- Dalam survei 2026 WordPress VIP, konsumen AS merasa web kini kurang manusiawi dibanding sebelumnya, dan pesan merek berbasis AI juga belum menghasilkan contoh sukses yang benar-benar tepercaya
- Sebanyak 74% konsumen menjawab internet terasa kurang manusiawi dibanding 10 tahun lalu, dan rata-rata mereka mencapai bot fatigue hanya dalam 40 menit saat interaksi online mulai terasa sintetis
- Sebanyak 61% konsumen tidak bisa mengingat merek yang menggunakan AI dengan baik dalam pesan mereka, dan 60% menerima AI dalam pesan merek sebagai sesuatu yang mengganggu alih-alih fungsional
- AI brand visibility berarti seberapa sering sebuah merek muncul dalam jawaban mesin AI seperti ChatGPT, Perplexity, Claude, dan Gemini, dan ini adalah tantangan pengukuran yang berbeda dari peringkat pencarian
- Perusahaan harus menyediakan konten terstruktur yang bisa dikutip AI dan pengalaman yang membuat manusia ingin bertahan di situs yang sama, sementara ekosistem alat untuk mengukurnya masih dalam tahap pematangan
Mengapa web terasa kurang manusiawi
- Dalam survei WordPress VIP tahun 2026 terhadap 1.200 konsumen AS, 74% responden mengatakan internet terasa kurang manusiawi dibanding 10 tahun lalu
- Waktu rata-rata hingga muncul bot fatigue, saat interaksi online mulai terasa sintetis, adalah 40 menit
- Ketika momen-momen kecil yang dulu membuat web layak dikunjungi semakin berkurang, pengguna lebih cepat menyadari pengalaman yang terasa seperti mesin sedang berbicara
Apa bedanya AI brand visibility dengan visibilitas pencarian
- AI brand visibility berarti seberapa sering sebuah merek muncul di dalam jawaban yang dihasilkan mesin AI seperti ChatGPT, Perplexity, Claude, dan Gemini
- Visibilitas mesin pencari mengukur peringkat di halaman hasil, sedangkan AI brand visibility melihat apakah merek disebut di dalam jawaban AI
- Merek yang tampil di posisi teratas Google bisa saja sama sekali tidak muncul dalam jawaban ChatGPT
- Per 2026, belum ada dashboard tunggal yang melacak visibilitas merek di semua mesin AI secara menyeluruh
- Di kategori ini belum ada pemimpin mapan, dan belum ada standar bersama tentang apa yang dianggap “bagus”
Cara konsumen memandang penggunaan AI oleh merek
- Sebanyak 61% konsumen tidak bisa mengingat merek yang menggunakan AI dengan baik dalam pesan mereka
- Sebanyak 16% menjawab tidak ada satu pun merek yang menggunakan AI dengan baik
- Sebanyak 60% melihat AI dalam pesan merek bukan sebagai fungsi, melainkan sebagai sesuatu yang mengganggu
- Perusahaan telah mengalokasikan anggaran ke strategi AI selama setahun terakhir, tetapi dalam persepsi konsumen belum ada merek sukses yang benar-benar menonjol
- Tim perusahaan rata-rata menghabiskan 16,6 jam per minggu untuk meningkatkan AI visibility
Dua peran yang harus dijalankan situs web sekaligus
- Mesin AI membutuhkan konten yang bisa ditemukan dan dikutip dengan akurat, sementara manusia membutuhkan alasan untuk tetap tinggal setelah mengklik
- Unsur yang membuat manusia bertahan lebih sulit diwujudkan, dan banyak perusahaan besar masih berada di tahap memperkirakannya
- Merek yang menonjol berfokus pada pengalaman yang tidak bisa diberikan oleh ringkasan AI yang datar
-
Konten interaktif
