Di suatu tempat di kantor eksekutif perusahaan kami, terbaring daftar PHK yang mencakup hingga 8000 orang. Ada kemungkinan 10% saya masuk dalam daftar itu. Beberapa hari lagi, tepatnya tanggal 20 Mei, saya akan tahu nasib saya.

Melihat pengumuman "PHK AI" dari Coinbase hari ini, saya memutuskan untuk menulis artikel ini. Saya sengaja menulisnya sebelum 20 Mei, karena saya ingin berbagi pandangan yang paling jujur, tanpa emosi pribadi tentang "apakah saya akan pergi atau tetap". Pikiran-pikiran ini tidak hanya terkait dengan apakah saya di-PHK atau tidak, dan juga tidak terbatas hanya pada perusahaan saya. Mereka berasal dari suara hati teman-teman saya yang bekerja di berbagai perusahaan menengah dan besar.

Saat ini ada banyak artikel yang memperdebatkan: apakah gelombang PHK baru ini (yang umumnya dianggap dimulai dari Jack Dorsey yang mem-PHK 40% karyawan Square) benar-benar disebabkan oleh AI, atau sekadar melakukan "AI-washing" (maksudnya perusahaan menggunakan dalih mengadopsi AI untuk menutupi tujuan sebenarnya dari kegagalan bisnis atau PHK lainnya).

Saya tidak ingin memenuhi artikel dengan banyak tautan berita dan makalah untuk menyiksa Anda, konten-konten ini mungkin sudah Anda baca, atau cukup cari di Google, tanya ChatGPT untuk mengetahuinya.

"Produktivitas AI" yang Dipuji-puji dan Bukti yang Sulit Dipahami

Apakah AI benar-benar membuat kita lebih efisien? Ini benar-benar pertanyaan besar yang penuh kontroversi! Jika kita berpikir sebaliknya, menyatakan "AI tidak mengubah apa pun", saya pikir bahkan mereka yang paling meragukan nilai AI pun tidak akan setuju dengan pernyataan itu.

Terutama di perusahaan teknologi, lonjakan penggunaan AI yang sangat pesat adalah fakta yang terlihat jelas. Bahkan perusahaan yang paling konservatif, yang membatasi anggaran AI, tidak menyediakan alat AI untuk karyawan, juga tidak dapat menyangkal bahwa sebagian pekerjaan pada dasarnya dilakukan oleh AI—meskipun karyawan hanya diam-diam menggunakan Gemini atau Copilot di Google atau Microsoft Office untuk mengedit dokumen dengan susah payah.

Sementara perusahaan-perusahaan yang lebih visioner dan terjun ke lautan token AI (Token) (unit dasar model AI untuk memproses teks, perusahaan biasanya membayar berdasarkan jumlah token yang dikonsumsi saat menggunakan model bahasa besar), seperti Uber atau Shopify (saya tidak termasuk perusahaan seperti Meta atau Microsoft yang mengembangkan model bahasa besar sendiri, juga tidak termasuk Vercel atau Cloudflare yang secara aktif membangun infrastruktur AI; hanya "pengguna" murni), penggunaan AI mereka benar-benar gila.

Kita sudah terbiasa: dari 90% hingga 100% kode dihasilkan oleh AI, hingga jumlah code review (PRs/diffs) yang dikirimkan per minggu melonjak 2 hingga 5 kali lipat, hingga anggaran AI tahunan bernilai ratusan juta dolar habis dalam hitungan bulan.

Namun, komentator dan investor teknologi seperti Ed Zitron, Will Manidis, Gary Marcus, dan Michael Bury pasti akan bertanya balik dengan pertanyaan yang menusuk jiwa: Jika demikian, mengapa pendapatan perusahaan-perusahaan ini tidak tumbuh 2 hingga 5 kali lipat? Mengapa aplikasi mereka terlihat hampir sama dengan setengah tahun lalu? Jika AI benar-benar sangat produktif, apa sebenarnya yang mereka hasilkan dengan AI? Jika mereka menulis kode 5 kali lebih banyak, sementara pengguna akhir sama sekali tidak menyadarinya, lalu apa gunanya kode-kode itu? Ini adalah pertanyaan yang sangat tajam dan masuk akal.

