Kabar baik untuk startup: perusahaan belum mampu mengimplementasikan AI dengan benar [YouTube]

• Hasil riset MIT yang menyebut 95% proyek AI perusahaan gagal sebenarnya menunjukkan masalah struktural bahwa perusahaan besar tidak mampu membangun AI sendiri
• Perusahaan besar mencoba membangun sistem AI melalui tim IT internal atau firma konsultan, tetapi sebagian besar gagal karena kurangnya kemampuan pengembangan produk dan hambatan politik
• Tingkat keberhasilan proyek yang memilih vendor startup eksternal jauh lebih tinggi dibanding pengembangan internal, dan perusahaan kini berada dalam situasi harus bergantung pada solusi dari startup
• Di dalam tim engineering perusahaan besar, terdapat banyak pihak yang skeptis terhadap AI, sehingga mereka tidak mampu membuat produk yang benar-benar berjalan, dan ini memberi peluang yang belum pernah ada sebelumnya bagi startup
• Pembangunan sistem AI-native dan hambatan masuk yang tinggi akibat biaya perpindahan menciptakan lingkungan yang menguntungkan bagi startup yang mampu membuat solusi yang benar-benar bekerja

---

Isi sebenarnya dari laporan riset MIT

• Interpretasi menyimpang yang disebarkan para influencer AI: di X dan YouTube, angka "95% kegagalan proyek AI" dijadikan bukti bahwa "AI itu penipuan"
• Padahal isi riset yang sebenarnya adalah analisis tentang cara perusahaan mengadopsi AI dan faktor keberhasilannya, serta penjelasan tentang bagaimana agen AI benar-benar bekerja dan pendekatan yang efektif
• Bahkan mahasiswa pun hanya membaca versi tweet lalu salah menyimpulkan bahwa "startup AI yang dibicarakan YC tidak benar-benar bekerja"

Penyebab struktural kegagalan adopsi AI di perusahaan

• Masalah kronis sistem IT internal: sebagian besar sistem IT internal perusahaan berkualitas rendah, dan bahkan ketika mereka mempekerjakan firma konsultan seperti Ernst & Young atau Deloitte, masalahnya justru menjadi dua kali lebih besar
• Bahkan Apple gagal dalam pengembangan software: Apple yang punya modal tak terbatas dan akses ke talenta terbaik pun masih mengalami bug harian di aplikasi kalendernya
  • Ini menunjukkan realitas bahwa perusahaan biasa atau departemen IT sulit membuat software yang bagus
• Konflik politik dalam organisasi: saat software canggih hendak di-deploy di perusahaan besar, banyak tim ikut terlibat sehingga muncul pertarungan politik dan perebutan wilayah kekuasaan
  • Konsultan harus menengahi tim data science, tim customer support, tim IT, dan lainnya sambil menulis dokumen kebutuhan
  • Namun para konsultan tidak memiliki keahlian teknis yang memadai untuk benar-benar membangun software
• Batasan sistem legacy: sistem internal perusahaan terlalu tua dan terkotak-kotak, sehingga dibutuhkan sekaligus keahlian konsultasi eksternal dan kemampuan membangun software
• Hasil akhirnya sering menjadi seperti unta yang didesain oleh komite, yaitu produk kompromi yang tidak praktis

Contoh startup yang berhasil

• Tactile (mesin pengambilan keputusan bisnis)

  • Pemrosesan KYC/AML bank secara real-time: memproses verifikasi kredit pemohon pinjaman dan validasi aturan bisnis hingga jutaan kasus per hari
  • Citibank dan JP Morgan mencoba membangunnya sendiri, tetapi membutuhkan 3–5 tahun dan puluhan juta dolar
  • Tactile menyediakan pengambilan keputusan real-time lewat REST API, bisa memasang plugin model AI terbaru, dan dibangun dengan sebagian kecil anggaran dalam waktu jauh lebih singkat

• Greenlight (sistem AI untuk perbankan)

