Ditulis oleh: Will Awang
Tahun lalu, saya menghadiri beberapa konferensi industri bertema AI. Para pembicara bergiliran memamerkan kemampuan AI, sementara penonton mengangkat ponsel mereka untuk memotret layar, mengunggahnya ke media sosial, lalu kembali sibuk dengan ponsel mereka. Namun, saat kembali ke kantor, semua tetap sama: rapat mingguan yang sama, proses persetujuan yang sama, laporan mingguan yang sama. Perusahaan besar telah memasukkan konsumsi token ke dalam KPI, dan beberapa orang bahkan menjadi karyawan teladan hanya dengan menggunakan skrip untuk menaikkan jumlah token. Di media sosial, hari ini revolusi Claude, besok hebatnya Codex, lusa hidup Gemini—apakah ini merangkul revolusi, atau sekadar mengikuti tren?
Semua itu hanya kebisingan, bukan jawaban yang saya cari.
Masalah sebenarnya bukanlah seberapa kuat AI—mesin uap sudah diciptakan. Pertanyaannya adalah siapa yang pertama kali merobohkan pabrik lama.
Revolusi Industri dimulai bukan saat James Watt menyempurnakan mesin uap, melainkan saat pemilik pabrik di Lancashire memutuskan untuk meninggalkan sungai dan membangun ulang pabrik mereka di sekitar mesin uap. Momen terpenting bagi AI juga sama—bukan hari ketika model besar (large models) ditemukan, melainkan hari ketika suatu organisasi memutuskan untuk meruntuhkan proses lama dan membangun ulang cara produksi di sekitar AI. Hari itu belum tiba, namun ia sedang dalam perjalanan.
Dua orang telah melihat hal ini sejak awal. CEO Notion, Zhao Yiwan, menulis artikel "Steam, Steel, and Infinite Minds" pada akhir 2025. Penilaiannya dingin: kita masih berada pada tahap "mengganti kincir air"—menambahkan chatbot AI ke alat yang ada, namun belum ada yang mendesain ulang pabrik. Mantan karyawan OpenAI, Leopold Aschenbrenner, mengambil jalan lain: menulis "Situational Awareness" sepanjang 165 halaman, lalu mendirikan sebuah dana yang mengelola modal dari $2,25 miliar menjadi $13,68 miliar, semuanya diinvestasikan pada infrastruktur AI. Yang satu melihat ke dalam, yang lain berjudi ke luar.
Artikel ini bukan tentang mereka. Ini tentang kita—di mana kita berada sekarang, dan sejarah mana yang sedang kita ulangi.
( Power-loom weaving, engraving by J. Tingle after Thomas Allom, 1835 / Wikimedia Commons )
一、Pabrik Masih Lama
Hari kebanyakan orang adalah seperti ini: pagi menulis email dengan AI, menghemat sepuluh menit; lalu menghabiskan dua jam untuk rapat mingguan yang sebenarnya tidak perlu; sore menyalin dan menempel data yang sama di antara tiga alat; malam mengunggah status di media sosial "AI sungguh berguna." Sepuluh menit yang dihemat, habis kembali oleh proses lama.
Begitu pula dengan mesin uap saat pertama kali muncul. Pemilik pabrik awalnya hanya mengganti kincir air dengan mesin uap, sisanya tetap sama—pabrik tetap dibangun di tepi sungai, tetap bangunan bertingkat, tetap poros transmisi pusat menggerakkan seluruh lini produksi. Kita memasukkan ChatGPT ke Slack, menambahkan Copilot ke Office, menyematkan jendela chat AI ke dalam alur kerja—melakukan hal yang sama. Alat yang ditingkatkan, pabrik tidak berubah.
Namun, mengganti mesin baru tidak sama dengan mengganti pabrik. McLuhan berkata dengan tepat:
Kita menuju masa depan dengan menggunakan kaca spion. Menggunakan proses lama untuk menampung alat baru ibarat film awal yang hanya merekam pertunjukan panggung. Terobosan nyata terjadi saat ada yang benar-benar melepaskan mesin uap dari sungai dan mendesain ulang seluruh cara produksi di sekitar tenaga baru.
