Pelajaran dari Palantir di era baru AI

• Palantir baru-baru ini masuk ke S&P 500
• Pada awalnya, Palantir keliru dinilai sebagai “perusahaan konsultan”. Banyak insinyurnya bekerja bersama pelanggan dan memahami secara mendalam masalah bisnis pelanggan
• Para insinyur Palantir disebut Forward Deployed Engineers, yang memahami secara mendalam pekerjaan, model bisnis, dan titik sakit pelanggan, lalu meningkatkan dan memperluas produk sesuai kebutuhan pelanggan
• Pendekatan berbasis layanan ini menjadi keunggulan kompetitif Palantir, yang mengembangkan solusi khusus pelanggan lalu memplatformkannya
• Salah satu konsep inti Palantir adalah Ontology, yang menyusun data secara sistematis untuk menyelesaikan masalah bisnis yang kompleks
  • Ontology: pendekatan unik untuk memetakan data dan proses pelanggan lalu mengenkodenya ke dalam solusi

Perubahan model bisnis yang berpusat pada layanan

• Dengan adopsi model bahasa AI (LLM) belakangan ini, perusahaan jasa tradisional berubah menjadi model bisnis yang semakin menarik
• AI dapat mengotomatiskan pekerjaan kompleks berbasis bahasa, dan dalam pendeteksian kesalahan bisa lebih baik daripada manusia
• Model bisnis hibrida yang memadukan layanan dan produk semakin meningkat, sehingga dapat menyelesaikan masalah nyata pelanggan dan menangkap lebih banyak nilai
• Menggunakan teknologi untuk menciptakan leverage operasional dalam dua cara:
  1. Menciptakan proposisi nilai yang unik dengan layanan yang lebih cepat, lebih murah, dan berkualitas lebih baik dibanding vendor lama
  2. Menghilangkan tenaga kerja dari struktur biaya, mengubah struktur margin, dan lebih mudah diskalakan dibanding pesaing
• AI sangat meningkatkan efisiensi kerja di banyak industri jasa tradisional dan berpotensi lebih dari menggandakan produktivitas

Karakteristik dan peluang perusahaan layanan AI

• Perusahaan layanan AI mengadopsi model "Service-as-Software", dan startup yang tumbuh cepat tengah memanfaatkan pendekatan ini
• Saat performa model saja tidak cukup, mereka menjual solusi yang membantu pengguna seperti Copilot. Contoh: AI akuntansi teknis milik Numeric
• Karena sulit mengotomatiskan proses yang kompleks hanya dengan AI, pendekatan yang menggabungkan teknologi dan keahlian manusia menjadi hal yang esensial
• Tantangan dan peluang model layanan AI
  • Risiko 1: karena siapa pun bisa memakai model, pesaing dapat muncul dengan cepat dan merebut pelanggan yang ada
  • Risiko 2: peningkatan performa model AI baru bisa membuat sebagian fungsi produk yang ada menjadi tumpang tindih
  • Namun, otomatisasi penuh atas proses yang kompleks tetap sulit. Pendekatan yang menggabungkan teknologi dan keahlian manusia tetap penting
• Cara operasi perusahaan layanan AI
  • Proposisi nilai yang terdiferensiasi: memberikan layanan yang lebih cepat, lebih murah, dan lebih berkualitas daripada penyedia layanan lama
  • Perbaikan unit economics: mengurangi porsi besar tenaga kerja dalam biaya, sehingga meningkatkan skalabilitas bisnis dan struktur margin
    • Contoh: Loop mendesain ulang seluruh workflow melalui otomatisasi audit dan pembayaran pengiriman barang untuk memaksimalkan efisiensi
  • Dari sisi pelanggan, tanpa perlu mengelola banyak vendor dan software, semua fungsi dapat di-outsourcing lewat solusi AI yang terintegrasi
• Empat prinsip inti perusahaan layanan AI yang sukses
  • Memetakan seluruh ontologi bisnis untuk menetapkan prioritas fokus R&D
  • Berfokus pada metrik
  • Menjalankan pertumbuhan organik dan M&A secara bersamaan
  • Membangun tim yang tepat