- Pengalaman dinamis dan aktivitas kecil yang bisa dilakukan langsung oleh pengguna menjadi alasan untuk mengunjungi situs web
- Situs web adalah tempat yang menyediakan konten terstruktur yang bisa dikutip AI sekaligus pengalaman yang layak diberi waktu oleh pembaca
- WordPress VIP memperkenalkan fondasi ini melalui WordPress VIP for Enterprise
- Kerangka terkait dirangkum di Future-Proof Your Brand for the AI-Native Web
-
Kategori utama alat pengukuran AI brand visibility
- Kategori alat AI brand visibility baru ada sekitar 2 tahun, dan ekosistem alatnya masih dalam proses pematangan
- Harganya bervariasi dari gratis hingga angka enam digit, tergantung cakupan dan tingkat kustomisasi
- Produk tertentu bisa berubah dalam 12 bulan ke depan, tetapi kategori alatnya kemungkinan akan bertahan lebih lama
-
AI citation monitoring platforms
- Ini adalah kategori baru yang melacak seberapa sering merek muncul dalam jawaban ChatGPT, Perplexity, Claude, dan Gemini
- Alat ini mensimulasikan kueri dalam skala besar, lalu menampilkan frekuensi sitasi dan sentimen dari waktu ke waktu
- Contoh alatnya adalah Profound, BrightEdge, brandvisibility.ai, Tryevergreen, serta para pesaing kecil yang muncul pada akhir 2025
- Cocok untuk tim yang perlu menghubungkan AI visibility dengan hasil bisnis
- Hal yang perlu diperhatikan
- Model harga masih belum benar-benar mapan
- Untuk membangun baseline yang bermakna biasanya dibutuhkan pengumpulan data selama 4–6 minggu
- Simulasi kueri berbasis sampel memiliki celah
- Alat yang menjanjikan “cakupan penuh” atas semua jawaban AI melebih-lebihkan metodologinya
-
Search analytics with AI overlays
- Ini adalah kategori ketika platform SEO yang sudah ada mulai diperluas dengan pelacakan AI sejak 2024
- Menampilkan data sitasi AI di atas metrik pencarian tradisional
- Contoh alatnya adalah Similarweb AI Intelligence, Semrush AI Toolkit, dan Ahrefs Brand Radar
- Cocok untuk tim yang ingin melihat data AI visibility sambil mempertahankan workflow SEO yang ada
- Nilai utamanya adalah pelaporan terintegrasi yang memungkinkan trafik pencarian organik dan trafik AI dilihat pada layar yang sama
- Hal yang perlu diperhatikan
- Cakupan AI umumnya lebih sempit dibanding platform sitasi AI khusus
- Karena alat ini dibuat untuk pencarian, sisi AI-nya masih dalam tahap mengejar
- Angka AI dari sini sebaiknya diperlakukan sebagai indikator arah
-
Web analytics with AI referral tracking
- Ini adalah kategori analitik web yang mendeteksi dan mengklasifikasikan trafik yang datang dari mesin AI
- Jika alat citation monitoring memberi tahu apakah merek disebut, kategori ini menunjukkan apa yang terjadi setelah penyebutan itu
- Contoh alatnya adalah Parse.ly dalam rangkaian produk WordPress VIP, Plausible, Fathom Analytics, serta platform analitik enterprise seperti Google Analytics 4 dengan segmen kustom
- Sitasi AI berada di bagian atas funnel, dan kategori ini mengukur sitasi tersebut berubah menjadi apa
- Hal yang perlu diperhatikan
- Deteksi AI referrer berbeda di tiap platform
- Beberapa mesin AI mengirimkan referrer header yang bersih, sementara yang lain bergantung pada penandaan UTM
- Untuk mendapatkan data yang bersih, tim konten dan tim analitik perlu berkoordinasi
