk menilai Agency?
  • Di organisasi Anda, berapa banyak orang yang nilai intinya adalah menyampaikan informasi dan menjalankan instruksi? Tekanan struktural yang dihadapi posisi-posisi ini akan terus meningkat seiring pematangan alat-alat AI.
  • Perencanaan produk Anda, apakah masih mencoba menyusun partitur untuk enam bulan ke depan? Ini bukan berarti perencanaan triwulanan itu sendiri bermasalah, tetapi cara Anda menggunakannya, apakah sebagai komitmen, atau sebagai acuan yang akan disesuaikan setiap minggu?

Akhir kata:

"Pekerjaan pengetahuan modern baru berusia sekitar 150 tahun. Itu diciptakan. Tidak setua api atau bahasa. Mengapa tidak bisa menjadi rasa baru darinya?"

Pekerjaan pengetahuan dimulai baru 150 tahun yang lalu, diciptakan manusia, logika operasional perusahaan juga ditentukan manusia. Yang bisa diciptakan bisa ditulis ulang, Notion sudah menulis ulang, dan dua tahun lebih awal dari kebanyakan orang.

Pertanyaan Terkait

QApa yang dimaksud Ivan Zhao dengan istilah 'Refounder' dan bagaimana pengalamannya membentuk konsep tersebut?

AIvan Zhao menyebut dirinya 'Refounder' karena dia dua kali membangun kembali Notion dari awal setelah perusahaan hampir mati. Pertama pada 2015, ketika dia dan salah satu pendiri lainnya memutuskan untuk memecat semua karyawan, pindah ke Kyoto, dan membangun Notion 1.0. Kedua pada 2023, ketika dia mengalihkan seluruh perusahaan ke AI setelah mengalami dampak GPT-4. Pengalaman ini mengajarkannya bahwa yang paling penting adalah penilaian dan tekad untuk terus maju dalam ketidakpastian, yang sekarang menjadi dasar dia 'menulis ulang' perusahaan.

QMenurut Ivan Zhao, mengapa 'Capability' (Kemampuan) menjadi kurang berharga di era AI, dan faktor apa yang justru lebih penting dalam merekrut talenta?

AMenurut Ivan Zhao, 'Capability' seperti menulis kode atau menganalisis data semakin tidak langka karena AI memungkinkan banyak orang melakukannya dengan cukup baik. Sebaliknya, dua faktor yang lebih penting dan tidak dapat disamakan oleh AI adalah 'Taste' (Rasa) dan 'Agency' (Inisiatif). 'Taste' adalah sistem nilai dan kemampuan menilai tanpa jawaban pasti, sementara 'Agency' adalah kemauan dan tekad untuk mendorong sesuatu terjadi. Notion sekarang lebih fokus menilai kedua hal ini dalam perekrutan.

QApa perbedaan antara 'Jazz Band' dan 'Marching Band' dalam konteks struktur organisasi menurut Ivan Zhao, dan bagaimana Notion menerapkannya?

A'Marching Band' mewakili organisasi dengan komando terpusat di mana setiap orang mengikuti instruksi dan rencana yang sudah ditetapkan. Sebaliknya, 'Jazz Band' adalah tim yang memiliki struktur dan pemahaman bersama, tetapi setiap anggota dapat berimprovisasi dan mengambil inisiatif kapan saja. Notion menerapkan filosofi 'Jazz Band' dengan memiliki tim teknik berbentuk 'dumbell' (banyak junior dan senior top, sedikit menengah), menghapus peran CMO untuk mengurangi koordinasi berlebihan, dan merekrut banyak mantan pendiri startup yang bisa bekerja mandiri.

QBagaimana pendekatan Notion terhadap perencanaan produk di era AI, dan mengapa mereka mengadopsi pendekatan tersebut?