Prinsip perusahaan layanan AI yang sukses

1. Memetakan seluruh ontologi bisnis untuk menetapkan prioritas R&D

• Konsep ontologi: Palantir mendefinisikan struktur data dan workflow yang menopang seluruh operasi perusahaan melalui ontologi bisnis
  • Ontologi terdiri dari data, logika, aksi, dan berperan sebagai peta proses bisnis (BPM)
  • Contoh: di industri penerbangan, ontologi mendefinisikan objek seperti pesawat, penerbangan, maskapai, bandara, keterlambatan, serta relasi yang menghubungkannya
• Pentingnya ontologi:
  • Ontologi sangat penting untuk memetakan workflow pelanggan ke dalam software, terutama pada perusahaan jasa yang berpusat pada teknologi
  • Dengan menggabungkan teknologi dan operasi, ontologi memungkinkan pemahaman atas hubungan tiga pihak antara pelanggan, karyawan, dan sistem software, sekaligus membuka jalan bagi otomatisasi dan optimasi
  • Sejak awal Palantir menekankan pentingnya ontologi, dan lewat hal ini mengambil posisi terdepan di bidang integrasi data dan solusi AI
• Integrasi data dan otomatisasi:
  • Di kebanyakan organisasi, data tersebar dalam berbagai format dan lokasi
  • Jika ontologi dibangun lebih dulu, integrasi data dan otomatisasi dapat dilakukan secara efektif berdasarkan struktur tersebut
• Kasus Reserv:
  • Reserv memahami secara mendalam workflow adjuster klaim dan dapat membedakan dengan tepat fungsi yang harus dibangun sendiri dan fungsi yang harus dilisensikan
  • Dengan demikian, perusahaan dapat dengan cepat mendapatkan kontrak pelanggan besar dan melakukan ekspansi
• Manfaat praktis ontologi:
  • Tujuan produk SaaS adalah memetakan workflow pelanggan ke dalam software
  • Perusahaan jasa berbasis teknologi perlu membuat ontologi yang mencakup hubungan antara pelanggan, karyawan, dan sistem software
  • Hal ini membentuk positive feedback loop di mana software dan tenaga manusia bekerja sama
• Keuntungan pemetaan ontologi:
  • Pekerjaan ontologi di tahap awal berperan penting dalam menetapkan visi, tujuan, dan penyelarasan tim
  • Ini memberi peluang bagi investor dan penasihat untuk memberikan umpan balik yang nyata
  • Jika arah yang dipilih salah, keputusan yang keliru dapat menimbulkan biaya besar

2. Berfokus pada metrik

• Ontologi dan metrik:
  • Setelah membangun ontologi, KPI inti bisnis menjadi lebih mudah dipahami
  • Di industri SaaS, banyak metrik sudah terstandarisasi sehingga mudah dipantau lewat alat analitik operasional
  • Perusahaan SaaS bisa kurang ketat terhadap metrik operasional karena margin yang tinggi. Namun bisnis yang berpusat pada layanan tidak demikian
• Pentingnya metrik dalam bisnis layanan:
  • Perusahaan jasa memiliki penciptaan nilai yang lebih kompleks dan lebih sulit diukur dibanding perusahaan yang berpusat pada produk
  • Karena sulit menemukan metrik yang sama di berbagai industri, memilih metrik yang tepat menjadi penting agar tidak berujung pada masalah P&L
  • Contoh: metrik dasar perusahaan manajemen aset adalah aset kelolaan, tetapi ontologi dapat menghubungkan kepuasan pelanggan jangka panjang, kinerja portofolio, dan efisiensi konsultasi untuk menetapkan metrik yang lebih kuat
• Analisis metrik berbasis ontologi:
  • Analisis ontologi dapat mengungkap titik leverage yang tak terduga
  • Contoh: dalam dukungan pelanggan, akurasi klasifikasi masalah bisa lebih penting daripada kecepatan respons awal
  • Reserv mengotomatiskan sebagian proses klaim dan menganalisis dampaknya bukan hanya pada kecepatan pemrosesan, tetapi juga pada kepuasan pelanggan dan arus kas
• Pentingnya metrik:
  • Inti dari bisnis layanan berbasis teknologi adalah meningkatkan margin dan kualitas layanan melalui kolaborasi antara tenaga manusia dan software
  • Metrik tidak boleh hanya dimasukkan ke laporan kuartalan, tetapi harus menjadi fokus seluruh perusahaan
  • Perusahaan layanan yang sukses tidak sekadar mengukur metrik, tetapi menggunakannya untuk mendorong pengambilan keputusan, prioritas investasi, dan penyelarasan tim
  • Semua karyawan memahami metrik inti mereka dan peran mereka dalam meningkatkannya