-
Brand intelligence platforms
- Ini adalah kategori pemantauan merek yang menambahkan pelacakan permukaan AI ke social listening dan pemantauan PR yang sudah ada
- Mesin AI diperlakukan sebagai satu sumber input bersama penyebutan di media sosial dan media tradisional
- Contoh alatnya adalah Brandwatch, Talkwalker, dan Meltwater
- Cocok untuk tim komunikasi dan PR yang sudah memakai platform ini untuk pemantauan krisis dan pelacakan share-of-voice
- Hal yang perlu diperhatikan
- Cakupan AI cenderung lebih ringan daripada alat sitasi AI khusus
- Berguna untuk gambaran umum, tetapi kurang cocok untuk analisis sitasi yang rinci
-
Custom solutions
- Perusahaan dengan kemampuan engineering dapat mengirim kueri berkala ke mesin AI melalui LLM API, lalu menampilkan hasilnya di dashboard internal
- Pekerjaan Pew Research Center dan WordPress VIP adalah contoh pendekatan ini
- Cocok untuk enterprise yang ingin mendefinisikan kuerinya sendiri dan mengontrol datanya secara langsung
- Sangat sesuai ketika strategi AI visibility merek bergantung pada kueri niche dan spesifik industri yang tidak ditangani dengan baik oleh alat siap pakai
- Hal yang perlu diperhatikan
- Ada beban pemeliharaan
- Akses LLM API sudah lebih stabil, tetapi harga dan rate limit sering berubah
- Menjaga dashboard internal tetap mutakhir membutuhkan investasi engineering yang berkelanjutan
Kriteria saat memilih alat
- Jika ingin tahu “apakah kami sedang dikutip?”, gunakan AI citation monitoring platform
- Jika ingin melihat “apakah kami dikutip dibanding kinerja pencarian kami?”, pilih search analytics dengan AI overlay
- Jika ingin tahu “apa yang terjadi setelah dikutip?”, gunakan web analytics dengan AI referral tracking
- Jika ingin melihat “di mana posisi AI dalam sentimen merek yang lebih luas?”, diperlukan brand intelligence platform
- Jika perlu melacak hal yang tidak dijawab kategori di atas, bangun custom solution
- Sebagian besar enterprise menggunakan dua kategori sekaligus
- Kombinasi paling umum adalah memakai alat AI citation monitoring untuk memeriksa apakah merek terekspos, lalu memakai alat web analytics untuk mengukur nilai dari visibility tersebut
- Merek yang lebih dulu membangun kombinasi ini akan lebih dekat ke posisi di mana mereka tidak perlu lagi memperdebatkan anggaran AI visibility pada rapat anggaran 2027
4 komentar
Saya tidak yakin apakah merek yang sangat menonjolkan AI benar-benar juga merupakan merek yang baik dari sudut pandang konsumen.
Saat merencanakan perjalanan ke Islandia, saya meminta LLM merekomendasikan operator tur gua es, tetapi ternyata operator itu hanya yang paling mudah muncul di pencarian internet karena pernah menyebabkan kecelakaan fatal beberapa tahun lalu.
LLM mengabaikan konteks yang seharusnya penting bagi manusia hanya karena hal itu tidak disebutkan dalam prompt, lalu sekadar memilih operator yang paling terlihat dalam konteks hasil pencarian dan memperkenalkan kepada saya dengan menggabungkan hanya keunggulan yang mereka tonjolkan.
Pada akhirnya, produk seharusnya dinilai dari kualitasnya, tetapi terlalu banyak produk yang mengedepankan AI justru menutupi kualitas rendah mereka dengan kata kunci AI.
