Codex dan ChatGPT Digabungkan, Perebutan Posisi Alat Pemrograman Dimulai

marsbitDipublikasikan tanggal 2026-06-04Terakhir diperbarui pada 2026-06-04

Abstrak

OpenAI mengalihkan fokus dari ChatGPT ke Codex, dengan mengintegrasikan ketiganya bersama Atlas menjadi satu aplikasi desktop super. Codex, yang awalnya alat pemrograman, kini menjadi bisnis pertumbuhan tercepat OpenAI, dengan pengguna aktif mingguan melebihi 5 juta. Perbedaannya adalah ChatGPT memberikan jawaban dan saran, sedangkan Codex bertindak untuk menyelesaikan pekerjaan secara langsung. Hal ini membuatnya semakin populer di kalangan analis, manajer investasi, bankir, dan profesional lainnya. OpenAI memperkuat Codex dengan model GPT-5.2/5.5, mengubahnya dari alat pelengkap kode menjadi agen AI yang dapat menangani tugas kompleks. Perusahaan juga meluncurkan enam plugin untuk berbagai peran seperti analisis data, penjualan, dan desain produk. Fitur baru "Sites" memungkinkan pembuatan situs web interaktif dari dokumen, sementara fitur "Anotasi" memudahkan pengeditan kolaboratif. Perubahan ini merepresentasikan pergeseran industri AI dari era "obrolan" ke era "eksekusi", di mana AI bertindak sebagai rekan kerja digital yang memahami tujuan pengguna dan secara otomatis menyelesaikan pekerjaan menggunakan alat yang sesuai.

Ditulis oleh | Lembaga Persekutuan Industri (CLS)

OpenAI sedang mengalihkan fokus dari ChatGPT ke Codex.

Pada tanggal 2 Juni waktu setempat, OpenAI mengumumkan bahwa dalam beberapa minggu ke depan, mereka akan menggabungkan Codex, ChatGPT, dan produk browser Atlas menjadi satu aplikasi desktop super. Di balik ini, terungkap sebuah perubahan penting: semakin banyak keyakinan di internal OpenAI bahwa yang benar-benar mewakili bentuk AI generasi berikutnya mungkin bukan ChatGPT, melainkan Codex.

Produk yang awalnya diposisikan sebagai alat pemrograman ini, kini telah menjadi salah satu bisnis baru dengan pertumbuhan tercepat OpenAI. Selama 1 tahun terakhir, pengguna aktif mingguan Codex tumbuh pesat hingga lebih dari 5 juta; klien perusahaan terus bertambah; perusahaan bahkan melakukan penyesuaian struktur organisasi di sekitar Codex, mengalihkan lebih banyak sumber daya ke arah ini.

Alasannya tidak rumit.

Selama dua tahun terakhir, ChatGPT menyelesaikan kebutuhan untuk menjawab pertanyaan. Sedangkan Codex sedang menyelesaikan masalah menyelesaikan pekerjaan.

Bagi perusahaan, nilai keduanya tidak sama: yang satu hanya memberi tahu Anda jawabannya, yang lain langsung menyelesaikan pekerjaan.

Inilah sebabnya mengapa, selama setahun terakhir, semakin banyak analis, manajer investasi, bankir, pemasar, desainer, dan manajer produk mulai menggunakan Codex. OpenAI menemukan bahwa dalam banyak tugas kompleks, performa Codex telah melampaui ChatGPT.

Dan di balik ini, secara bersamaan mencerminkan perubahan besar yang sedang terjadi di industri AI: era percakapan (chat), mungkin sedang mendekati batas atasnya; era eksekusi, baru saja dimulai.

Mengapa Taruhan Besar pada Codex?

Jika waktu dialihkan kembali ke 1 tahun yang lalu, Codex hanyalah salah satu dari banyak produk OpenAI.

Saat itu, fokus perhatian seluruh industri masih adalah chatbot. Baik ChatGPT, Claude, maupun Gemini, pada dasarnya bersaing siapa yang lebih pintar, siapa yang menjawab pertanyaan lebih akurat.

Tapi segera, sebuah perubahan mulai muncul.