3. Menjalankan pertumbuhan organik dan M&A secara bersamaan

• Masalah M&A di masa lalu:
  • Pada 2010-an, banyak investor ventura cenderung menghindari M&A
  • M&A sering dipakai sebagai solusi sementara untuk menutupi kekurangan produk atau masalah penjualan, dan tidak menyelesaikan masalah mendasar berupa kurangnya product-market fit
• Perubahan pada perusahaan jasa teknologi modern:
  • Perusahaan jasa teknologi masa kini menggunakan M&A secara strategis untuk mengatasi masalah "cold start" dalam memasuki pasar awal
  • Terutama di pasar yang sangat teregulasi atau industri dengan biaya perpindahan yang tinggi, mengakuisisi perusahaan yang sudah ada bisa efektif
  • Melalui M&A, beban perekrutan dan penjualan dapat dikurangi, sehingga perusahaan bisa lebih fokus pada perbaikan margin berbasis teknologi
• Keuntungan M&A:
  • M&A yang dilakukan dengan baik dapat menjadi akselerator pertumbuhan
  • Misalnya, perusahaan jasa lama dengan margin 15% biasanya dinilai sekitar 6-8x multiple arus kas. Sebaliknya, perusahaan layanan AI yang dibangun dengan baik sudah memiliki margin 60% dan berpeluang mendapat multiple yang lebih tinggi
  • Dengan mengintegrasikan perusahaan yang diakuisisi, struktur ekonomi dari pendapatan yang ada dapat membaik dan laju pertumbuhan dapat dipercepat kembali
  • Perusahaan AI dapat mengakuisisi pesaing pada harga 1x pendapatan, lalu melalui investasi $100M menciptakan arus kas $60M dan nilai ekuitas $600M
• Strategi M&A baru:
  • Pendekatan ini berbeda dari M&A tradisional, dan M&A yang dipadukan dengan teknologi berpotensi membuka tahap pertumbuhan baru bagi industri Amerika
  • Dari luar, ini mungkin terlihat seperti VC yang mengikuti strategi private equity (PE), tetapi pada kenyataannya ini adalah strategi pertumbuhan berbasis teknologi
  • Jika teknologi dapat sangat meningkatkan produktivitas workflow layanan, M&A menjadi cara yang jelas untuk dengan cepat menciptakan nilai besar
• Hal yang perlu dipertimbangkan dalam strategi M&A:
  • M&A tidak cocok untuk semua perusahaan. Terutama jika akuisisi pelanggan mudah atau integrasi rumit, pendekatan ini bisa jadi tidak tepat
  • Membangun ontologi dapat membantu menganalisis trade-off ini, menentukan ukuran akuisisi pertama yang tepat, serta memutuskan apakah akan mengakuisisi dalam industri yang sama atau industri yang berdekatan
  • Meski ada kekhawatiran akibat kegagalan di masa lalu, paradigma M&A baru membuka strategi baru yang menawarkan ROI tinggi yang lebih dapat diprediksi