Sejarah berulang.
https://m.imaeil.com/page/view/2026032416585900788
Komentar Hacker News
Pernyataan bahwa “pelanggan atau pengguna tidak bangun pagi dan berpikir, ‘hari ini saya ingin berbicara dengan chatbot atau agen AI’” benar sekali
Saya yang mendorong penerapan agen dukungan pelanggan AI, dan eksekutif menganggapnya sukses besar, tetapi metrik menunjukkan cerita yang sama sekali berbeda. Pelanggan benar-benar membencinya, dan saya belum pernah melihat sesuatu di bidang teknologi yang lebih dibenci dari ini
Supaya tidak dikira kami hanya membuatnya dengan buruk, kami memakai vendor kelas terbaik di industri, melakukan pengujian internal yang ketat, dan menyempurnakan latensinya. Saya pikir versi akhirnya sudah cukup bagus, tetapi pelanggan tetap saja membencinya
Saya hanya ingin meninggalkan pesan sesuai kebutuhan, ditranskripsikan ke teks, lalu ditangani manusia, tetapi saya sama sekali tidak ingin menjelaskan perlahan-lahan kepada bot yang pada akhirnya akan melakukan hal yang sama
Lebih parah lagi, pada beberapa kalimat pertama bot itu bahkan tidak mengaku sebagai bot. Cukup meyakinkan sampai kita tertipu, lalu kekecewaan saat sadar bahwa ternyata kita sedang berbicara dengan robot medioker jadi sangat besar, dan sekarang perasaan itu sudah melekat pada merek dokter gigi tersebut
Jangan dibuat berpura-pura jadi manusia
AI ini sama sekali tidak dilatih untuk mengantisipasi situasi bahwa masalahnya mungkin kesalahan dealer, dan terus mengarahkan saya untuk memesan lewat situs web atau membuat janji baru dengan biaya saya sendiri
Dealer menyerahkan urusan ini ke AI, lalu menyetel AI itu hanya untuk membuat janji alih-alih menyelesaikan masalah, pada dasarnya seperti memberi saya perlakuan yang menyebalkan. Itu cara yang tidak sopan untuk melempar lebih banyak pekerjaan ke saya dan membuang waktu saya. Saat akhirnya tersambung ke manusia, saya sudah marah dan tidak percaya
Saya tidak akan menyebutnya revolusioner, tetapi itu menutup celah dalam antarmuka, dan model-model saat ini dilatih agar berguna, jujur, dan mengikuti instruksi pengguna. Dibanding pola lama, ini jauh lebih nyaman
Mungkin Anda mengira berbicara dengan manusia lebih baik daripada chatbot, tetapi kenyataan menyedihkannya adalah staf dukungan pelanggan sering bertindak lebih seperti bot daripada LLM. Tergantung kasusnya, tetapi sebagian besar waktu saya justru lebih memilih berbicara dengan LLM
Bisa jadi saya salah, tetapi di banyak produk AI terasa lebih seperti sinyal yang dikirim ke venture capital dan kalangan industri teknologi internal daripada sesuatu yang memberi nilai bagi konsumen
Konsumen ingin tahu “produk ini benar-benar bisa melakukan apa untuk saya,” bukan terlalu peduli apakah itu dibangun dengan kata kunci yang sedang ngetren hari ini
Pesan yang didengar banyak orang lebih mendekati “dibuat dengan teknologi yang menjiplak, membuat seniman kehilangan pekerjaan, sebentar lagi juga akan membuat Anda kehilangan pekerjaan, dan membuat hasil jadi hambar dan generik”
Kurang lebih seperti mempromosikan sesuatu dengan mengatakan “dibuat dengan pekerja anak”
Konsumen tidak peduli pengembang memakai kode apa atau dideploy di platform cloud mana, jadi kenapa mereka harus peduli ada AI di dalam produk. AI bukan fitur, yang merupakan fitur adalah fungsinya. Beri tahu saya apa fungsi itu
Setelah itu kami mengganti namanya menjadi Advanced Search dan membiarkan ikon berkilau dan semacamnya tetap sama, praktis hanya mengganti semua “AI” menjadi “Advanced”
Umpan balik negatif berhenti, dan keesokan harinya seseorang menulis bahwa itu fitur yang luar biasa
Branding memang aneh, dan lingkungan media modern juga aneh. Saya tidak sedang mencoba bilang apakah membenci AI itu benar atau salah, tetapi bagi sebagian orang kata itu menyalakan alarm “orang-orang ini datang untuk mengambil pekerjaan saya” bahkan dalam konteks yang sama sekali tidak ada hubungannya dengan pekerjaan mereka. Dalam jajak pendapat juga, di antara kekhawatiran terkait AI, keamanan kerja jauh paling dominan
“That’s so AI” sudah menjadi slang sungguhan, dan itu bukan berarti “wah keren dan otomatis!”