Pada tahun 2025, Anthropic meluncurkan Claude Code, produk ini dengan cepat populer di kalangan pengembang. Dibandingkan chatbot tradisional, Claude Code dapat langsung memodifikasi kode, memanggil alat, mengeksekusi tugas kompleks, efisiensi kerja jelas lebih tinggi.

Ini membuat OpenAI pertama kali merasakan tekanan. Karena mereka menemukan, skenario yang benar-benar mau dibayar perusahaan, bukanlah ngobrol, melainkan pekerjaan.

Oleh karena itu, perusahaan mulai meningkatkan investasi pada Codex.

Setelah itu, dengan model GPT-5.2, GPT-5.5 diluncurkan berturut-turut, kemampuan Codex meningkat pesat. Dari alat penyempurna kode awal, secara bertahap tumbuh menjadi agen AI yang mampu memanggil alat secara mandiri, menangani proses kompleks, menyelesaikan tugas dengan rantai panjang.

Pertumbuhan pengguna juga mulai berakselerasi. Beberapa bulan terakhir, pengguna aktif mingguan Codex tumbuh dari 3 juta menjadi 4 juta, kemudian menembus 5 juta.

Pendapatan perusahaan juga meningkat pesat.

Di internal OpenAI, terbentuk konsensus: Codex mungkin bukan pelengkap ChatGPT, melainkan produk inti tahap berikutnya. Karena masalah yang diselesaikan keduanya sangat berbeda.

ChatGPT lebih seperti seorang konsultan, Anda mengajukan pertanyaan, ia memberikan saran. Sedangkan Codex lebih seperti seorang karyawan, Anda memberikan tujuan, ia bertanggung jawab mengeksekusi.

Ambil contoh sederhana.

Jika meminta ChatGPT menganalisis perusahaan publik, ia akan memberi tahu situasi perusahaan, latar belakang industri, dan logika investasi yang mungkin; sedangkan Codex mungkin langsung membaca laporan keuangan, membangun model, menyelesaikan analisis perusahaan sebanding, dan akhirnya mengeluarkan laporan penelitian lengkap.

Perbedaan antara keduanya, bukanlah kualitas jawaban, melainkan batasan kerja.

Perubahan ini pada akhirnya mendorong OpenAI untuk mulai merestrukturisasi arsitektur internal.

Pentingnya tim Codex terus naik; produk, platform, dan rantai alat mulai diintegrasikan kembali di sekitar Codex; dan aplikasi super yang akan diluncurkan di masa depan, pada dasarnya juga bertujuan untuk menggabungkan ChatGPT dan Codex menjadi pintu masuk tunggal.

Karena OpenAI semakin menyadari dengan jelas:

Kompetisi terpenting AI di masa depan, belum tentu siapa yang lebih pandai mengobrol, melainkan siapa yang lebih bisa menggantikan pengguna menyelesaikan pekerjaan.

Codex Merekonstruksi Cara Kerja Posisi Kerja Kerah Putih

Yang benar-benar mengguncang industri, sebenarnya bukan pengguna Codex menembus 5 juta, melainkan siapa yang menggunakan Codex.

Data terbaru yang diungkap OpenAI menunjukkan, dari pengguna baru dalam sebulan terakhir, sekitar 40% bukan lagi pengembang, analis, manajer investasi, bankir, pemasar, staf operasi, manajer produk, desainer, dan peneliti, sedang menjadi kelompok dengan pertumbuhan tercepat Codex.

Ini berarti, Codex sedang berubah dari alat programmer, menjadi platform kerja pengetahuan.

OpenAI sendiri adalah kasus paling khas. Di internal perusahaan, tim non-teknis telah mulai menggunakan Codex untuk membuat bahan presentasi eksekutif, membangun aplikasi internal, membuat dasbor analisis bisnis, dan mengubah ide pemasaran secara otomatis menjadi konten sesuai norma merek.

Dan di sisi klien eksternal, situasinya lebih jelas.

Misalnya, karyawan Zapier telah mulai menggunakan Codex untuk secara otomatis mengatur informasi di Slack, Google Docs, dan Coda, kemudian menghasilkan tinjauan proyek, rencana respons kegagalan, dan dokumen kebutuhan produk.