Dengan membandingkan garis waktu Revolusi Industri dan AI, kita bisa tahu di mana posisi kita dalam peta:
Garis waktu saat ini sangat terkompresi. Revolusi Industri dari mesin uap hingga demam kereta api membutuhkan 60 tahun, sedangkan AI dari Transformer hingga gelombang pembangunan pusat data hanya butuh 7 tahun.
Kecepatan bukan masalah, masalahnya adalah kita terjebak di mana—empat baris pertama masih dalam tahap memasang mesin baru di pabrik lama. Mesin uap telah terpasang, rel kereta api sedang dibangun, namun cara produksi tetap tak berubah. Baris keenam adalah titik balik sesungguhnya. Kemungkinan besar kita terjebak di antara dua langkah ini.
Mesin uap sudah di tangan, tapi pabriknya masih lama.
二、Uang Semua Dipertaruhkan di Lapisan yang Paling Jauh dari Pabrik
Infrastruktur selalu dibangun berlebihan. Yang akhirnya bangkrut adalah investor, bukan infrastruktur.
1846, Parlemen Inggris mengesahkan 263 RUU kereta api, menyetujui pembangunan 9.500 mil jalur kereta api baru. Investasi kereta api mencapai puncaknya pada 13% dari PDB Inggris. Saham kereta api bisa dibeli hanya dengan uang muka 10%, membuat kelas menengah ramai-ramai masuk. Gelembung pecah pada 1847. Sepertiga jalur yang disetujui tidak pernah dibangun, banyak investor kehilangan uang mereka. Darwin kehilangan 60% investasinya di saham kereta api, dan dia lebih beruntung daripada kebanyakan orang.
Namun, kereta api bertahan.
Infrastruktur AI hari ini menempuh jalan yang sama. Perkiraan Goldman Sachs terbaru, pengeluaran modal infrastruktur AI global 2026 mencapai $765 miliar, dan diproyeksikan $1,6 triliun per tahun pada 2031. Bagian pengeluaran modal penyedia cloud besar dari arus kas operasional naik dari sekitar 40% pada 2023 menjadi hampir 70% pada 2025. Investasi terkait AI sudah mencakup sekitar seperempat dari semua investasi di AS. $13,68 miliar Aschenbrenner dipertaruhkan di lapisan ini—dia bukan bertaruh pada aplikasi mana yang akan menang, melainkan pada daya komputasi dasar itu sendiri.
Siklus kapital ini serupa dengan pengembangan properti. Membangun pusat data adalah membangun gedung: tanah adalah listrik, bahan bangunan adalah GPU dan penyimpanan, kontraktor adalah pembangun pusat data, pengembang adalah penyedia cloud, penyewa adalah perusahaan aplikasi AI, sewa adalah pendapatan API. Model bisnis penyedia cloud adalah sewa-untuk-bayar-pinjaman—menggunakan pendapatan API untuk menutupi pengeluaran modal pusat data, menunggu lonjakan valuasi dari ledakan aplikasi AI.
(Properti Daya Komputasi: Setiap Generasi Memiliki Infrastrukturnya Sendiri)
Risiko intinya juga sama: apakah penurunan harga unit API lebih cepat daripada pertumbuhan volume panggilan? Jika sewa jatuh di bawah garis pembayaran pinjaman—mimpi buruk yang sangat dikenal oleh pengembang properti. Pelajaran tahun 2008 bukan karena terlalu banyak rumah dibangun, melainkan karena struktur rumah yang dibangun tidak sesuai dengan kebutuhan nyata. Risiko setara dalam AI: kelebihan daya komputasi umum, namun kemampuan khusus yang benar-benar dapat menangani skenario bernilai tinggi seperti kepatuhan keuangan, diagnosis medis, tetap langka.
Kereta api, properti, AI—investasi infrastruktur tiga era, berbagi aturan yang sama: pembangunan berlebihan adalah hal biasa, pemasok bahan bangunan selalu kehilangan daya tawar, keuntungan jangka panjang selalu milik pemilik 'lokasi inti'. Lihat saja portofolio dana-dana Wall Street di kuartal pertama—kemungkinan besar 80% ada di lapisan infrastruktur ini: NVIDIA, pusat data, infrastruktur cloud. Namun, demam kereta api mengajarkan: ini bukan keseluruhan revolusi AI, bahkan bukan lapisan yang memberikan keuntungan tertinggi.
