Catatan Editor: Dalam YC batch talk terbaru ini, YC General Partner Tom Blomfield tidak membahas "bagaimana menggunakan AI untuk meningkatkan efisiensi karyawan", melainkan masalah yang lebih mendasar: Ketika AI bukan lagi sekadar Copilot, tetapi mampu merasakan, mengambil keputusan, memanggil alat, menerima umpan balik, dan memperbaiki diri, bagaimana seharusnya perusahaan itu sendiri didesain ulang?

Penilaian inti Tom adalah, perusahaan tradisional masih beroperasi seperti "Legiun Romawi": informasi bergantung pada hierarki untuk naik, perintah bergantung pada rantai manajemen untuk turun. Tetapi AI sedang menghancurkan asumsi organisasi ini. Yang benar-benar penting, bukan membuat insinyur menulis 20% lebih banyak kode, tetapi mengekstrak pengetahuan bisnis yang tersebar di email, Slack, rapat, dokumen, dan pikiran manusia, mengubahnya menjadi konteks organisasi yang dapat dibaca, dipanggil, dan diulang oleh AI.

Menurutnya, perusahaan AI-native masa depan akan terdiri dari serangkaian loop AI rekursif yang memperbaiki diri sendiri: sistem merasakan perubahan eksternal dari email pelanggan, tiket dukungan, data produk, kemudian mengeksekusi keputusan melalui lapisan aturan, lapisan alat, dan checkpoint kualitas, dan akhirnya secara otomatis belajar dan memperbaiki berdasarkan hasilnya. YC internal sudah mencoba mekanisme serupa: agen tidak hanya menjawab pertanyaan, tetapi juga memantau kueri mana yang gagal, menilai apakah diperlukan alat baru, basis data baru, atau indeks baru, dan secara otomatis mengirimkan kode, meninjau, menggabungkan, dan menggelarnya. Dengan kata lain, perusahaan dapat terus mengoptimalkan sementara pendiri tidur.

Ini juga berarti, dampak AI pada perusahaan tidak akan berhenti di tingkat alat, tetapi akan lebih lanjut mengubah struktur organisasi. Tom mengusulkan "burn tokens, not headcount" — hambatan perusahaan rintisan masa depan mungkin bukan lagi jumlah karyawan, melainkan penggunaan token, kualitas konteks bisnis, dan keterbacaan pengetahuan organisasi. Fungsi koordinasi yang diemban oleh manajemen menengah akan banyak digantikan oleh AI, sementara peran IC, penanggung jawab langsung, dan manusia yang mampu menangani penilaian berisiko tinggi dengan dunia nyata, akan menjadi lebih penting.

Yang paling patut diperhatikan, bukan AI membuat perusahaan menjadi lebih efisien, melainkan AI sedang mengubah bentuk organisasi "perusahaan" itu sendiri. Ketika perangkat lunak dapat dibuat sementara, proses dapat diperbaiki secara otomatis, pengalaman dapat terus diendapkan sebagai otak perusahaan, yang benar-benar perlu dibangun oleh pendiri mungkin bukan lagi tim dengan hierarki yang jelas, melainkan sistem cerdas yang mampu terus belajar dan mengoptimalkan diri.

Berikut adalah teks aslinya:

Menulis Ulang Cara Beroperasi: Perusahaan Seharusnya Tidak Lagi Beroperasi Seperti Legiun Romawi

Bagian ini sedikit didasarkan pada pembicaraan Diana sebelumnya. Video di akhir pekan itu sudah tayang, sangat bagus. Selain itu, Jack Dorsey mengirim beberapa tweet sekitar dua tiga minggu lalu, saya pikir itu juga menarik, jadi saya "mencuri" banyak ide darinya, dan memasukkannya ke dalam pembagian ini.

Pembagian ini akan cukup konseptual, cukup tingkat tinggi, terutama membahas bagaimana kita harus memikirkan ulang pembangunan perusahaan.