Itu tidak benar-benar menyelesaikan apa pun dan terasa seperti sekadar kotak centang di tabel fitur. Seolah cukup tempel satu chatbot lalu selesai
Ketika Square baru-baru ini merilis “managerbot”, saya sempat berpikir “oh, lumayan juga” karena saya memang menginginkan hal seperti itu. Tetapi ketika saya menanyakan beberapa hal tentang data di sistem, sebagian besar tidak bisa dijawab, dan lagi pula sangat lambat. Menarik laporan sendiri dan mencari informasinya langsung lebih cepat daripada memakai bot
Bukan cuma Square, Salesforce, Microsoft, Google, dan lainnya juga sama saja
Secara pribadi saya suka memakai alat AI, tetapi saya juga merasakan kelelahan pemasaran. Pengembang memasukkan AI ke mana-mana, gagal membuatnya dengan baik, lalu tetap mempromosikannya seolah itu fitur inti
Mungkin ini siklus yang alami. Sekarang rasanya kita berada di titik peralihan dari puncak hype menuju kekecewaan
Inilah tepatnya masalah dari sampah “AI” yang dipaksakan masuk ke perangkat belakangan ini.
Kita sudah memakai fitur machine learning selama bertahun-tahun dan memang ada manfaat nyatanya, tetapi kebanyakan orang tidak tahu atau tidak peduli bagaimana cara kerjanya. Fitur itu cuma menjalankan tugasnya di belakang layar, tanpa menjejalkan teknologi dasarnya ke depan wajah pengguna.
Namun AI justru kebalikannya. Teknologinya yang ditonjolkan lebih dulu, manfaatnya belakangan. Malah sering membuat UI jadi lebih buruk, sementara manfaatnya minim atau bahkan tidak ada sama sekali.
Bagi sebagian besar konsumen, yang lebih penting bukan bagaimana teknologinya bekerja, melainkan apakah ia bekerja dengan baik dan memberi manfaat
AI sering dipakai oleh orang yang tidak mau meluangkan waktu maupun usaha, dan pada akhirnya itulah intinya.
Coba tanya pada diri sendiri. Apakah Anda ingin menerima kartu Natal atau ulang tahun dengan pesan yang dipersonalisasi, atau menerima sesuatu yang dibuat 100% oleh bot AI? Apalagi kalau isinya bahkan mengandung halusinasi.
Perubahan sebenarnya di sini adalah upaya membuat antarmuka “satu input untuk semuanya”, tetapi mereka tidak paham bahwa dalam praktiknya itu sangat jarang menjadi pilihan terbaik bagi pengguna
Contoh yang selalu saya pakai adalah pengenalan suara Google Maps. Dulu kalau saya bertanya, “Hey Google, berapa ETA-ku?” ia dengan ajaib menjawab berapa lama lagi sampai tujuan. Lalu pada suatu titik itu rusak, dan sudah bertahun-tahun tidak berfungsi. Terakhir kali saya coba, ponsel malah membuka browser web dan melakukan pencarian web.
Saat Gemini dipaksakan masuk, hal pertama yang saya lakukan adalah mencari cara mematikannya. Soalnya itu menimpa suara lama yang sebelumnya saya pilih untuk membacakan jadwal kalender saya di pagi hari. Padahal awalnya memang mulai membacakan dengan normal, lalu suara Gemini yang bodoh itu menyela dan sama sekali tidak membantu.