ANotion hampir sepenuhnya meninggalkan perencanaan produk jangka panjang. Mereka tidak memiliki rencana produk untuk enam atau tiga bulan ke depan, tetapi beroperasi dengan improvisasi mingguan. Keputusan ini berdasarkan pelajaran dari upaya awal mereka mengembangkan produk AI Agent, di mana rencana mereka gagal karena teknologi dasarnya belum siap. Sekarang, mereka hanya merencanakan 'Tempo' (kecepatan keuangan), sementara 'Melodi' (strategi produk) dibuat secara spontan setiap minggu berdasarkan kondisi teknologi dan pasar saat itu.

QMenurut Ivan Zhao, aspek apa dari pekerjaan pengetahuan dan organisasi perusahaan yang tidak akan berubah meskipun ada AI, dan mengapa?

AIvan Zhao percaya bahwa aspek manusiawi dan hierarkis dalam organisasi tidak akan berubah karena AI. Manusia secara alami terstruktur secara hierarkis, pembagian kerja tetap bermakna, dan orang memiliki minat dan nilai yang berbeda-beda—hal-hal yang telah konstan selama ribuan tahun. Selain itu, kerangka hukum masih membutuhkan tanggung jawab individu seperti CEO dan CFO. AI hanya mengubah cara informasi dan keputusan mengalir di antara orang-orang, bukan sifat dasar manusia atau struktur tanggung jawab hukum.

Bacaan Terkait

PA Visual | Satu Gambar Pahami Peristiwa Web3 Penting yang Patut Diperhatikan di Bulan Juni

"PA Pictorial: Peta untuk Memahami Peristiwa Web3 Penting yang Perlu Diperhatikan pada Juni" Jelajahi Kalender Kripto terbaru PANews dengan cakupan lebih lengkap, penyaringan fleksibel, dan ekspor yang mudah. Pada Juni, pasar kripto dipadati oleh keputusan suku bunga makro, data ekonomi penting, pelepasan token, dan acara teknologi tradisional. Poin-poin intinya meliputi: 📌 Amerika Serikat merilis data NFP dan CPI bulan Mei. The Fed menerbitkan Buku Beige dan menggelar konferensi pers kebijakan, dengan preferensi risiko pasar tetap dipengaruhi ekspektasi makro. 🏦 Bank Sentral Eropa dan Bank of Japan akan mengumumkan keputusan suku bunga, menjadikan likuiditas global dan jalur suku bunga sebagai salah satu tema utama pasar di Juni. 🪙 Beberapa token seperti SUI dan ENA akan mengalami pelepasan (unlock), perlu diperhatikan risikonya. 🚀 Perkembangan proyek: Coinbase akan meluncurkan futures indeks saham perpetual perdana, CME Group berencana meluncurkan futures indeks kripto Nasdaq; SharpLink akan dimasukkan ke dalam Indeks Russell 2000 dan 3000. ⚠️ Penyaringan proyek terus berlanjut: Layanan seperti browser Bitcoin Ordinals, Ord.io, secara bertahap berhenti beroperasi. Perhatikan pengaturan penarikan dan migrasi aset. 🌐 Acara penting lainnya: Pembukaan Piala Dunia, pembukaan Apple WWDC26, penawaran saham SpaceX, pertemuan IPO S&T UBTECH di pasar STAR, dll. Dengan makroekonomi, pelepasan token, regulasi, penyaringan proyek, dan acara teknologi yang berlangsung bersamaan, pasar pada Juni mungkin terus mencari arah baru di tengah ekspektasi likuiditas, perubahan kebijakan, dan rotasi ekosistem. Kunci inti peristiwa global dan alur utama Web3 Juni 2026 dalam satu peta!

marsbit30m yang lalu

PA Visual | Satu Gambar Pahami Peristiwa Web3 Penting yang Patut Diperhatikan di Bulan Juni

marsbit30m yang lalu

Ali "Menaruh Barang", Byte "Berlatih Ilmu"