Desain Legiun Romawi pada dasarnya adalah untuk memproyeksikan kekuasaan dari pusat Romawi ke luar, mencakup dua benua, bahkan hingga ke Tembok Hadrian dekat Skotlandia. Ia bergantung pada struktur hierarki bersarang, setiap lapisan memiliki rentang kendali yang stabil. Setiap tingkat hierarki memiliki penanggung jawab yang jelas, mereka bertugas meneruskan perintah ke bawah, dan mengirimkan informasi kembali ke atas.

Jika Anda mengamati sebagian besar perusahaan saat ini, Anda akan menemukan bahwa mereka sebenarnya masih seperti legiun Romawi: manusia adalah saluran aliran informasi naik turun. Satu hal dalam kumpulan tweet Jack Dorsey yang sangat mengesankan saya adalah, kita selalu menganggap bahwa organisasi hierarkis adalah cara terbaik untuk mengorganisir unit nilai ekonomi. Tetapi saya pikir, AI pada dasarnya sedang menghancurkan asumsi ini.

Setahun lalu, jika Anda bertanya kepada orang-orang apa kegunaan AI, mereka biasanya akan membicarakan "produktivitas": misalnya Copilot meningkatkan efisiensi insinyur 20%, menghubungkan Copilot ke alur kerja, membantu tim mengirimkan lebih banyak perangkat lunak. Tetapi saya pikir, ini sebenarnya adalah cara pemahaman yang bermasalah. Ini seperti memasang mesin yang lebih kuat pada cara kerja lama. Yang benar-benar perlu dipikirkan, bukan bagaimana menambahkan alat AI ke organisasi lama, melainkan membayangkan kembali apa itu perusahaan itu sendiri, bagaimana seharusnya ia beroperasi.

Misalnya konten yang baru saja dibicarakan Garry, saya benar-benar percaya, dia sendiri sekarang dapat menghasilkan kode, mungkin lebih banyak daripada seluruh tim rekayasa. Yang benar-benar terus saya pikirkan, adalah bagaimana mengekstrak pengetahuan domain di dalam perusahaan, dan mendefinisikannya sebagai konteks, kumpulan keterampilan, atau apa pun yang Anda sebut.

Yang disebut pengetahuan domain, pengetahuan bisnis, know-how, awalnya tersebar di otak manusia, pesan Slack, email, dokumen Notion. Informasi ini bersama-sama mendefinisikan bagaimana perusahaan Anda beroperasi. Begitu Anda dapat membuat pengetahuan ini menjadi jelas, dapat dibaca, Anda dapat beralih dari organisasi hierarkis, ke organisasi cerdas yang digerakkan oleh perangkat lunak AI-native.

Membuat Perusahaan Menjadi Lebih Baik Saat Tidur: Bagaimana Loop AI Secara Otomatis Menemukan, Memperbaiki, dan Menggelar

AI bukanlah sesuatu yang terpasang di samping perusahaan. Ia bukan hanya alat bagi insinyur untuk meningkatkan efisiensi. Saya pikir, kita dapat membayangkan kembali perusahaan sebagai sekumpulan loop AI rekursif yang memperbaiki diri sendiri. Poin ini sangat penting, karena begitu perusahaan mencapai tahap ini, ia bahkan akan terus mengoptimalkan diri saat Anda tidur.

Contohnya.

Diana juga menyebutkan loop AI ini dalam pembicarannya. Pertama-tama ada "lapisan sensor". Kata ini terdengar canggih, tetapi sebenarnya bisa sederhana: email dari pelanggan, tiket dukungan, perubahan kode, pembatalan berlangganan pengguna, data telemetri produk, ini semua adalah data sensor, digunakan untuk mendapatkan informasi dari dunia luar.

Kemudian ada lapisan strategi atau pengambilan keputusan, yaitu aturan: apa yang dapat dilakukan AI, hal-hal apa yang harus meminta izin manusia, operasi apa yang harus dicatat. Selanjutnya adalah lapisan alat, ini agak mirip dengan skills dan code yang disebut Garry, pada dasarnya adalah API deterministik, seperti mengkueri basis data, melihat kalender, dll., yaitu sekumpulan alat yang dapat dipanggil oleh AI.

