- Kecepatan pengembangan agen AI belum memenuhi harapan, dan dalam setidaknya 4 bulan terakhir lintasan pengembangannya belum melaju lebih cepat seperti yang diperkirakan
- Perombakan organisasi besar-besaran yang diperkenalkan awal tahun ini tidak cukup "rapi", dan manajemen salah menilai waktu perubahan
- Pada Mei, sekitar 10% dari total tenaga kerja dipangkas dan sekitar 7.000 orang dipindahkan ke tim yang berfokus pada AI, memicu penolakan karyawan dan kekhawatiran soal moral kerja
- Taruhan pada struktur organisasi baru masih belum membuahkan hasil, dengan harapan dampak yang lebih besar dalam 3~6 bulan ke depan
- Di tengah rencana investasi infrastruktur AI hingga 145 miliar dolar AS tahun ini, pembahasan juga berlangsung terkait peninjauan perangkat lunak pelacakan mouse dan penerapan kembali skema opt-in
Keterlambatan pengembangan agen AI
- Dalam town hall internal, ia mengakui ada cacat dalam restrukturisasi besar perusahaan dan menyebut sistem agen AI belum berkembang secepat yang diharapkan
- Agen AI berarti sistem otomatisasi yang menjalankan tugas atas nama pengguna
- Setidaknya selama 4 bulan terakhir, lintasan pengembangan agentic tidak mengalami percepatan seperti yang diharapkan, dan taruhan pada struktur baru masih belum membuahkan hasil
- Saat rencana restrukturisasi disusun pada Januari~Februari, dalam percakapan dengan "talenta terbaik" muncul kekhawatiran bahwa kecepatan adaptasi terhadap perubahan tidak akan cukup cepat
- Pada saat itu, manajemen sangat optimistis terhadap alat seperti Claude Code milik startup AI Anthropic
Restrukturisasi dan perombakan organisasi
- Perombakan organisasi yang mencakup pengurangan tenaga kerja besar-besaran tidak se"rapi(clean)" yang dimungkinkan, dan manajemen salah menilai waktu perubahan
- Sedang dilakukan upaya untuk melonggarkan sebagian perubahan organisasi yang diperkenalkan awal tahun ini tanpa mengubah arah dasarnya
- Pada Mei, sekitar 10% tenaga kerja global dipangkas dan sekitar 7.000 orang dipindahkan ke tim yang berfokus pada AI, memicu penolakan karyawan serta kekhawatiran akan turunnya moral
- Perubahan ini merupakan bagian dari restrukturisasi luas untuk membiayai investasi infrastruktur AI dan meningkatkan efisiensi pekerjaan yang didukung AI
- Pada Mei, karyawan diberi tahu bahwa tidak akan ada pengurangan tenaga kerja tambahan secara perusahaan tahun ini, tetapi sebagian karyawan merespons dengan skeptis
Skala investasi AI dan prospeknya
- Diperkirakan akan menghabiskan hingga 145 miliar dolar AS untuk infrastruktur AI tahun ini, yang mencakup porsi besar dari total belanja Big Tech yang melebihi 700 miliar dolar AS
- Diharapkan mulai merasakan dampak yang lebih besar dari investasi AI dalam 3~6 bulan ke depan
- Juru bicara Meta menolak berkomentar pada hari itu
Peninjauan perangkat lunak pelacakan mouse
- CTO Andrew Bosworth menyatakan dari hasil peninjauan atas insiden keamanan data baru-baru ini bahwa data karyawan tidak dimasukkan ke dalam pelatihan AI
- Bulan lalu, Meta menghentikan sementara program yang melacak pergerakan mouse dan aktivitas digital karyawan untuk digunakan dalam pelatihan AI, guna menyelidiki paparan data sensitif
- Jika program diaktifkan kembali setelah peninjauan selesai, program itu akan dijalankan dengan skema "opt-in"