Semua ini hanyalah enshitification
Sebuah fitur seharusnya berbicara sendiri. Kalau fiturnya memang bagus, tidak perlu memasarkan teknologi dasarnya.
Misalnya, tidak ada yang peduli bahwa pengaturan disimpan dalam basis data SQLite. Orang memang tidak peduli bagaimana persisnya itu disimpan.
Ketika seorang teman menunjukkan ponsel barunya dan takjub karena bisa memperbesar gambar bulan sampai batu-batu kecilnya terlihat, fakta bahwa itu memakai AI sama sekali tidak penting. Dia hanya sedang memakai kameranya.
Sekalipun sebuah fitur dibuat dengan AI, yang harus ditampilkan di kemasannya bukan label AI, melainkan apa yang sebenarnya dilakukannya dan seberapa baik hasilnya. Mengatakan bahwa ia memakai AI itu tidak berarti. Sekeras apa pun kelas pemangsa menginginkannya, “fetch” tidak akan pernah jadi tren
Bagi kebanyakan konsumen, AI tampaknya akan menjadi kerugian bersih.
Kita sudah bisa melihat makin banyak perusahaan memakai AI dalam call center dan alur dukungan, dan sering kali itu dipakai untuk menghalangi pelanggan. Jawabannya sangat sopan dan rinci, tetapi tidak punya wewenang mengambil keputusan, jadi tidak bisa menyelesaikan masalah.
Saya tidak antusias dengan dunia baru ini. AI memang alat yang kuat dan berguna bagi kreator, tetapi sekarang sudah dipakai untuk alasan yang salah, dan tampaknya bahkan dipakai untuk memilih target yang akan dihancurkan dalam perang. Di beberapa bidang, ia sampai membuat keputusan hidup-mati dengan pengawasan yang nyaris tidak ada. Namun tetap saja ada orang yang menganggap segala bentuk regulasi atas teknologi ini tidak berguna dan tidak adil.
Jangan salah paham. Saya juga selalu memakai AI, tetapi saya takut ini bisa menjadi perubahan paling destruktif, baik dalam sisi positif maupun negatif, dibanding perkembangan teknologi mana pun yang pernah kita alami.
Saat kita memakai AI secara langsung lewat alat seperti chatbot, biasanya itu pilihan aktif dari kita dan kita juga masih punya tingkat kendali tertentu. Kalau tidak berjalan baik, kita bisa berhenti kapan saja dan mengerjakannya sendiri.
Tetapi ketika AI ditanamkan ke call center atau produk, sering kali pengguna tidak diberi pilihan. Mereka dipaksa tanpa alternatif lain, atau setidaknya harus terus menyesuaikan diri sampai LLM itu menyerah.
Karena pengguna tidak bisa keluar dari loop LLM saat mereka menginginkannya, itu jadi memusuhi pengguna.
Selain itu, kebanyakan perusahaan memaksa penggunaan fitur terkait AI demi memenuhi KPI seseorang atau metrik internal
Kalau skenarionya dimediasi oleh LLM, kenapa manusia harus menelepon? Biarkan saja LLM Anda berbicara dengan LLM mereka.
Apakah Anda merindukan call center karena berharap penghalangnya adalah manusia bergaji minimum? Call center itu tempat yang menyedihkan, dan saya tidak tahu kepuasan apa yang didapat dari ingin terus melibatkan manusia dalam bisnis distopia seperti itu
Dalam banyak kasus, tugasnya hanya mengumpulkan informasi formulir dasar, dan itu memakan cukup banyak jam kerja manusia.