Input, Output, dan Outcome

Kita harus menyela dengan sedikit pelajaran dasar manajemen bisnis. Ketika perusahaan menengah yang tumbuh cepat, dibanjiri pendanaan, dan menghamburkan uang akhirnya menghadapi kekeringan dana, Anda pergi meminta saran dari seorang CEO senior. Dia akan menyarankan Anda untuk meminta orang-orang McKinsey melihat situasinya. Konsultan akan menaruh satu slide putih di halaman pertama presentasi, dengan tiga kata tertulis dalam font Arial default: "Input, Output, Outcome".

Mereka akan menjelaskan esensi bisnis yang semua orang pahami, namun sering dilupakan:

Kode, hanyalah input.

Fitur, adalah output.

Pengguna rela membayar untuk produk Anda, inilah outcome.

AI (atau setidaknya produk seperti Claude Enterprise) pada dasarnya adalah produk layanan perangkat lunak untuk perusahaan (B2B SaaS). Anda akan melihat, cara penetapan harga dan pemasaran produk SaaS berbeda-beda. Jika sebuah produk dapat langsung mengubah "outcome", mereka biasanya akan mengambil persentase langsung dari "outcome". Bayangkan percakapan penjualan seperti ini: "Alat kami dapat meningkatkan kecepatan Anda mengonversi prospek penjualan sebesar 36%. Coba segera, hanya dengan biaya layanan rendah 5% dari penjualan."

Ini pasti akan langsung memikat klien. Dengan kondisi lain tetap, jika sebelumnya Anda bisa menyelesaikan 100 penjualan dalam 100 hari, sekarang hanya butuh 63 hari. 36 hari yang dihemat (jika saya menghitung dengan benar) memungkinkan Anda menyelesaikan tambahan 57 penjualan! Artinya, potensi peningkatan penjualan Anda adalah 57%. Siapa pun akan sangat senang mengambil 5% dari komisi penjualan, untuk mendapatkan tambahan pendapatan 57%. Dan jika Anda tidak menggunakan produk ini, Anda tidak membayar sepeser pun.

Anda mungkin sudah bisa menebak apa yang akan saya katakan—model penetapan harga konsumsi Token Claude sama sekali tidak seperti itu. Jika insinyur perangkat lunak Anda kecanduan memrogram dengan Claude (saya baru tahu singkatan keduanya dalam bahasa Inggris adalah "cc"), menghasilkan 100 juta Token per hari, maka Anda harus membayar $100 per hari untuk setiap insinyur.

Bahkan jika sebagian kode yang mereka hasilkan terbuang karena tidak berjalan;

Bahkan jika beberapa kode kemudian menyebabkan kegagalan sistem yang parah (SEV) (SEV adalah Severity, perusahaan teknologi sering menggunakannya untuk menyebut insiden online serius yang menyebabkan gangguan layanan) dan terpaksa di-rollback darurat;

Bahkan jika sebagian kode lainnya hanya untuk mengubah tampilan alat internal, agar para wakil presiden merasa lebih lucu saat melihat dasbor data;

Semuanya harus dibayar. Karena kode hanyalah "input". Meskipun umumnya, selama arahnya benar, lebih banyak "input" seringkali menghasilkan lebih banyak "output", yang kemudian menghasilkan "outcome" yang lebih baik. Tapi, ketika Anda tiba-tiba memperbesar input 5 kali lipat dalam semalam, aturan ini belum tentu berlaku. Peningkatan "input" Anda mungkin tiba-tiba menjadi seperti lalat tanpa kepala, menyimpang sepenuhnya dari "output" atau "outcome" yang diharapkan.

Apa Sebenarnya yang Menghambat Kita!