Lalu checkpoint kualitas, seperti pemeriksaan deterministik yang disebut Eva, filter keamanan, serta tinjauan manusia untuk hal-hal berisiko tinggi. Terakhir adalah mekanisme pembelajaran: sistem berinteraksi dengan dunia nyata, menemukan di mana dirinya tidak berfungsi, lalu mengirimkan umpan balik kembali ke awal loop.

Jika setiap langkah dapat berjalan tanpa intervensi manusia, atau dengan intervensi manusia yang sangat sedikit, maka sistem akan menjadi semakin baik saat Anda tidur.

Saya dapat memberi Anda beberapa contoh yang benar-benar kami jalankan sekarang. Awalnya, kami membuat sebuah agen, Anda dapat bertanya padanya, ia memiliki beberapa alat deterministik, dapat mengkueri basis data kami. Misalnya pertanyaan sederhana: kapan terakhir kali saya melakukan office hours dengan perusahaan ini?

Kemudian ia menjadi sedikit lebih pintar. Misalnya saya sedang melakukan office hours dengan suatu perusahaan, mereka perlu mengenal orang-orang terkait industri petrokimia. Sistem ini dapat mengkueri basis data dengan cara berbeda, menggabungkan metode seperti RAG, menemukan lima pendiri terkait, merekomendasikan kepada Anda untuk dikenali.

Tetapi ini masih hanya sidekick, agen tipe asisten. Ini masih cara penggunaan AI tahun lalu: AI membuat saya sebagai group partner lebih efisien, meningkatkan efisiensi kerja saya 20% atau 30%.

Apa yang benar-benar membuat saya mengalami "aha moment", adalah ketika kami menambahkan agen pemantau di atas sistem ini. Ia akan melihat setiap kueri yang dimulai oleh setiap karyawan YC, menilai kueri mana yang berhasil, mana yang gagal. Kemudian ia bertanya: mengapa gagal? Bagaimana caranya agar kueri ini berhasil? Apakah kita memerlukan alat deterministik baru? Perlu memperbarui file skills? Perlu basis data baru? Perlu indeks baru?

Hal-hal ini sekarang benar-benar terjadi secara otomatis di malam hari. Ia akan menulis kode, mengirimkan permintaan merge ke repositori kode YC, membuat agen lain meninjau, lalu menggabungkan, menggelarnya. Maka keesokan harinya, ketika seorang manusia bertanya hal yang sama, kueri itu dapat berhasil.

Bagi saya, inilah momen kritis. Ia tidak hanya membuat seorang manusia menjadi lebih bernilai 20% atau 30%. Melainkan AI sendiri menyelesaikan loop ini, menemukan cara untuk memperbaiki diri.

Saya pikir, jika Anda dapat mengidentifikasi bagian mana dari perusahaan yang dapat beroperasi seperti ini, dan meminimalkan peran eksekusi dan pengawasan manusia di dalamnya sebanyak mungkin, maka Anda dapat memasukkan token ke dalam masalah ini, dan perusahaan itu sendiri akan terus membaik.

Contoh lain juga banyak. Misalnya Anda memiliki data analisis produk, Anda dapat membuat sebuah agen menganalisis data produk, menemukan bagian dengan gesekan terbesar dalam corong penjualan. Ia dapat mempelajari praktik terbaik, menyiapkan tes A/B, menjalankannya selama seminggu, memilih versi dengan kinerja terbaik, lalu menggelarnya secara langsung.

Ini akan terjadi berulang kali. Produk Anda akan memiliki loop produk yang mengoptimalkan diri.