Apa 'lokasi inti' AI? Data industri yang unik, dan alur kerja yang tertanam dalam. Bagi individu, 'lokasi inti' yang sesungguhnya bukan saham yang dimiliki, melainkan kemampuan penilaian dan pengetahuan industri yang tak tergantikan—dengan syarat telah membangun ulang cara menggunakannya di sekitar AI.
Keuntungan sesungguhnya ada di lapisan berikutnya. Namun, dari infrastruktur ke penciptaan nilai tidak terhubung mulus. Ada celah di antaranya—dalam sejarah, celah ini menelan waktu puluhan tahun.
三、Siapa yang Merobohkan Pabrik
Orang yang merobohkan pabrik dan orang yang 'menggunakan AI untuk efisiensi' tidak melakukan hal yang sama.
Simon, rekan pendiri Zhao Yiwan, dulunya adalah 'programmer 10x', kini jarang menulis kode sendiri—dia mengendalikan tiga hingga empat agen pengkodean AI secara bersamaan, mencapai efisiensi 30 hingga 40 kali. Notion sekarang memiliki 1.000 karyawan dan lebih dari 700 agen AI. Perbedaannya bukan pada alat, melainkan Simon merobohkan pabrik lamanya sendiri, sementara kebanyakan orang hanya mengganti kincir air mereka.
600 juta pengguna China telah menggunakan alat AI generatif, meningkat 142%—ini adalah kolam permintaan AI terbesar di dunia. Namun, hampir tidak ada satu pun perusahaan China yang membangun ulang alur kerja inti mereka di sekitar AI. Permintaan terbesar global, dipasangkan dengan perubahan organisasi sisi penawaran yang hampir tidak bergerak. Kontras ini sendiri adalah sebuah sinyal: bukan alatnya kurang, organisasinya yang tidak mengikuti. Konteks kerja pengetahuan tersebar di puluhan alat dan puluhan kepala orang, hasil tidak dapat diverifikasi, tidak ada yang tahu cara menilai apakah memorandum strategis efektif atau tidak.
(Dampak AI pada Pasar Tenaga Kerja: Ukuran Baru dan Bukti Awal)
Anthropic sudah bergerak pada skala yang lebih besar. Mereka merilis Indeks Ekonomi, menggunakan data penggunaan nyata untuk menggambarkan tugas dan industri mana yang pertama kali digantikan AI, lalu mengerjakan berdasarkan peta ini: mendirikan perusahaan layanan perusahaan AI asli bersama Goldman Sachs, Blackstone, Hellman & Friedman; membentuk aliansi global dengan KPMG, 276.000 karyawan terhubung ke Claude; Accenture membentuk grup bisnis, 30.000 orang dilatih, fokus pada keuangan, ilmu kehidupan, dan kesehatan.
Peran perusahaan konsultan ini bukan pengguna AI, melainkan insinyur rel kereta api AI—mereka tidak membuat mesin uap, juga tidak memasang rel, mereka membantu perusahaan merobohkan pabrik lama dan membangun ulang lini produksi di sekitar tenaga baru. Tanpa peran ini, kebanyakan pemilik pabrik tidak tahu harus mulai dari mana.
Sinyal sudah berkedip. Yang paling tajam datang dari pasar kerja.
Pemuda berusia 22-25 tahun yang memasuki profesi dengan paparan tinggi terhadap AI memiliki kemungkinan 14% lebih rendah untuk mendapatkan pekerjaan dibandingkan dengan mereka yang masuk profesi dengan paparan rendah. Posisi entry-level sudah mulai terdesak.
Jika saya lulusan baru, angka ini secara langsung memengaruhi pencarian kerja saya. Jika saya manajer, posisi entry-level berikutnya yang saya rekrut mungkin bukan lagi manusia.
Organisasi sedang merobohkan, bagaimana dengan individu? Gelar saya, riwayat pekerjaan saya, pengalaman industri yang saya kumpulkan selama bertahun-tahun—ini adalah kincir air saya. Mereka pernah menggerakkan seluruh lini produksi saya, namun mesin uap sudah datang. 985 dan 211 bukan lagi parit perlindungan, hanya membuktikan saya pernah membangun pabrik yang bagus di tepi sungai.