Tim penelitian Nvidia menggunakan Codex untuk mencari arah penelitian, mengelola alur eksperimen, bahkan menulis skrip infrastruktur pembelajaran mesin.

Untuk mendorong perubahan ini, OpenAI dalam penggabungan produk kali ini, langsung meluncurkan enam plugin yang ditujukan untuk profesi berbeda:

Plugin analisis data ditujukan untuk analis dan tim bisnis; plugin penjualan untuk staf penjualan; plugin desain produk untuk manajer produk dan desainer; plugin produksi kreatif untuk departemen pemasaran; plugin investasi saham publik melayani institusi investasi; plugin perbankan investasi langsung melayani praktisi perbankan investasi.

Jika diamati lebih teliti, plugin-plugin ini hampir mencakup skenario inti kerja kerah putih tradisional.

Dulu, seorang manajer investasi menganalisis perusahaan publik, seringkali membutuhkan beberapa jam bahkan beberapa hari. Sekarang, ia hanya perlu mengunggah data, Codex dapat secara otomatis menyelesaikan ekstraksi data, analisis keuangan, perbandingan rekanan, serta pengaturan logika investasi.

Dengan logika yang sama, dulu, seorang manajer produk perlu menulis dokumen kebutuhan terlebih dahulu, kemudian mencari desainer untuk membuat prototipe. Sekarang, Codex dapat langsung menghasilkan antarmuka interaktif berdasarkan ide.

Ini juga perubahan yang paling dihargai OpenAI, karena perusahaan mau membayar untuk efisiensi, dan kemampuan eksekusi jauh lebih mudah menciptakan nilai komersial daripada kemampuan mengobrol.

Dalam arti tertentu, Codex sedang menjadi alat otomatisasi di bidang kerja pengetahuan. Yang digantikannya belum tentu posisi kerja itu sendiri, tetapi pasti akan merekonstruksi cara kerja posisi tersebut.

Yang Ingin Dilakukan OpenAI, Bukan Hanya Sekadar Alat AI

Jika kebangkitan Codex hanya sebuah kisah produk, maka artinya sebenarnya terbatas.

Yang benar-benar layak diperhatikan adalah, OpenAI sedang menggunakan Codex untuk mendefinisikan kembali bentuk perangkat lunak masa depan.

Dalam peluncuran kali ini, OpenAI memperkenalkan fitur baru bernama "Sites". Secara sederhana, setelah pengguna mengunggah dokumen, spreadsheet, model keuangan, atau data proyek, Codex dapat langsung menghasilkan situs web yang dapat diinteraksi.

Presentasi klien, manajemen proyek, pusat peluncuran produk, model analisis skenario keuangan, semua bisa diubah menjadi situs web.

Pekerjaan yang dulu memerlukan PowerPoint, Excel, dan Word untuk diselesaikan secara terpisah, sekarang mungkin diselesaikan melalui sebuah situs web yang dihasilkan dan diperbarui secara otomatis oleh AI.

Bersamaan dengan itu, OpenAI juga meluncurkan fitur "anotasi". Pengguna tidak perlu lagi menghasilkan ulang seluruh konten, melainkan langsung memilih bagian tertentu untuk dimodifikasi, seperti memodifikasi grafik, menyesuaikan teks, memperbarui sumber data.

Seluruh proses semakin mendekati kolaborasi manusia dengan rekan kerja, bukan interaksi manusia dengan perangkat lunak.

Di balik perubahan ini, sebenarnya tersembunyi ambisi yang lebih besar dari OpenAI.

Puluhan tahun terakhir, logika industri perangkat lunak adalah: pengguna mempelajari perangkat lunak, kemudian menggunakan perangkat lunak untuk menyelesaikan pekerjaan.

Sedangkan OpenAI sedang mencoba membaliknya: membuat AI memahami pekerjaan, kemudian secara otomatis memanggil perangkat lunak, pengguna hanya perlu mengajukan tujuan. Soal memanggil alat apa, mengeksekusi langkah mana, menghasilkan hasil apa, semuanya diserahkan kepada AI untuk diselesaikan.

Dari sudut pandang ini, Codex sudah bukan lagi alat kode, ia lebih seperti seorang karyawan digital.