Dukungan pelanggan juga sama. Saran pelanggan terus masuk, Anda dapat menggunakan agen untuk melakukan triase. Agen ini pada dasarnya seperti kepala produk dan kepala teknologi Anda, ia harus membuat penilaian: saran ini tidak ingin kami lakukan, buang; tetapi saran itu sesuai dengan peta jalan kami, dapat diselesaikan malam ini juga. Maka tulis kode, gelar, luncurkan, langsung kirimkan ke pelanggan, sepanjang proses tidak memerlukan intervensi manusia.

Jadi, jika Anda dapat melihat setiap bagian perusahaan sebagai loop AI rekursif yang memperbaiki diri, ia akan menjadi sesuatu yang sangat berbeda dari perusahaan hierarkis "gaya Legiun Romawi".

Kurangi Tumpukan Orang, Lebih Banyak Token yang Dibakar: Perusahaan AI-Native akan Membentuk Ulang Struktur Organisasi

Jadi, jika Anda ingin melakukan ini, apa artinya?

Poin pertama adalah: konsumsi token, bukan tumpukan orang. Sekarang kita melihat, banyak perusahaan pada saat Demo Day, pendapatan per kapita sudah sekitar 5 kali lebih tinggi daripada 18 bulan lalu. Saya pikir tren ini akan terus meluas ke tahap Seri A dan Seri B. Segera, yang benar-benar membatasi Anda bukan jumlah karyawan, melainkan volume penggunaan token.

Cara paling kasar sekarang, adalah mengukur penggunaan token per orang. Tentu, metrik ini dalam kondisi ekstrem sangat bodoh, dan mudah dimanipulasi. Tetapi secara arah, saya pikir itu benar. Kita sekarang berada dalam tahap menjelajahi "apa yang sebenarnya mungkin", jadi setiap orang harus bereksperimen semaksimal mungkin, melihat apa yang dapat dilakukan oleh kecerdasan baru yang gila ini.

Begitu Anda membuatnya menjadi peringkat, dan menghubungkan promosi atau pemecatan dengan metrik ini, tentu saja ia akan dimanipulasi, tentu akan menyimpang. Tetapi secara arah, mencari tahu siapa di dalam organisasi yang menggunakan token hingga batas ekstrem, siapa yang tidak, memang merupakan cara untuk menilai pada karyawan mana Anda harus menghabiskan waktu.

Saya pikir, manajemen menengah sudah berakhir. Setidaknya untuk masalah koordinasi seperti ini, saya tidak berpikir masih diperlukan manajemen menengah, AI seharusnya menyelesaikan ini.

Bagi saya, ada dua peran penting di masa depan. Jack Dorsey menyebutkan tiga, tetapi saya tidak terlalu suka yang ketiga, jadi saya menghapusnya. Saya pikir yang benar-benar penting adalah dua peran: setiap orang harus menjadi IC, yaitu kontributor individu, pembangun, operator. Dan yang kunci adalah, harus ada individu yang bertanggung jawab langsung. Untuk memajukan apa pun, perlu orang yang jelas namanya yang bertanggung jawab, bukan komite, juga bukan sekelompok orang.

Saya pikir, perusahaan sepenuhnya dapat dibangun di atas IC. Manajemen menengah benar-benar berakhir. Dan membangun perusahaan yang memperbaiki diri, adalah visi ini.

Omong-omong, saya merasa sekarang semua orang masih berada di garis depan hal ini. Saya juga ingin tahu sejauh mana kemajuan Anda. Sekarang rasanya semua orang masih menjelajahi batas. Saya tidak yakin apakah sudah ada orang yang membangun perusahaan yang benar-benar memperbaiki diri dalam setiap fungsi. Mungkin saya salah, Anda dapat membuktikan saya salah.

Jika saya, apa yang akan saya lakukan pertama?

Hal pertama yang sangat penting, adalah membuat seluruh organisasi dapat dibaca, dapat dipahami oleh AI. Apa artinya? Artinya Anda harus mencatat segalanya.