  • Sebuah bank meminta vendor lama mereka, Ernst & Young, untuk membangun sistem AI
  • Ernst & Young mengembangkannya selama 1 tahun tetapi gagal total
  • Bank tersebut kemudian kembali menghubungi Greenlight, dan kini sistemnya sudah ter-deploy penuh dan berjalan

• Hasil riset: vendor eksternal vs pengembangan internal

  • Dari proyek yang diteliti, 2/3 dibangun sendiri atau bersama firma konsultan
  • Hanya 1/3 yang membeli produk vendor eksternal seperti Greenlight atau Tactile
  • Tingkat keberhasilan saat memilih vendor eksternal jauh lebih tinggi dibanding membangun sendiri

Mengapa startup berhasil

• Masalah kelangkaan polymath: sangat sedikit talenta yang sama-sama kuat di produk dan engineering
  • Engineer hebat fokus hanya pada coding dan tidak mampu berkomunikasi dengan pengguna domain seperti pegawai bank
  • Pakar domain tidak punya kemampuan coding, teknis, desain, atau peluncuran produk
• Contoh Windsurf: seorang pemimpin penjualan tanpa gelar engineering membuat alatnya sendiri dengan Windsurf
  • Di organisasi dengan IQ setara 150 hal seperti ini sudah terjadi, tetapi di sebagian besar organisasi masih belum mungkin
• Celah berbentuk startup: di setiap proses bisnis dan sistem, ada celah yang perlu diisi oleh startup
• Dibutuhkan kombinasi kemampuan yang langka: pemahaman AI terkini, naluri produk, dan pemahaman atas proses manusia

• Contoh Castle AI (server hipotek)

  • Upaya vendor legacy menambahkan AI: mereka mencoba menempelkan AI di atas sistem yang sudah berumur puluhan tahun untuk menghadapi persaingan
  • Bank harus melakukan kompetisi bake-off dengan vendor lama yang sudah mereka percaya
  • Dalam banyak kasus, solusi vendor hanya sebatas "menempelkan AI begitu saja" dan kualitasnya sangat buruk
  • Castle AI memenangkan kontrak bank besar berkat sensibilitas produk yang dibangun native sejak awal
  • Hasil sudah terlihat dalam waktu 1 tahun setelah deployment

• Contoh Reducto (pemrosesan dokumen)

  • Ditemukan langsung oleh perusahaan FAANG lewat YC Launch: memperoleh kontrak dengan perusahaan FAANG hanya 154 hari setelah batch
  • Perusahaan tersebut sudah bertahun-tahun mencoba membangun solusi internal
    • Mereka mencoba open source, AWS Tesseract, dan berbagai solusi OCR lain, tetapi gagal
  • Mereka memenangkan kontrak berkat keunggulan produk (product excellence)
  • Mereka juga harus bersaing dengan tim internal sambil menavigasi politik organisasi secara hati-hati
    • Tantangan ini juga disebut dalam laporan MIT
  • Kini sistem itu telah berjalan di lingkungan produksi selama lebih dari 1–2 tahun

Strategi untuk sukses

• Membina champion internal: cari orang dalam perusahaan yang ingin memberi kesempatan kepada anak muda cerdas
• Tipe champion internal yang ideal di perusahaan
  • Karyawan yang punya mimpi startup tetapi cenderung menghindari risiko: orang yang pada praktiknya tidak akan benar-benar mendirikan startup
  • Cenderung ingin merasakan kepuasan secara tidak langsung melalui startup yang menarik
  • Ingin merasa dirinya ikut dalam perjalanan startup dan berharap pendirinya sukses
  • Cari orang yang ingin memelihara mimpi startup dalam dirinya
• Sikap yang perlu diambil founder
  • Jangan mengikuti formalisme seperti memakai jas atau meniru homepage Microsoft
  • Yang penting adalah bersikap autentik sebagai startup
  • Penting untuk terlihat cerdas dan bijak, tetapi formalitas berlebihan tidak perlu