Kalau Anda ingin lebih banyak manusia di dukungan pelanggan, Anda harus membayar jauh lebih mahal dengan cara apa pun
Seperti teknologi lain, penyebarannya tentu butuh waktu, tetapi prospek untuk call center tampaknya tidak bagus
AI memberi kesan “cepat dan murah dengan mengorbankan kualitas”, jadi saya sepenuhnya paham kenapa konsumen membencinya dan orang-orang bisnis menyukainya
Jika Anda harus berteriak dan memohon kepada konsumen agar memakai produk AI, berarti Anda memang sedang melakukannya dengan salah
Saat melihat suatu produk, saya ingin mencari kata kunci “battery life” di ulasan untuk melihat pengalaman nyata orang-orang, tetapi sekarang itu tidak bisa lagi
Jika mencari “battery life” di Rufus, yang keluar selalu omong kosong seperti “banyak pelanggan melaporkan daya tahan baterai yang baik, tetapi pelanggan lain mengatakan lebih pendek dari yang diharapkan”
Yang saya inginkan adalah pengalaman manusia. Saya butuh hal yang spesifik. Kenapa semuanya harus dipilah menjadi “baik atau buruk”?
Bahkan jika AI menambah nilai, nilai itu tampaknya ditangkap oleh seseorang alih-alih kembali ke konsumen
Mereka suka saat Siri membantu, tetapi tidak suka saat Siri mengganggu
Ini teka-teki yang benar-benar sulit. Sebenarnya kenapa konsumen bereaksi seperti ini?
Jangan-jangan karena “AI” sering berarti “kami akan memecat karyawan agar bisa menghasilkan lebih banyak uang. Dan kami sebenarnya tidak peduli pada kualitas”?
“Mengapa begitu? Bagaimana bisa begitu? Jawabannya adalah karena pelanggan tidak membentuk opini tentang kualitas lewat pemasaran. Pelanggan menilai kualitas dari pengalaman mereka sendiri terhadap produk atau layanan.”
— Steve Jobs
Sumber: https://youtu.be/XbkMcvnNq3g?si=8Y56TFmKHJhlFXoE&t=364
Saya belum pernah melihat contoh ketika AI berhasil diadopsi ke sebuah merek dan benar-benar menguntungkan saya
QuickBooks menampilkan saran menjengkelkan yang mendorong seluruh UI dan tidak bisa dimatikan. Sekarang ada nol klik
AI pada robot vacuum tampaknya cuma label belaka. Saya tidak ingin berbicara dengan penyedot debu saya. Saya ingin alat itu membersihkan barang-barang saya secara dapat diprediksi
TV sudah di-upgrade dengan Gemini. Saya tidak tahu kenapa. Saya juga tidak berbicara dengan TV, tetapi itu terus disodorkan ke depan mata. Saya jadi berpikir untuk membeli perangkat yang bisa streaming Plex->Atmos
Bayangkan saja ledakan dot-com. Hanya saja ini lebih mirip situasi ketika sebagian besar konsumen punya sentimen negatif terhadap hal-hal terkait internet, sementara para CEO hanya saling pamer soal internet
Pasti ada produk AI yang bagus, tetapi mayoritas yang luar biasa besar terlihat seperti sampah
Pengecualiannya kira-kira hanya agen coding dan antarmuka web teks/gambar yang sederhana
Karena itu, branding AI sebagai sinyal termasuk yang paling buruk. Setara kripto. Tetapi seperti kripto juga, para investor ingin melihat sinyal itu terlepas dari realitas yang mendasarinya
Banyak hal yang saat ini dilakukan LLM dengan baik tampaknya pada akhirnya bermuara pada terjemahan
Sebuah prompt diterjemahkan menjadi daftar tugas individual, lalu setiap tugas ditangani lagi lewat terjemahan baru, misalnya mengubah tugas menjadi kode atau memanggil alat eksternal. Hal-hal seperti pencarian internet, analisis kode statis, dan permintaan basis data
Hasil dari tugas-tugas itu lalu diterjemahkan menjadi teks akhir, atau diterjemahkan lagi menjadi daftar tugas baru
Jadi yang terasa menarik bagi saya adalah, mungkin saja kecerdasan Homo sapiens juga berkembang sebagai efek samping dari komunikasi, yaitu proses menerjemahkan kata-kata menjadi tindakan