Dulu, setiap kali CEO atau manajer produk (PM) ingin melakukan 10 hal, tim pengembang selalu bilang mereka hanya bisa menyelesaikan dua hal terpenting, 8 sisanya tidak ada waktu. Alasannya apa? Karena menulis kode bukan main-main, mengembangkan perangkat lunak yang kompleks dan dapat berjalan membutuhkan waktu yang sangat banyak.

Hmm...... tapi sekarang kode hampir gratis. Mengapa kita masih tidak melakukan 8 hal sisanya itu?

Jawabannya ada dua: satu yang tidak disukai CEO dan PM; satunya lagi yang tidak disukai manajemen menengah dan karyawan senior.

1. Sebenarnya 8 ide itu...... tidak masuk akal?

Hanya karena CEO atau PM muncul 10 ide di benaknya, tidak berarti ide-ide itu benar-benar dapat diubah menjadi hasil bisnis yang nyata. Bahkan jika Anda benar-benar membuat 10 fitur baru (output), tidak ada jaminan pengguna akan menerima semuanya dan lebih banyak menggunakan aplikasi Anda karena itu (outcome).

Faktanya, karena sumber daya pengembangan sebelumnya terbatas, "gesekan" ini memaksa semua orang untuk berdebat lebih sengit, sehingga ide-ide buruk dapat dieliminasi lebih awal sebelum menghabiskan terlalu banyak sumber daya, memilih dua yang terbaik. Sekarang, menulis kode menjadi cepat dan murah, berdebat tentang kebaikan ide tampaknya tidak ada gunanya. Bahkan jika Anda mencoba membantah mereka, menurut Anda bisa mencegah CEO atau PM berpaling dan sendiri meminta Claude? Lupakan, bahkan tidak perlu mencoba.

2. Menyelaraskan semua orang terlalu menyakitkan.

Kita semua tahu betapa menyiksanya ini. Pertama, semua pemangku kepentingan harus mencapai konsensus tentang "mengapa" melakukan hal ini; kemudian, harus ada rapat lain untuk mendiskusikan "apa" yang akan dilakukan; akhirnya, semua orang harus bersitegang lagi tentang "bagaimana" melakukannya.

Semakin banyak jumlah tim, semakin banyak proyek yang terjebak di "neraka penyelarasan". Dulu karena menulis kode lambat, masalah ini tertutupi. Sekarang malah, begitu "apa yang dilakukan" diputuskan, segera ada orang yang begadang membuat produk minimal layak (MVP) (mengembangkan produk dengan biaya terendah yang cukup untuk menunjukkan konsep inti, untuk uji coba cepat), dan langsung menjadwalkan rapat berikutnya keesokan harinya.

Di rapat, Anda terkejut menemukan bahwa tim lain diam-diam juga membuat MVP! Lebih parahnya, karena Anda berdasarkan asumsi yang berbeda, logika operasional kedua produk bertolak belakang.

Tentu, Anda bisa duduk dan berdiskusi perlahan, berdebat asumsi siapa yang benar.

Tapi jujur saja. Anda dan tim Anda yang memiliki Token Claude tak terbatas, malas melakukan itu. Tim lain juga tidak. Anda tidak akan ragu-ragu berpaling ke pelukan Claude, memintanya untuk mengimplementasikan ulang pekerjaan tim lawan dengan cara yang menurut Anda paling sempurna. Dan Claude hanya akan dengan patuh menjawab: "Anda benar sekali!", lalu langsung mulai mengetik kode.

PHK Sebenarnya Menyelesaikan Apa?

Oke, terima kasih telah sabar mendengarkan omelan saya tentang hal-hal yang jelas ini. Saya tahu Anda ingin melihat inti sarinya.

Apa tujuan yang dapat dicapai dengan PHK? Berdasarkan asumsi saya, jika AI tidak benar-benar menggantikan 30% karyawan satu per satu (ini seharusnya bisa disepakati, kan? Meskipun dalam banyak tugas, AI lebih kuat dari pekerja kerah putih junior, tetapi dalam tugas lain tidak sebaik manusia—AI sama sekali bukan komponen yang dapat langsung dicabut dan diganti, apalagi langsung menggantikan 10%, 20%, bahkan 30% orang di sebuah perusahaan).