Dalam satu minggu terakhir Mei, dua raksasa teknologi China, Alibaba dan ByteDance, memamerkan dua pendekatan berbeda dalam strategi AI mereka. Alibaba, sebagai perusahaan publik, fokus pada integrasi AI untuk monetisasi langsung. Mereka menghubungkan model Qwen dengan platform e-commerce seperti Taobao, menciptakan fitur seperti "pencocokan harga AI" dan "pakaian virtual AI". Melalui protokol ACT, mereka membangun infrastruktur untuk transaksi berbasis agen AI. Pendapatan eksternal Alibaba Cloud tumbuh 40%, menunjukkan model bisnis "MaaS" (Model-as-a-Service) mereka yang berhasil. Namun, pendekatan ini mungkin mengorbankan penelitian mendasar untuk keunggulan jangka pendek. Sebaliknya, ByteDance, yang masih swasta, berinvestasi besar dalam penelitian AI jangka panjang. Departemen Seed mereka, dengan anggaran belanja modal (capex) yang meningkat pesat, bertujuan "menjelajahi batas atas kecerdasan". Mereka merilis model pembuatan video Seedance 2.0 yang memimpin peringkat global dan mempublikasikan penelitian mendalam tentang "model dunia". Perusahaan ini memberikan kebebasan bagi tim risetnya tanpa tekanan kuartalan dari pasar modal. Perbedaan kunci ini lebih disebabkan oleh status kepemilikan daripada filosofi semata. Sebagai perusahaan publik, Alibaba terikat pada harapan ROI jangka pendek investor. ByteDance, yang belum IPO, memiliki kemewahan untuk berfokus pada terobosan teknologi jangka panjang. Analisis menyimpulkan bahwa jalan strategis AI sebuah perusahaan di China sangat ditentukan oleh apakah perusahaan tersebut terdaftar di bursa atau tidak, yang membentuk pilihan antara "menjual AI" dan "membuat AI".

marsbit38m yang lalu

Ali "Menaruh Barang", Byte "Berlatih Ilmu"

marsbit38m yang lalu

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

**Mengapa Lebih Banyak AI Agent Tidak Sama dengan Produktivitas Lebih Tinggi?** Meskipun teknologi memungkinkan kita meluncurkan banyak AI Agent dengan mudah dan murah, produktivitas nyata tidak serta-merta meningkat. Ini karena munculnya konsep "Pajak Orkestrasi"—biaya tersembunyi untuk mengelola, menilai, dan menggabungkan hasil kerja semua Agent tersebut. Pekerjaan ini harus kembali ke satu sumber daya serial yang tidak dapat diduplikasi: perhatian dan penilaian manusia. **Manusia adalah 'GIL' dalam Sistem.** Seperti Global Interpreter Lock (GIL) dalam Python, semua Agent dapat berjalan paralel, tetapi untuk keputusan penting (seperti tinjauan arsitektur, kode, atau penyelesaian konflik), mereka harus "mengambil kunci" dari Anda—sang pengembang. Hukum Amdahl berlaku: percepatan maksimum dari paralelisasi dibatasi oleh bagian kerja yang harus tetap serial, yaitu kapasitas penilaian manusia. Menambah Agent hanya membuat antrian tinjauan lebih panjang, memperbesar beban konteks, dan menyebabkan kelelahan kognitif. **Kelelahan dan Utang Tersembunyi.** Banyaknya Agent yang aktif memberi ilusi produktivitas tinggi, tetapi rasa sibuk itu tidak sama dengan hasil berkualitas. Jika Anda "menyerah secara kognitif" dan tidak meninjau hasil dengan benar, Anda menumpuk utang teknis dan utang kognitif—masalah yang akan muncul nanti. Pajak orkestrasi harus dibayar, baik secara sadar melalui proses yang terencana, atau diam-diam melalui penurunan kualitas. **Solusi: Kelola Perhatian Seperti Sistem Produksi.** Kuncinya adalah merancang alur kerja dengan menghormati batas perhatian manusia sebagai sumber daya langka: 1. **Kontrol Jumlah Agent:** Sesuaikan jumlah Agent dengan kemampuan *review* Anda, bukan dengan apa yang UI izinkan. Batasi ke angka rendah. 2. **Klasifikasi Tugas:** Pisahkan tugas independen (cocok untuk Agent paralel) dari tugas kompleks yang membutuhkan penilaian mendalam (kerjakan secara serial). 3. **Tinjau Secara Berkelompok (*Batch Review*):** Kurangi biaya alih konteks dengan meninjau hasil beberapa Agent sekaligus. 4. **Gunakan Waktu Serial untuk Penilaian:** Fokuskan perhatian hanya pada bagian yang memerlukan penilaian manusia. Biarkan Agent menangani bagian yang dapat diverifikasi otomatis (seperti tes). 5. **Lindungi Waktu Fokus Anda:** Kadang, tindakan paling produktif adalah berhenti mengoordinasi banyak Agent dan fokus pada satu masalah inti. Kemampuan sebenarnya di era AI bukanlah menjalankan banyak Agent, tetapi merancang sistem yang secara sadar mengelilingi dan melindungi kapasitas penilaian serial manusia—sumber daya paling berharga dalam proses pengembangan.