Niat perusahaan mengadopsi AI dan peluang bagi startup

• Pesan inti yang positif dari laporan MIT: permintaan perusahaan untuk mengadopsi AI sangat besar
• Dibanding masa mengelola TripleByte dulu, kini menjual agen AI ke perusahaan FAANG jauh lebih mudah
• Perusahaan lebih suka membeli solusi dari perusahaan software yang sudah ada atau startup tahap lanjut
  • Mereka lebih memilih penyedia yang punya lebih banyak dana dan terlihat lebih rendah risiko
• Masalah struktural mendasar: mereka pada dasarnya tidak mampu membuat produk
  • Tim engineering perusahaan besar terdiri dari orang-orang yang tidak percaya pada AI
  • Mereka tidak menggunakan alat pembuat kode
  • Jika ada yang bilang riset MIT dibesar-besarkan, mereka akan me-retweet dan menyukainya
  • Mereka terpaku pada narasi yang ingin mereka percayai
• Jika engineer tidak percaya, mustahil membangun produk yang bekerja
• Peluang yang belum pernah ada bagi startup: jika bisa membuat produk yang benar-benar bekerja, perusahaan mau tak mau akan berbicara dengan Anda
  • Mereka tidak bisa membangun sendiri, dan juga tidak bisa pergi ke perusahaan lama yang ada

Pesan untuk para skeptis AI

• Coba sendiri secara langsung

  • Jika Anda engineer, investasikan waktu dan gunakan AI di proyek nyata
  • Jangan menyerah hanya karena sekali mencoba lalu muncul error nama variabel
  • Bisa dimulai dari side project yang menyenangkan, bukan pekerjaan utama
  • Contoh "Vibe Coding Dad's Night": seorang pemilik rumah yang tidak teknis membuat sistem pengecekan pembayaran sewa penyewa
  • Ini adalah alat yang bisa membuat engineer 10x menjadi 100x, dan engineer 1x menjadi 10x
  • Tantangannya adalah mengatasi emosi dalam diri sendiri

• Contoh distorsi terhadap wawancara Andrej Karpathy

  • Tweet-nya berbunyi: "Karpathy bilang agen itu dibesar-besarkan"
  • Yang sebenarnya ia katakan: Anda tidak bisa hanya memberi prompt pada agen lalu berharap hasilnya sempurna; diperlukan data yang benar, konteks, evaluasi, dan kerja tooling
  • Makna sebenarnya: ini adalah peluang besar bagi startup dan software developer
    • Masih ada gunungan alat hebat yang perlu dibangun
  • AI adalah alat, dan kita harus membantunya bekerja lebih baik; jangan berharap ia bekerja seperti sihir

Membangun ulang sistem AI-native adalah peluang

• Semua sistem perlu ditulis ulang sepenuhnya agar AI-native
• Software harus ditulis ulang dari nol agar dapat bekerja bersama AI
• Ini memberi peluang tak terbatas bagi para founder
• "Begitu Anda menginvestasikan waktu untuk melatih sistem, biaya perpindahannya akan menjadi sangat tinggi hingga sulit ditanggung"
• Inilah moat-nya: jawaban yang jelas bagi orang-orang yang khawatir wrapper ChatGPT tidak punya moat

Kesimpulan: peluang bagi startup

• Salah tafsir para pesimis AI: angka kegagalan 95% dipelintir menjadi bukti bahwa AI tidak mungkin berhasil
• Pesan sebenarnya: implementasi AI memang sangat sulit, dan hanya 5% yang berhasil
• Namun tingkat penerimaan YC kurang dari 1%: founder 1% teratas itulah yang bisa menciptakan contoh implementasi sukses di kelompok 1% terbaik
• Faktor keberhasilan: kemampuan teknis unggul + kemampuan polymath + pemahaman terhadap orang lain
  • Memahami apa yang benar-benar diinginkan CIO fintech senilai 5 miliar dolar
• Keyakinan bahwa Anda bisa masuk 5% itu: jika Anda benar-benar hebat, itu sangat mungkin, dan ada banyak contohnya di YC