- Ia menjelaskan kepada karyawan, "Mereka yang merasa nyaman dapat berkontribusi pada investigasi manusia yang hebat ini, dan bagi yang tidak, itu juga tidak masalah"
- Ini berbeda dengan saat program pertama kali dipasang pada komputer karyawan di AS pada April, ketika diberi tahu bahwa tidak ada cara untuk opt-out
1 komentar
Opini Hacker News
Pada sekitar waktu yang sama tahun lalu, saya khawatir bahwa tahun ini perusahaan-perusahaan akan memangkas tim engineering hingga hanya menyisakan segelintir orang, sementara sebagian besar pekerjaan ditangani oleh agen otonom yang diarahkan manusia, tetapi hal itu tidak terjadi
Sekarang saya menulis semua kode bersama agen, tetapi sama sekali mustahil untuk sekadar melemparkan hasil yang diinginkan lalu menyerahkannya tanpa pengawasan
Memang bisa menghasilkan lebih banyak kode daripada sebelumnya, tetapi untuk membuat kode yang stabil dan bagus sesuai keinginan product manager dan desainer, kenaikannya sekitar 2–3 kali saja, dan kode yang harus direview juga bertambah 2–3 kali lipat sehingga peningkatan produktivitasnya terimbangi
Jumlah baris kode bukan aset, melainkan liabilitas, dan selama tidak merusak fitur yang merupakan aset sebenarnya, jumlahnya harus sesedikit mungkin
Sebagian besar software engineering adalah membuat jumlah kode yang tepat pada waktu yang tepat
Dalam praktiknya, baru antara November dan Februari hal-hal mulai berjalan cukup baik tanpa perlu banyak perombakan, dan sampai sekarang organisasi tampaknya masih belajar cara memaksimalkan model dan alat yang ada saat ini
Sebagian developer cepat menangkap caranya, memimpin tim dengan baik, dan membangun budaya yang bagus, tetapi banyak developer kesulitan saat berpindah dari IC menjadi manajer jika tidak mendapat dukungan tentang apa yang berubah
Ketika tim atau sekumpulan agen tidak berjalan baik, masalahnya sering bukan pada anggotanya, melainkan manajer baru yang memegang semuanya dan melakukan micromanaging, atau sebaliknya benar-benar membiarkannya lalu baru muncul saat check-in dan merusak hasilnya
Tanpa bukti, saya merasa jika developer diberi semacam pelatihan manajemen, mereka akan jauh lebih baik dalam memanfaatkan sekumpulan agen
Ini gaya coding C# yang relatif sederhana, tetapi menyampaikan kesederhanaan itu ternyata lebih sulit daripada dugaan
Saat agen membuat kode, butuh waktu lama untuk memastikan apakah itu benar, dan jika tidak dicek, ketika mendapat pertanyaan dalam review rekan kerja akan kelihatan bahwa saya tidak benar-benar memahaminya, dan itu memalukan
Rasanya seperti dunia mengatakan bahwa kita bisa terbang kalau mengepakkan tangan, tetapi ketika dicoba sendiri, yang terjadi hanya membakar energi di tempat
Hal-hal yang secara eksplisit diminta sebagai bagian dari desain begitu saja disingkirkan
Para vibe coder sejati bilang cukup tulis prompt dengan hati-hati, tetapi itu sama sekali tidak benar dalam situasi ketika prompt yang ditulis hati-hati tetap diabaikan
Bahkan jika di AGENTS.md global saya tulis “jangan membatalkan keputusan saya tanpa bertanya”, tetap saja tidak dipatuhi
Tulisan ini lebih mirip versi TechCrunch yang ditulis ulang lebih tipis dari artikel Reuters https://finance.yahoo.com/technology/ai/articles/exclusive-z...