Sederhananya, sekarang semua email partner kami, jika Anda mengirim email ke partner YC, email ini akan masuk ke basis data YC. Setiap pesan Slack, setiap DM, setiap office hours, kami sudah mulai merekam semuanya dalam tiga atau empat bulan terakhir. Semua yang terjadi, selama dicatat, bagi AI itu terjadi; jika tidak dicatat, bagi sistem cerdas Anda, itu tidak terjadi.

Baru saja saya mengobrol dengan beberapa pendiri di sini, kami membicarakan banyak konten baik tentang perusahaan mereka. Setiap kali mengobrol saya berpikir, saya benar-benar harus merekam percakapan ini. Karena ada seseorang yang baru saja memerlukan saya untuk memperkenalkan seseorang, sekarang saya bahkan sudah tidak ingat siapa yang perlu diperkenalkan itu. Saat itu saya mengatakan padanya bisa, kemudian menyuruhnya mengirim email nanti, karena saya tahu saya pasti akan lupa, saya selanjutnya masih harus berbicara dengan 20 orang.

Jadi, hal ini mungkin perlu mengandalkan ponsel, perekam, kacamata pintar, atau memasang mikrofon di setiap ruangan. Singkatnya, semua hal perlu dicatat, agar AI dapat membacanya.

Kemudian, seperti kata Garry, juga perlu melakukan pemisahan pembicara dan ringkasan. Anda tidak bisa langsung memasukkan 100.000 jam rekaman ke dalam jendela konteks. Anda harus mengaturnya, mengagregasi, mengompresi, menyaring menjadi bagian penting, dan meninggalkan beberapa petunjuk untuk AI.

Contohnya: apakah ada di antara Anda yang membaca buku panduan pengguna YC? Harapannya setiap orang di ruangan ini setidaknya pernah membukanya sekali. Tidak apa-apa. Sebagian besar konten buku panduan itu ditulis lima hingga sepuluh tahun lalu, sudah sedikit usang.

Akhr pekan lalu, Harsh tiba-tiba berpikir: Karena kami sudah mengumpulkan sekitar 2000 jam rekaman office hours dalam tiga bulan terakhir, mengapa tidak menghasilkan ulang versi buku panduan pengguna?

Kemudian Anda dapat memberi sistem seperangkat instruksi, pertama-tama mengatur, mengompres, menyintesis rekaman, kemudian mengklasifikasikannya berdasarkan tema seperti pendanaan, perekrutan, perselisihan pendiri, dll., lalu menyuruhnya menulis versi baru buku panduan. Pada akhir pekan, dia sudah menghasilkan buku panduan pengguna 150 halaman, kualitasnya jelas lebih baik daripada versi yang ada.

Yang lebih penting, sekarang kami dapat memperbaruinya setiap bulan. Maka buku panduan pengguna kami menjadi sistem yang memperbaiki diri. Setiap saran baru, akan dibandingkan dengan buku panduan pengguna yang ada, baik diserap ke dalamnya, atau dibuang. Dengan demikian, buku panduan pengguna menjadi otak hidup yang terus diperbarui, menampung saran kami kepada pendiri setiap minggu.

Tentu, ini tidak akan berhenti di tingkat buku panduan pengguna. Anda dapat memasukkannya sebagai konteks ke agen AI. Maka tiba-tiba Anda dapat bertanya kepada AI super cerdas, dan mendapatkan kebijaksanaan gabungan dari 16 partner YC. Tetapi syaratnya, pengetahuan ini harus dapat dibaca oleh AI. Jadi Anda harus mencatat segalanya.

Poin kedua sebenarnya serupa: Jika sesuatu dapat menciptakan artefak yang dapat memperbaiki diri, dan dapat dibaca oleh AI, maka simpanlah; jika tidak dapat, buanglah.

Poin ketiga adalah, setiap fungsi harus dapat menghasilkan perangkat lunak sendiri. Dulu kita mungkin mengatakan "dashboard", tetapi sekarang tidak hanya dashboard, melainkan perangkat lunak yang dibuat sesuai permintaan. Codex 5.5 sekarang sudah cukup baik, sebagian besar perangkat lunak internal sederhana dan dashboard, Anda dapat menghasilkan sekali hingga kualitas yang cukup tinggi. Saya mencobanya dengan beberapa hal internal kami akhir pekan, hasilnya benar-benar luar biasa.