Dan ini juga menjelaskan mengapa OpenAI bersedia merestrukturisasi seluruh sistem produk di sekitarnya. Karena di masa depan, pengguna mungkin sama sekali tidak peduli apakah mereka menggunakan ChatGPT, Codex, atau model lainnya. Mereka hanya peduli satu hal: apakah pekerjaan telah selesai.

Referensi:

"Codex for every role, tool, and workflow", OpenAI;

"OpenAI Reorganizes Around Codex as Usage Surges", The Information.

Pertanyaan Terkait

QMengapa OpenAI memindahkan fokus dari ChatGPT ke Codex?

AOpenAI melihat bahwa nilai komersial dan kebutuhan bisnis yang sebenarnya terletak pada kemampuan eksekusi, bukan sekadar percakapan. Codex dapat menyelesaikan tugas secara langsung, seperti menganalisis data, membuat laporan, atau menghasilkan kode, sedangkan ChatGPT hanya memberikan jawaban atau saran.

QApa saja perbedaan utama antara ChatGPT dan Codex?

AChatGPT bertindak seperti penasihat yang menjawab pertanyaan dan memberikan saran. Sementara itu, Codex berfungsi seperti karyawan yang menerima tujuan dan mengeksekusi tugas secara mandiri, seperti analisis data mendalam atau pembuatan konten lengkap.

QBagaimana Codex mengubah cara kerja pekerja kerah putih?

ACodex merevolusi pekerjaan kerah putih dengan mengotomatisasi tugas-tugas kompleks seperti analisis keuangan, pembuatan laporan, manajemen proyek, dan desain. Alat ini memungkinkan para profesional seperti analis, manajer produk, dan marketer menyelesaikan pekerjaan lebih cepat dan efisien.

QApa yang dimaksud dengan 'Sites' yang diperkenalkan OpenAI?

A'Sites' adalah fitur baru OpenAI yang memungkinkan pengguna mengunggah dokumen, spreadsheet, atau model keuangan, lalu Codex secara otomatis menghasilkan situs web interaktif untuk presentasi, manajemen proyek, atau analisis data, menggantikan perangkat lunak tradisional seperti PowerPoint dan Excel.

QApa ambisi besar OpenAI di balik pengembangan Codex?

AAmbisi OpenAI adalah mendefinisikan ulang bentuk perangkat lunak masa depan dengan mengubah paradigma dari 'pengguna mempelajari perangkat lunak' menjadi 'AI yang memahami tugas dan mengeksekusinya'. Tujuannya adalah menjadikan Codex sebagai 'karyawan digital' yang dapat menyelesaikan pekerjaan secara otomatis tanpa pengguna perlu memahami alat yang mendasarinya.

Bacaan Terkait

Alokasi Nilai Stablecoin

Stabilcoin berevolusi dari sekadar alat perdagangan menjadi saluran dolar yang luas. Artikel ini menganalisis pembagian nilai dalam ekosistem stabilcoin menjadi empat lapisan: 1. **Lapisan Penerbit** (Tether, Circle): Mencetak stabilcoin, memegang aset cadangan, dan mengambil spread bunga (marjin terbesar). 2. **Lapisan Infrastruktur** (Bridge/BVNK/Bitso): Menghubungkan stabilcoin ke sistem keuangan nyata—penyetoran/penarikan fiat, integrasi bank, kepatuhan, manajemen aset. Ini adalah pekerjaan yang sulit tetapi membangun pertahanan kompetitif. 3. **Lapisan Penerimaan/Distribusi** (Stripe, Infini, Coinbase): Menanamkan stabilcoin ke sistem pedagang, mengelola aliran pembayaran, perangkat lunak keuangan perusahaan. 4. **Lapisan Aplikasi**: Pengguna dan bisnis akhir yang menggunakan stabilcoin untuk pembayaran, penyelesaian, dan penyimpanan nilai. Saat ini, penerbit mengambil keuntungan terbanyak. Namun, kunci penskalaan pembayaran stabilcoin terletak pada lapisan infrastruktur yang menjembatani dunia *on-chain* dan sistem keuangan tradisional. Lapisan ini menangani tugas-tugas kompleks seperti integrasi perbankan, KYC/AML, likuiditas lokal, dan koneksi jaringan pembayaran. Meskipun membutuhkan investasi besar dan berada di posisi yang terjepit, perusahaan infrastruktur yang berhasil menghubungkan stabilcoin ke bisnis dunia nyata kemungkinan akan mendapatkan kekuatan tawar dan keuntungan signifikan di masa depan ketika stabilcoin menjadi jalur pendanaan default bagi perusahaan.