4. Membangun tim yang tepat

• Ciri perusahaan SaaS yang sukses:
  • Memiliki budaya teknik yang kuat dan kapabilitas engineering yang memungkinkan pengembangan iteratif yang cepat
  • Seiring software menyebar ke pasar yang makin tersegmentasi, keahlian domain dan pemahaman atas bahasa pelanggan menjadi makin penting
  • Karena itu, perusahaan membangun dewan penasihat industri yang kuat atau kadang merekrut pakar industri dengan pengalaman teknis yang minim
• Perubahan komposisi tim pada layanan berbasis teknologi:
  • Untuk membangun bisnis yang sukses, dibutuhkan talenta teknologi dan operasi dengan IQ dan EQ yang tinggi
  • Budaya inovasi yang bergerak cepat harus dipadukan dengan pendekatan yang berorientasi proses dan berpusat pada pelanggan
  • Talenta teknologi dan operasi harus berkolaborasi, saling belajar, dan membangun kepercayaan timbal balik
  • Talenta teknologi, selain memiliki kemampuan AI dan pengembangan software, juga harus punya rasa ingin tahu dan respek terhadap detail operasi layanan
  • Pakar operasi harus siap menerima teknologi baru dan memikirkan ulang proses yang ada
• Kasus Palantir: Forward Deployed Engineers:
  • Palantir mengoperasikan tim Forward Deployed Engineers yang bekerja langsung dengan pelanggan untuk mengonfigurasi platform sesuai kebutuhan mereka
  • Saat itu, perusahaan teknologi besar di Silicon Valley umumnya menyerahkan interaksi pelanggan kepada tim sales dan customer success
  • Namun Palantir merespons langsung kebutuhan pelanggan dengan merekrut talenta yang memiliki kemampuan teknologi, operasi, dan komunikasi sekaligus
  • Strategi perekrutan ini esensial bagi perusahaan jasa berbasis teknologi, dan banyak alumni Palantir kini menjadi pendiri serta karyawan awal startup layanan teknologi
• Elemen inti membangun tim yang tepat:
  • Perlu membentuk budaya yang sama-sama menekankan inovasi teknologi dan keunggulan layanan
  • Jika mendorong strategi M&A, dibutuhkan juga talenta yang memiliki pengalaman dan wawasan dari dunia private equity (PE)
  • Dengan demikian, perusahaan bukan hanya dapat mereplikasi layanan lama dengan lebih efisien, tetapi juga mentransformasi seluruh industri

Prospek masa depan revolusi layanan AI

• Ketidakpastian perkembangan AI:
  • Sulit memprediksi sejauh mana perkembangan cepat teknologi AI akan berlanjut
  • Asumsi bahwa AGI (Artificial General Intelligence) akan menyelesaikan semua masalah tidak realistis. Bahkan jika AGI terwujud, hasilnya bisa sangat positif atau justru sangat negatif
• Bahkan teknologi AI saat ini pun sudah bisa menciptakan nilai besar:
  • Sekalipun perkembangan AI berhenti di level sekarang, teknologi ini tetap bisa meningkatkan efisiensi secara revolusioner untuk upah di industri jasa yang mendekati $2 triliun
  • Hal ini berpotensi mendorong pertumbuhan GDP, pasar tenaga kerja yang lebih efisien, dan peningkatan produktivitas dua hingga tiga kali lipat
  • Ketika pekerjaan yang repetitif dan sederhana diotomatisasi, pekerja mendapat kesempatan untuk mengekspresikan keterampilan sejati mereka atau mempelajari keterampilan baru
• Tahap awal gelombang layanan AI:
  • Saat ini, gelombang layanan AI masih berada di tahap awal, dan potensi serta dampaknya belum sepenuhnya terlihat
  • Dalam gelombang SaaS awal, makalah Smart Enterprise menyajikan kerangka inovasi industri yang berpusat pada platform, dan kini telah menjadi arus utama
  • Seiring gelombang layanan teknologi menguat, pemetaan ontologi dan strategi lainnya menjadi fondasi konseptual yang penting
• Prospek dan tujuan ke depan:
  • Untuk mewujudkan inovasi ini, dibutuhkan kepemimpinan yang hebat, tim yang unggul, dan upaya yang konsisten
  • Kisah sukses Palantir memberi inspirasi, dan diharapkan lebih banyak perusahaan generasional akan lahir dari gelombang produktivitas ini

[joon14]

Saya sudah mencari banyak tulisan terkait Palantir, dan mereka selalu mengklaim bahwa melalui ontologi ada sesuatu yang satu tingkat lebih maju, tetapi saya sendiri tidak benar-benar paham apa sebenarnya nilai tambah itu.
Sepertinya secara internal mereka memang punya banyak orang yang lebih jago dalam data science, tetapi untuk produknya sendiri saya kurang yakin.

[roxie]

Kalau dilihat dari viral rekrutmen FDE, apakah ini semacam delusi kebesaran?

[hilft]

SI tingkat lanjut

[savvykang]

Sepertinya inilah wujud nyata transformasi digital.

[9gyooo]

Setiap kali ada tulisan tentang Palantir, saya selalu membacanya dengan saksama. Tapi sampai sekarang model bisnisnya masih belum benar-benar terasa jelas bagi saya, hiks hiks

[xguru]

Refleksi tentang Palantir