Kutipan persisnya tampaknya berbunyi, “selama setidaknya empat bulan terakhir, lintasan pengembangan berbasis agen tidak benar-benar berakselerasi seperti yang kami perkirakan, dan taruhan perusahaan pada struktur baru itu belum membuahkan hasil”
Sulit menebak secara tepat apa yang dimaksud Zuckerberg dengan lintasan pengembangan berbasis agen di sini, tetapi kemungkinan besar maksudnya adalah penggunaan tool dan kemampuan tugas panjang model internal Meta belum meningkat cukup untuk menjalankan lingkungan eksekusi agen seperti Codex atau Claude Code pada level model terbaik OpenAI dan Anthropic
Lebih jauh lagi, memindahkan banyak karyawan ke pelabelan data AI kemungkinan juga merupakan bagian dari tujuan itu
Pada level tinggi, agen-agen seperti ini tidak mampu menangani bahkan masalah berukuran menengah seperti manusia yang rasional
Menambahkan memori hanya menambah konteks yang terhalusinasi, dan kegagalan tugas berubah menjadi bentuk yang lebih sulit disadari
Besar kemungkinan ia sedang merasionalisasi biaya absolut dan return on investment yang bisa didefinisikan
Kesenjangan antara chatbot yang berguna dan agen yang berguna jauh lebih besar daripada yang dipikirkan orang
Chatbot tetap membantu meski salah 10%, tetapi jika agen salah 10%, ia akan mengirim email yang keliru dan melakukan panggilan API yang salah tanpa ada yang memeriksanya
Agen coding bisa membuat asumsi tertentu, mengujinya, menemukan bahwa asumsi itu salah, lalu pulih
Namun di luar cakupan yang mudah diuji, ketika diberi pekerjaan nyata alih-alih sekadar menulis patch, masalahnya adalah ia membayangkan hal yang tidak benar sebagai fakta
Untuk penggunaan tanpa pengawasan, tampaknya paling banter kegunaannya terbatas, dan paling buruk bisa menjadi bencana
Saat ini, bidang yang paling cocok adalah pekerjaan yang dapat diverifikasi dengan akurasi yang masuk akal
Pernyataan bahwa “dalam 3–6 bulan ke depan kita akan mulai melihat keuntungan yang lebih bermakna dari investasi AI” terdengar seperti berhalusinasi ala AI, dan tampak seperti keadaan yang tidak bisa menerima fakta di lapangan
Meta sudah kehilangan arah selama sekitar 5 tahun terakhir dalam metaverse, VR, kacamata, dan AI, dan perlu duduk tenang lalu memikirkan apa sebenarnya produk intinya
Sayangnya, selain produk hasil akuisisi seperti WhatsApp dan Instagram, tidak ada inti yang jelas
Ia mencoba menghancurkan hidup penulis Careless People karena mengungkap kejahatan terhadap masyarakat, sementara para karyawan terus membocorkan pengumuman internal
Karena ada bug pengganda uang tak terbatas bernama iklan, mereka bisa membuang puluhan miliar dolar untuk mengejar mimpi-mimpi lain yang mengawang-awang
Bahkan jika semua mimpi itu berakhir menjadi bukan apa-apa, Meta tidak terlalu terdampak
Munculnya agen mirip seperti dari berjalan kaki lalu mendapatkan sepeda
Para eksekutif melihat ini dan berpikir, “dengan kecepatan seperti ini, dalam beberapa tahun akan ada mobil otonom,” lalu menyusun rencana serius untuk dunia itu
Secara realistis, sepertinya kita akan mengendarai sepeda untuk waktu yang lama, dan situasi ketika produktivitas kontributor individu meningkat membuat engineer menjadi lebih bernilai dan berguna, bukan beban anggaran
Karena itu, mengurangi jumlah orang tepat ketika potensi engineer untuk menjadi jauh lebih produktif sedang membesar adalah keputusan yang bodoh
Ini adalah pengakuan bahwa mereka tidak tahu cara mengelola orang secara efektif, dan bagi pihak yang dibayar sangat besar untuk kemampuan manajemen, itu cukup memalukan