Sekarang, pertanyaannya adalah, apakah kita memiliki kemampuan untuk meninggalkan sungai itu.
Data Anthropic menunjukkan, pengguna yang menggunakan alat AI lebih dari 6 bulan memiliki tingkat keberhasilan tugas 10% lebih tinggi daripada pengguna baru. Mereka yang melangkah lebih dulu enam bulan sudah unggul 10%, dan kesenjangan ini akan bertambah seiring waktu.
Namun, belum ada perusahaan yang bangkrut karena tidak menggunakan AI, setidaknya firma hukum saya masih bergerak maju dengan AI. Pemenang belum dipilih oleh pasar. Kurva pembelajaran adalah nyata—mereka yang melangkah lebih dulu sudah mengumpulkan keunggulan, namun kebanyakan orang masih di titik awal.
四、Profesi Saya Berikutnya Belum Ada Namanya
Jabatan profesi saya sekarang, apakah masih ada sepuluh tahun lagi? Daftar alat yang saya gunakan setiap hari lima tahun lalu, berapa yang tersisa hari ini? Jawabannya mungkin tidak. Namun saya tidak tahu apa nama hal yang menggantikannya—karena hal-hal itu sekarang belum ada.
Setiap kali dalam sejarah selalu seperti ini. Hal baru tidak direncanakan, mereka tumbuh sendiri setelah batasan lama menghilang.
Sebelum kereta api dibangun, Inggris adalah ekonomi lokal yang terisolasi. Harga kain katun di Manchester dan London bisa berbeda 30%. Setiap kota memiliki standar waktunya sendiri, tidak ada yang merasa ada masalah. Dua puluh tahun setelah kereta api dibangun, semuanya berubah. Pasar nasional yang terpadu pertama kali muncul, perbedaan harga dihapuskan; waktu standar dipaksa oleh kereta api, bukan diciptakan; kepala stasiun, operator telegraf, agen perjalanan—pekerjaan ini tidak ada sama sekali sebelum kereta api.
Tidak ada yang meramalkan department store saat membangun rel kereta api. Tidak ada yang meramalkan waktu standar saat membangun mesin uap.
(Uap, Baja & Kecerdasan Tak Terbatas AI)
Sejarah kota juga menceritakan kisah yang sama. Kota berabad-abad lalu adalah skala manusia—jalan kaki empat puluh menit melintasi Florence. Kerangka baja memungkinkan gedung pencakar langit, kereta api menghubungkan kota dan daerah belakangnya, lift, kereta bawah tanah, jalan raya mengikutinya. Tokyo, Chongqing, Dallas—ini bukan Florence yang lebih besar, mereka adalah cara hidup yang benar-benar baru.
Kerja pengetahuan sekarang juga skala manusia. Tim puluhan orang, rapat dan email mengatur ritme, lebih dari beberapa ratus orang sudah tidak tertahankan. Kita sedang membangun Florence dengan batu dan kayu. AI membuat 'Tokyo' menjadi mungkin—organisasi yang terdiri dari ribuan agen AI dan orang, alur kerja berjalan terus menerus melintasi zona waktu. Rapat mingguan lama, perencanaan triwulan, tinjauan tahunan mungkin tidak lagi berarti.
Simon sudah tidak menulis kode lagi—pekerjaannya menjadi 'mengelola Agen AI'. Dua tahun lalu posisi ini tidak ada. Jabatan profesi saya berikutnya mungkin sekarang belum ada namanya. Namun, sudah ada orang yang sedang membangun masa depan yang belum bisa kita sebut itu.
五、Seperti Apa Pabrik Baru Itu
Setelah merobohkan pabrik lama, membangun apa? Jawaban YC adalah: biarkan perusahaan memperbaiki dirinya sendiri.
Sistem internal mereka sekarang akan mengubah kodenya sendiri di malam hari. Seorang karyawan mengirimkan kueri di siang hari, gagal berjalan. Sebuah Agen pengawas membaca kegagalan ini, menyimpulkan penyebabnya, menulis kode perbaikan sendiri, mengirimkan untuk ditinjau, menerapkankan ke produksi. Keesokan harinya kueri yang sama berhasil berjalan. Semuanya selesai saat semua orang tidur.