marsbit2j yang lalu

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

marsbit2j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

Tiga tahun kemudian, pada Mei 2026, penulis meninjau kembali 20 prediksi tentang ChatGPT yang dibuatnya pada Maret 2023, menggunakan AI untuk mengevaluasi akurasinya berdasarkan data terbaru. Secara keseluruhan, arah dan mekanisme prediksi banyak yang tepat. Yang paling akurat adalah tentang RAG sebagai arsitektur standar, LUI (Antarmuka Pengguna Bahasa Alami) sebagai lapisan interaksi baru, munculnya "jaringan robot" (protokol untuk agen AI), dan kemampuan China mengejar ketertinggalan model AI besar. Prediksi bahwa ChatGPT bukan AGI namun langkah besar, tidak menyebabkan gelombang pengangguran massal, serta sifat uji Turing yang hanya mengukur persepsi juga pada dasarnya benar. Namun, prediksi dengan angka spesifik atau pernyataan mutlak sering meleset. Klaim bahwa GPT-4 memiliki 100 triliun parameter sepenuhnya salah. Pernyataan bahwa LLM "tidak mungkin" mengerjakan matematika murni terbantahkan dengan model penalaran yang memenangkan medali emas IMO. Estimasi biaya pelatihan model hanya $5-10 miliar juga jauh dari kenyataan, yang kini mencapai miliaran dolar untuk model terdepan. Beberapa prediksi keliru tentang distribusi dampak, seperti bahwa nilai akan berpindah ke lapisan aplikasi (nyatanya, penyedia chip seperti NVIDIA paling untung), atau bahwa AI akan "menghindari" masalah hak cipta (justru menimbulkan gugatan besar). Kesimpulan utama adalah: dalam memprediksi teknologi yang cepat berubah, mengidentifikasi arah dan mekanisme umumnya lebih bisa diandalkan daripada memberikan angka pasti atau pernyataan mutlak. Prediksi cenderung terlalu optimis tentang kecepatan perubahan jangka pendek, tetapi meremehkan besarnya perubahan jangka panjang. Penting juga untuk mempertimbangkan distribusi dampak, bukan hanya kesimpulan agregat. Pernyataan yang disertai batasan dan keraguan justru lebih tahan uji waktu. Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun. Tinjauan ini berfungsi sebagai pelajaran untuk membuat prediksi yang lebih baik di tiga tahun mendatang.

marsbit8j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

marsbit8j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli BAND

Selamat datang di HTX.com! Kami telah membuat pembelian Band Protocol (BAND) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Band Protocol (BAND) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Band Protocol (BAND) AndaSetelah melakukan pembelian, simpan Band Protocol (BAND) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Band Protocol (BAND)Lakukan trading Band Protocol (BAND) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

98 Total TayanganDipublikasikan pada 2024.12.12Diperbarui pada 2025.03.21

Cara Membeli BAND

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga BAND (BAND) disajikan di bawah ini.

活动图片