Jika demikian, logika PHK di mana? Karena PHK dapat segera menyelesaikan dua masalah jangka pendek yang terlihat jelas.

1. Mengimbangi "Pengeluaran AI"

Ini sebenarnya adalah soal aritmatika arus kas yang paling dasar. Jelas, jika para insinyur Anda yang kecanduan Claude menghamburkan $100 per hari di Claude (yaitu $2500 per bulan, $30.000 per tahun), uang ini di India sudah setara dengan seluruh gaji seorang Software Development Engineer (SDE); di Eropa setengah SDE; di AS juga seperempat SDE.

Jika melakukan perhitungan paling sederhana dan kasar: misalkan di perusahaan yang datar, semua karyawan adalah SDE. Untuk mempertahankan total pengeluaran gaji yang ada (termasuk biaya pembelian Token), Anda harus mem-PHK 50% (India), 33% (Eropa), atau 20% (AS) karyawan.

Faktanya, karena penggunaan AI sedang tumbuh gila-gilaan mengabaikan segalanya, sementara pendapatan perusahaan tidak menunjukkan pertumbuhan yang sesuai, PHK menjadi pilihan yang tak terhindarkan. Jika tidak, neraca keuangan perusahaan akan benar-benar runtuh. Jika biaya input Anda meningkat 50%, tetapi hasil bisnis akhir tidak berubah sama sekali atau stagnan, maka ekonomi unit dari seluruh siklus hidup pengembangan perangkat lunak Anda benar-benar hancur.

Seandainya kita benar-benar belajar bagaimana menggunakan AI—menemukan cara mengubah peningkatan biaya input 50% menjadi peningkatan hasil pendapatan 50%, kita tidak perlu mengambil langkah ini. Tapi, justru karena Anda belum belajar, beberapa dari Anda harus pergi, untuk mengosongkan uang untuk membayar Anthropic.

2. Mengurangi "Pajak Penyelarasan"

Tidak diragukan lagi, ukuran perusahaan besar mana pun jauh melebihi skala yang dibutuhkan semata-mata untuk "bertahan hidup". Inilah ciri perusahaan besar, organisasi besar pasti akan menumpuk "lemak organisasi", ini adalah hasil desain struktur organisasi yang tak terhindarkan.

Di perusahaan-perusahaan ini, bahkan jika ada orang yang keluar, sistem tetap bisa berjalan, karena selalu ada orang lain yang tahu apa yang dia lakukan sebelumnya. Di banyak perusahaan besar, Anda bahkan bisa mengambil cuti melahirkan setengah tahun dengan tenang, proyek yang Anda tangani tetap aman. Ini adalah tanda baik! Tapi ini juga bukti nyata: jika sebagian orang di-PHK, perusahaan sama sekali tidak akan langsung lumpuh. Sebaliknya, setelah mengalami sakit sistemik awal selama beberapa minggu, dalam beberapa bulan berikutnya, kecepatan operasi bahkan bisa lebih cepat!

Ingat dua tim yang bersitegang tentang solusi teknis sebelumnya? Sederhana, cukup PHK salah satu tim, lalu biarkan tim yang tersisa begadang beberapa malam menyelesaikan pekerjaannya—mereka tidak perlu lagi "menyelaraskan" dengan siapa pun.

Kita tidak dapat memprediksi apa yang akan terjadi dalam jangka panjang (atau menggunakan kata-kata ekonom Keynes—"Dalam jangka panjang, kita semua mati"), tetapi dalam jangka pendek, mem-PHK 10-20% karyawan di perusahaan besar hanya akan membuat ritme kerja menjadi lebih cepat.