Ini bukan AI membantu orang menghasilkan 30% lebih banyak. Ini sistem yang menjalankan seluruh siklus tertutup dengan sendirinya, memikirkan bagaimana menjadi lebih baik.
Rekan YC Tom Blomfield dalam pidato internal menyebut bentuk perusahaan ini sebagai 'siklus AI perbaikan diri rekursif'. Penilaiannya langsung: kebanyakan perusahaan masih legiun Romawi—mengirimkan informasi ke bawah, mengumpulkan ke atas, orang di dalamnya berfungsi sebagai saluran informasi. Yang dihancurkan AI bukanlah efisiensi suatu tautan, melainkan premis keberadaan seluruh struktur hierarki ini.
Logika baru yang dia berikan: bakar Token, jangan bakar orang. Hambatan sedang bergeser dari manusia menjadi daya komputasi. Data yang dilihat YC adalah, perusahaan batch yang mencapai Demo Day memiliki pendapatan per kapita sekitar 5 kali lebih tinggi daripada 18 bulan lalu. Peran manajemen menengah diambil alih oleh AI—'kolaborasi' ini tidak perlu dilakukan manusia. Setiap orang harus menjadi IC, pembangun, operator, setiap hal memiliki penanggung jawab bernama, bukan komite.
Satu prasyarat lagi: perusahaan harus 'terbaca' oleh AI. Hal yang tidak tercatat, bagi AI sama dengan tidak pernah terjadi. YC sekarang memasukkan semua email rekan ke dalam basis data, merekam semua pesan Slack dan rekaman jam kerja. Seorang rekan menggunakan 2.000 jam rekaman yang dikumpulkan dalam tiga bulan, membuat AI menghasilkan ulang manual internal 150 halaman—jauh lebih baik daripada versi aslinya. Manual ini diperbarui otomatis setiap bulan, menjadi 'otak hidup' yang selalu segar.
Tom meninggalkan satu pertanyaan:
Jika hari ini Anda membangun perusahaan Anda dari nol, apakah Anda akan membangunnya sesuai dengan bentuk ini? Jika perusahaan Anda sudah membangun struktur hierarki, Anda harus menjawab pertanyaan yang lebih sulit—apakah rasa sakit membangun ulang akan lebih kecil daripada biaya terus menjalankannya sebagai legiun Romawi.
Orang tidak berada di pusat pabrik, orang berada di lingkar luar—bertanggung jawab atas tempat-tempat yang belum bisa dijangkau AI untuk sementara: penilaian luring, situasi yang benar-benar baru, momen taruhan tinggi dan emosional tinggi. Pusat perusahaan adalah 'otak perusahaan' yang disusun dari data, catatan, dan pengetahuan industri. Perangkat lunak yang berjalan di atasnya adalah barang habis pakai, yang bisa dibuat, bisa dibuat ulang. Hal berharga ada di otak manusia—bagaimana bisnis berjalan, langkah mana yang melibatkan penilaian, pemahaman ini adalah aset sesungguhnya.
Zhao Yiwan dalam "Steam, Steel, and Infinite Minds" menggambarkan sisi lain dari arah ini—organisasi dengan 1.000 karyawan dan lebih dari 700 agen AI yang berkolaborasi, manusia bertanggung jawab atas penilaian, Agen bertanggung jawab atas pelaksanaan. Aschenbrenner bertaruh pada infrastruktur daya komputasi, Zhao Yiwan bertaruh pada restrukturisasi organisasi. Dua jalan akhirnya menuju titik akhir yang sama: cara produksi baru yang dibangun ulang di sekitar AI.
六、Kesimpulan
Antara tahun 1840-an dan 1850-an—rel kereta api sudah selesai dipasang, pabrik belum dibangun ulang.
Kita di mana? Simon sudah tidak menulis kode lagi. Kincir airnya dia robohkan sendiri.
Masalahnya tidak pernah seberapa bagus mesin uap, masalahnya siapa yang pertama merobohkan pabrik lama.
Saya tidak berniat meramalkan department store masa depan, saya hanya berniat menjadi diri sendiri—hanya perlu memastikan saya berdiri di sepanjang jalur kereta api, bukan menjaga sungai yang sedang mengering.
Bagaimana dengan Anda?
