- Setelah mengunjungi langsung perusahaan AI-native di San Francisco dan mengamati cara kerja nyata mereka, terlihat bahwa model operasi yang secara fundamental berbeda dari startup konvensional sedang muncul, mulai dari lenyapnya peran product manager (PM) hingga percepatan kecepatan eksperimen di seluruh organisasi
- Dari 5 perusahaan yang dikunjungi, hanya 1 yang memiliki PM khusus, dan mereka sedang beralih ke struktur di mana engineer berbicara langsung dengan pelanggan dan memegang penuh keputusan produk
- Karena apa pun kini bisa diwujudkan hanya dalam sehari, godaan menjadi 'feature factory' muncul sebagai risiko strategis terbesar
- Tech stack mengerucut pada Slack, Claude Code, GitHub, Codex, dan Linear, dengan Slack berperan sebagai hub utama untuk orkestrasi agen
- Dengan runtuhnya biaya eksperimen, perusahaan mampu mencapai iterasi 3~5 kali lebih cepat, dan kesenjangan antara perusahaan yang telah menginternalisasi AI dan perusahaan yang masih membahas strateginya makin melebar setiap minggu
Hilangnya peran PM
- Dari 5 perusahaan yang dikunjungi dalam sehari, hanya 1 yang memiliki PM khusus, termasuk perusahaan dengan skala 40 orang
- Struktur yang muncul adalah engineer berbicara dengan pelanggan setiap hari dan memiliki langsung keputusan produk dari awal sampai akhir
- PM bukan sekadar "dibantu", tetapi perannya sendiri diserap ke dalam engineering dan design
Efek samping paling berbahaya: feature factory
- Karena permintaan pelanggan kini bisa diimplementasikan dalam sehari, godaan untuk membangun semuanya menjadi jauh lebih besar
- Sejumlah perusahaan menyebut ini sebagai risiko strategis terbesar mereka saat ini
- Perusahaan yang berhasil mengatasi masalah ini menerapkan batasan yang ketat
- Agen di salah satu perusahaan hanya bisa mengubah konfigurasi fitur yang sudah ada melalui JSON, dan sama sekali tidak bisa membuat kode aplikasi baru
- Perusahaan lain menggunakan metrik North Star per skuad untuk menyingkirkan ide sebelum dirilis
- Sejumlah perusahaan menekankan bahwa pendiri harus secara langsung menentukan area produk yang bersifat opinionated dan area yang fleksibel
- Ketika biaya eksekusi mendekati nol, taste menjadi moat, tetapi cara mewujudkannya secara organisasional masih belum diputuskan
Konvergensi tech stack
- Hampir semua perusahaan yang dikunjungi menggunakan core stack yang sama: Slack, Claude Code, GitHub, Codex untuk code review, dan Linear
- Linear bukan hanya bertahan di tengah krisis SaaS, tetapi juga sedang membangun roadmap menuju kemakmuran
- Slack muncul sebagai lapisan orkestrasi pusat bagi agen
- Reaksi emoji otomatis membuat tiket
- Bot menjalankan laporan diagnosis dan klasifikasi isu pelanggan
- Saat agen ditandai di thread, pekerjaan perbaikan langsung dimulai
- Enam bulan lalu, Cursor muncul di setiap percakapan, tetapi sekarang hanya disebut sesekali
- Engineer kini hidup di Claude Code, dan seorang peneliti yang sempat memakai Cursor dan Claude bersamaan akhirnya bertanya pada dirinya sendiri mengapa ia membutuhkan jendela kedua
- Fakta bahwa engineer nyaris tidak punya loyalitas atau keterikatan pada alat coding tertentu menjadi kekhawatiran bagi platform coding
- Tanpa melatih model dengan data yang dihasilkan engineer, sulit mempertahankan nilai jangka panjang; dalam hal ini Anthropic berada di posisi yang menguntungkan bersama kabar Mythos
Perluasan kapabilitas di seluruh organisasi
- Enterprise account manager telah berbulan-bulan meminta otomatisasi upload akun ke tim produk tetapi terus kalah prioritas → ketika meminta ke agen AI di Slack, masalah itu selesai dalam 1 jam
- Tim akuntansi secara langsung menulis query database dan memakai MCP untuk menganalisis data bisnis mereka
- Chief of Staff membuat direct mail dan materi pemasaran dalam waktu kurang dari 30 menit
- Perubahan yang paling diremehkan bukanlah apa yang AI lakukan untuk engineer, melainkan apa yang dilakukannya untuk semua orang selain engineer
Runtuhnya biaya eksperimen dan efek majemuk
- Seorang peneliti bereksperimen dengan menguji 10 desain antarmuka, menjalankan masing-masing selama sehari, lalu membuang 9 di antaranya
- Desainer membuat berbagai iterasi kompetitif di tab terpisah dalam waktu kurang dari 6 menit
- Growth PM tanpa pengalaman coding sama sekali membangun seluruh pipeline Meta Ads dalam dua hari (strategy brief, iklan video yang dihasilkan AI, dan publikasi otomatis ke Meta)
- Dengan AI, simulasi pelanggan dilakukan sebelum menyentuh pelanggan sungguhan
- Satu tim membuat agen AI yang memerankan berbagai persona pengguna untuk stress test produk tanpa umpan balik nyata
- Tim lain melakukan ratusan wawancara riset per minggu alih-alih 50 per kuartal
- Satu perusahaan membangun persona pelanggan yang mencakup seluruh riwayat negosiasi, preferensi komunikasi, dan pola pengambilan keputusan untuk dipakai menyiapkan sales call
- Perusahaan mencapai iterasi 3~5 kali lebih cepat, dan kecepatan ini muncul dalam dua bentuk
- Menyelesaikan satu eksperimen lebih cepat sehingga lebih banyak eksperimen bisa dijalankan dalam periode yang sama
- Menjalankan banyak eksperimen secara paralel pada saat bersamaan
- Tahap build dan learning dipadatkan di seluruh organisasi, sehingga pengetahuan terakumulasi secara majemuk
- Perubahan serupa dengan peralihan cara perang dari jet tempur ke kawanan drone kini juga terjadi dalam operasi perusahaan
Prospek ke depan
- Kunjungan ke lebih banyak perusahaan akan terus dilakukan, dan studi kasus mendalam akan dipublikasikan bersama contoh-contoh yang lebih konkret
- Polanya sudah jelas: kesenjangan antara perusahaan yang telah menginternalisasi cara kerja ini dan perusahaan yang masih membahas "strategi AI" sudah sangat besar, dan terus melebar setiap minggu
Belum ada komentar.