marsbit4j yang lalu

Alokasi Nilai Stablecoin

marsbit4j yang lalu

Distribusi Nilai Stablecoin

**Distribusi Nilai Stablecoin** Stablecoin berkembang dari sekadar alat perdagangan menjadi jalur umum dolar. Dalam analisis ini, ekosistem stablecoin dibagi menjadi empat lapisan: 1. **Lapisan Penerbitan:** Mencetak stablecoin, memegang aset cadangan, dan mengambil keuntungan dari spread suku bunga. Contoh: Tether dan Circle. 2. **Lapisan Infrastruktur:** Menghubungkan stablecoin ke sistem keuangan dunia nyata. Menangani tugas-tugas seperti on/off-ramp mata uang fiat, integrasi perbankan, kepatuhan, dan penyediaan API. Contoh: Bridge (diakuisisi Stripe), BVNK (diakuisisi Mastercard), Bitso. 3. **Lapisan Penerimaan/Distribusi:** Mengintegrasikan stablecoin ke sistem pedagang, mengelola aliran pembayaran, perangkat lunak keuangan perusahaan. Contoh: Stripe, Infini, Coinbase. 4. **Lapisan Aplikasi:** Pengguna akhir dan bisnis yang menggunakan stablecoin untuk pembayaran, penyelesaian, dan penyimpanan nilai. Lapisan Penerbitan saat ini mengambil keuntungan terbesar. Lapisan tengah (infrastruktur dan distribusi) bergantung pada volume dan komisi. Tantangan sebenarnya terletak di **Lapisan Infrastruktur**. Meskipun sering diabaikan dan penuh pekerjaan "kotor"—seperti mengintegrasikan bank, KYC/AML, menyelesaikan masalah peraturan lintas negara—disinilah letak pertahanan bisnis. Kesulitan utama bukan pada transfer on-chain, tetapi dalam menghubungkan blockchain dengan sistem keuangan tradisional dan mengadopsinya ke dalam aliran kerja bisnis sehari-hari. Infrastruktur berperan sebagai **"penghubung"** yang menghubungkan rantai ke bank, jaringan pembayaran lokal, dan sistem perusahaan. Akuisisi oleh Stripe dan Mastercard menunjukkan perebutan untuk menjadi pintu gerbang default ini. Fitur utamanya termasuk on/off-ramp mata uang fiat, lapisan akun & API, koneksi jaringan pembayaran, dan peningkatan efisiensi modal. Karakteristik lapisan infrastruktur saat ini: pekerjaan operasional yang berat, memerlukan investasi awal untuk memperebutkan pintu masuk, dan posisi yang terjepit antara penerbit dan platform aplikasi. Namun, berada pada tahap awal menuju pembentukan daya tawar. Ketika stablecoin menjadi jalur modal default untuk bisnis, perusahaan yang telah membangun infrastruktur penghubung yang kuat ke dalam sistem komersial dunia nyata akan memperoleh posisi yang kokoh. Meskipun lapisan penerbitan saat ini paling menguntungkan, peluang jangka panjang mungkin terletak pada lapisan infrastruktur yang sedang berkembang.

链捕手4j yang lalu

Distribusi Nilai Stablecoin

链捕手4j yang lalu

NVIDIA Tidak Kekurangan Uang, Kenapa Masih Mau Pinjam 200 Miliar Dolar?