Perusahaan besar seiring waktu, tak terhindarkan akan menumpuk redundansi, orang menganggur, seperti menumpuk utang teknis, menumpuk banyak "utang organisasi". Inilah penyakit umum perusahaan besar. Mem-PHK 10% orang hari ini, juga tidak dapat mencegah penyakit lama kambuh lagi dua tahun kemudian. Tapi, ketika Anda melihat semua orang membanggakan diri telah mengirimkan kode 5 kali lebih banyak dari sebelumnya, tetapi karena dicekik oleh tim lain sehingga tidak dapat diluncurkan tepat waktu, obat paling langsung dan kasar jelas adalah: PHK beberapa orang, sehingga tidak ada yang saling mencekik.

Inilah PHK AI, Meskipun AI Tidak Langsung Menggantikan Posisi Anda

Apakah nomor induk karyawan Anda digantikan oleh instance Claude baru yang berjalan di mesin virtual? Kita semua tahu itu tidak terjadi.

Namun demikian, bukankah di perusahaan ada banyak alur kerja yang dulu membutuhkan Anda mengetik keyboard, mengklik mouse di VS Code, Figma, Canva, atau Google Docs untuk menyelesaikannya, kini berubah menjadi orang lain (mereka yang awalnya membutuhkan hasil kerja Anda) langsung berteriak menulis prompt ke model bahasa besar, dan malas lagi meminta bantuan Anda? Ini juga fakta yang tak terbantahkan.

Apakah PHK-PHK ini termasuk "AI-washing"? Maksudnya—apakah perusahaan memang sudah punya berbagai masalah mendasar yang tidak terkait AI (seperti perekrutan berlebihan, penurunan laba, tekanan persaingan, keputusan bisnis yang buruk), dan sekarang hanya menggunakan AI sebagai "alasan" untuk PHK? Hmm, sampai tingkat tertentu ini juga masuk akal.

Anda mungkin juga akan menemukan, jika mengumpulkan semua "email PHK" yang dikirim CEO selama periode ini, Anda bahkan akan merasa apakah mereka membuat grup chat, berkumpul berembuk menulis email-email ini. "Kelompok asli AI", "manajer yang menulis kode", "menambah rentang manajemen", "struktur datar", "mengelola tim agen AI cerdas"... Anda akan menemukan kosakata baru ini muncul sama di setiap email. Seolah-olah mereka memberi prompt yang sama ke GPT.

Tapi kebenarannya adalah, bahkan jika PHK ini bukan karena AI langsung menggantikan Anda, bahkan jika dicampur dengan unsur "AI-washing", PHK-PHK ini pada akhirnya tetap disebabkan oleh AI. Dan, gelombang PHK ini akan terus berlanjut, sampai kita benar-benar belajar bagaimana menggunakan AI.

Sampai kita belajar bagaimana mengubah lautan Token AI menjadi hasil bisnis yang nyata, bukan sekadar input kode; sampai kita belajar membuat kecepatan "penyelarasan" antar organisasi, mengikuti kecepatan pengkodean generasi baru; sampai kita memahami, di luar 2 ide bagus dan 8 ide buruk itu, bagaimana memanfaatkan produktivitas tambahan ini untuk mengejar 10 ide baru lain yang penuh potensi.

Sebelum kita benar-benar memahami bagaimana AI mendorong pertumbuhan PDB global, untuk mengisi pengeluaran Token tahunan yang mencapai $70 miliar (total pendapatan tingkat perusahaan OpenAI dan Anthropic), perusahaan hanya bisa "menutupi kekurangan dengan mengambil dari yang lain" dengan memotong gaji karyawan.

Dan sebelum kita belajar bagaimana lebih efisien melancarkan fenomena saling mencekik antar tim, solusinya hanya satu—langsung menghapus kita dari bagan struktur organisasi.

Masih 15 hari lagi, saya akan tahu nasib saya. Tapi bagaimanapun hasilnya, saya rasa saya sudah tahu alasannya. Bahkan jika saat itu saya yang duduk di kantor CEO luas di sudut itu mengambil keputusan, saya tidak tahu apakah saya bisa melakukan lebih baik, mungkin saya juga hanya akan membuat pilihan yang sama seperti CEO-CEO lain yang berkelompok.