Jadi, semua tim operasi internal harus berada di atas lapisan ini: memiliki pemahaman cerdas tentang bisnis, kemudian menghasilkan sendiri dashboard dan alur kerja.

Dan saya akan menganggap perangkat lunak ini sebagai sesuatu yang sepenuhnya dapat dibuang. Yang benar-benar harus disimpan dengan sangat berharga, adalah data. Seperti kata Garry, dia menyimpan semua email sebagai Markdown, tidak pernah membuang apa pun. Tetapi perangkat lunak itu sendiri adalah sementara, sementara. Anda dapat menghasilkannya, juga dapat menghasilkannya ulang.

Yang benar-benar bernilai, adalah pemahaman tentang bisnis di otak manusia: bagaimana fungsi ini beroperasi, bagaimana kami menyelenggarakan acara YC, dll. Adapun perangkat lunak yang benar-benar digunakan untuk mengeksekusi acara, Anda dapat menghasilkannya untuk acara ini, digunakan lalu dibuang. Satu atau dua bulan kemudian, model menjadi lebih pintar, Anda buang perangkat lunak lama, berikan kembali instruksi asli padanya, hasilkan lagi versi perangkat lunak baru.

Jadi saya pikir, yang bernilai adalah konteks bisnis dan skills. Perangkat lunak yang dibangun di atasnya, adalah sementara.

Lalu, dalam dunia ini, apa peran manusia?

Saya pikir, yang kita diskusikan sebenarnya adalah "otak perusahaan". Saya tahu di ruangan ini ada banyak orang yang sedang melakukan hal serupa. Bagian tengah itu — semua data Anda, semua email, DM, keterampilan, know-how — adalah otak perusahaan.

Manusia kemudian berada di tepi otak ini, bertanggung jawab berinteraksi dengan dunia nyata. Artinya, manusia adalah tempat sistem cerdas ini menyentuh realitas. Manusia dapat memasuki skenario yang model belum dapat masuki untuk sementara. Misalnya lokasi rapat, atau beberapa situasi baru, kompleks. Telepon sebenarnya ingin saya jadikan contoh, tetapi sekarang AI sebenarnya juga mudah memasuki skenario telepon.

Yang lebih khas adalah situasi asing, penilaian etika, momen berisiko tinggi. Misalnya seorang pendiri datang kepada kami, mengatakan dia sedang mempertimbangkan untuk berpisah dengan pendiri bersama. Momen yang benar-benar berisiko tinggi, dengan konsentrasi emosi tinggi seperti ini, Anda masih akan menginginkan kehadiran manusia.

Inilah posisi manusia. Bagi banyak perusahaan Anda, percakapan penjualan juga sama. Dalam 20 tahun ke depan, saya pikir lokasi penjualan masih akan memerlukan seorang manusia di dalam ruangan.

Jadi, saya pikir manusia akan hidup di tepi otak perusahaan, bertanggung jawab membawa kecerdasan ke dunia nyata.

Saya sudah melebihi waktu, pembawa acara mungkin akan segera menarik saya dari panggung. Terakhir saya tinggalkan sebuah pertanyaan untuk Anda: Jika Anda hari ini mendirikan kembali perusahaan Anda, apakah Anda akan mendesainnya menjadi bentuk seperti ini dari awal?

Sebagian besar perusahaan Anda masih cukup kecil, sepenuhnya dapat melakukan ini. Jadi saya pikir Anda tidak punya alasan apa pun. Dan saya tahu, di tempat ini juga ada beberapa orang yang sedang membongkar dan membangun kembali perusahaan mereka.

Maka saya akan berhenti di sini, menyerahkan waktu kepada Pete. Terima kasih semua.

[Tautan Video]