Inti artikel: Mengapa Nvidia, yang memiliki arus kas bebas sangat kuat (sekitar USD 48,6 miliar per kuartal), berencana menerbitkan obligasi senilai minimal USD 20 miliar? Alasan utamanya bukan karena kekurangan dana, melainkan strategi manajemen modal yang canggih. Poin-poin kunci: 1. **Mengoptimalkan struktur modal:** Nvidia memanfaatkan peringkat kredit tinggi (AA dari S&P) untuk meminjam dana jangka panjang dengan biaya rendah. Dana ini akan digunakan untuk investasi infrastruktur AI, R&D, dan ekspansi ekosistem yang berjangka panjang. 2. **Melindungi kepentingan pemegang saham:** Dibandingkan menerbitkan saham baru yang akan mengencerkan kepemilikan, pembiayaan utang memungkinkan Nvidia mendanai pertumbuhan sambil terus melakukan buyback saham (USD 80 miliar) dan meningkatkan dividen. 3. **Mencocokkan aset dan kewajiban:** Menggunakan utang jangka panjang (hingga 30 tahun) lebih sesuai untuk membiayai proyek infrastruktur AI yang juga berjangka panjang, dibandingkan hanya mengandalkan arus kas operasional. 4. **Indikasi fase baru dalam narasi pengeluaran modal AI:** Langkah ini menandakan peralihan AI menuju siklus aset berat (data center, listrik, rantai pasok), di mana perusahaan besar menggunakan kemampuan kredit mereka untuk mengamankan dana murah guna mendukung ekspansi jangka panjang. 5. **Tantangan ke depan:** Keberhasilan strategi ini bergantung pada kemampuan Nvidia mempertahankan arus kas kuat dan memastikan investasi AI-nya menghasilkan pengembalian yang melebihi biaya utang. Jika siklus pengembalian investasi AI melambat, ketergantungan pada pendanaan eksternal dapat menjadi tekanan.

marsbit4j yang lalu

NVIDIA Tidak Kekurangan Uang, Kenapa Masih Mau Pinjam 200 Miliar Dolar?

marsbit4j yang lalu

Cara Menjadi Peneliti yang Baik: Melatih Kemampuan Sebenarnya yang Dapat 'Dilatih Secara Sengaja'

Tidak ada yang benar-benar mengajarimu cara melakukan penelitian. Kamu hanya mendapat meja kerja, masalah yang dipilih orang lain, dan instruksi samar untuk "menghasilkan sesuatu yang baru". Kebanyakan orang akhirnya belajar hanya bagaimana "terlihat" seperti peneliti, bukan menjadi peneliti yang sebenarnya. Kemampuan penelitian yang sesungguhnya adalah tumpukan keterampilan kecil yang hampir semuanya dapat dikembangkan melalui *deliberate practice*. **Pilihlah Masalahmu Sendiri:** Jangan hanya menyerap masalah dari mentor atau tren terkini. Ikuti metode John Schulman: pilih hasil yang benar-benar kamu inginkan, lalu rancang eksperimen untuk mencapainya. Ini menciptakan orisinalitas. "Selera" penelitian seperti otot; latihlah dengan memprediksi hasil eksperimen atau makalah sebelum melihat hasil aslinya, dan uji prediksimu dari waktu ke waktu. **Tingkatkan Input-mu:** Jika bacaanmu hanya dari arXiv atau grup diskusi tren, idemu akan sama dengan orang lain dan tidak berharga. Hargai sumber lama (misalnya, *The Bitter Lesson* dari Richard Sutton tahun 2019 atau pidato Claude Shannon tahun 1952). Kedalaman dan keluasan sama pentingnya. Pinjam pengetahuan dari bidang lain. Baca makalah asli, terutama bagian lampiran dan batasan, bukan sekadar ringkasannya. **Tuliskan Semuanya:** Seperti dikemukakan Paul Graham, sebuah ide baru terasa matang sampai kamu mencoba menuliskannya. Menulis adalah mekanisme pertahanan termurah untuk mengungkap celah dan asumsi yang tidak teruji. Terapkan prinsip Feynman: jangan menipu dirimu sendiri. Ikuti kebiasaan Darwin: catat segera fakta yang bertentangan dengan teorimu. Buatlah log eksperimen (hipotesis, pengaturan, prediksi, hasil, pemahaman baru). Membaca ulang catatanmu dari bulan lalu adalah pelajaran kerendahan hati yang paling efektif.

marsbit6j yang lalu

Cara Menjadi Peneliti yang Baik: Melatih Kemampuan Sebenarnya yang Dapat 'Dilatih Secara Sengaja'

marsbit6j yang lalu

Trading

Spot
Futures
活动图片