Itu pun kemungkinan besar rodanya berbentuk segi enam
Demi memberi masyarakat waktu untuk beradaptasi, saya berharap begitu, tetapi kenyataannya kita sama sekali tidak tahu
Menurut saya yang diremehkan semua orang adalah skala gila-gilaan dari sumber daya komputasi yang dibutuhkan, dan bagaimana sumber daya komputasi itu harus diskalakan untuk mengikuti model yang lebih besar
Ini lebih mirip versi AI dari “sembilan perempuan pun tidak bisa melahirkan bayi dalam satu bulan”
Tambahan sumber daya komputasi tidak akan secara ajaib menciptakan kecerdasan buatan umum
Kecepatan yang dibicarakan industri tidak realistis; misalnya orang kecewa dengan laju perkembangan Apple Intelligence, tetapi sebenarnya itu berjalan kira-kira secepat yang diperkirakan
Masalah sebenarnya adalah AI tidak menghasilkan efektivitas atau penggunaan sebesar yang diharapkan sampai mereka harus melakukan itu, dan Zuck mungkin tampak menang, tetapi menjadi pemenang yang terasa tidak enak
Namun karena sangat sulit memprediksi kapan terobosan itu akan datang, kita harus membuat rencana dengan asumsi terburuk sambil bersiap agar bisa memanfaatkan peluang ketika muncul
Jika AI adalah lompatan besar dalam produktivitas, bukankah perusahaan seharusnya mempekerjakan jumlah karyawan yang sama atau lebih banyak untuk meraih pangsa pasar yang lebih besar sebagai keunggulan kompetitif
Mengurangi karyawan karena mereka menjadi lebih efisien terlihat seperti menembak kaki sendiri hanya agar tetap berdiri di posisi yang sama dalam perlombaan
AI seharusnya membuat karyawan yang kurang terampil pun lebih mudah dipekerjakan dan lebih berguna, sehingga seharusnya memicu booming pasar kerja
Fakta bahwa itu tidak terjadi mengisyaratkan bahwa AI mungkin hanya alasan untuk pemangkasan tenaga kerja, bukan penyebab mendasarnya
Teknologi ini belum sampai 10 tahun, dan baru benar-benar berguna sekitar 3 tahun terakhir
Saya tidak paham mengapa orang sudah berharap ini menjadi transformatif
Mirip dengan orang yang dulu berkata, “internet hanyalah mesin faks yang mencolok”
Masalahnya adalah kita bekerja bersama manusia. Dan mereka adalah orang-orang pintar yang sudah lama terbiasa bekerja dengan cara masing-masing yang sempit dan spesifik
Jika Anda berasumsi semua engineer akan tergila-gila pada AI seperti Anda dan menyalakan Claude Code setiap kali diminta, pendekatannya keliru
Sekeren apa pun sebuah alat, jika tidak cocok dengan perilaku dan cara kerja engineer, alat itu akan begitu saja ditinggalkan
Saya selalu melihat masalah ini dari pelanggan atau calon pelanggan. Jika tim berisi 5 orang membuat satu widget foobar selama 2 minggu, itu berarti 50 hari-orang
Jika seseorang menunjukkan bahwa hal yang sama bisa dibuat dengan AI dalam 2 jam, dengan kualitas yang sama atau lebih tinggi, manajemen akan senang, tetapi tim bisa saja tetap memprogram secara manual dan hanya bertanya soal error build tool ke ChatGPT alih-alih Stack Overflow
Membagikan alat dan mengatakan bahwa itu keren saja tidak cukup
Kita harus memahami tim engineering, bekerja bersama mereka, membimbing mereka dengan benar tahap demi tahap, dan mengubah perilaku
Itu tidak terjadi dalam semalam. Sayangnya, pendekatan saat ini cenderung menyingkirkan orang yang tidak menghasilkan di era software engineering berbantuan AI, dan menurut saya itu tidak benar
Saya bertanya-tanya mengapa kita harus peduli apa pun yang dikatakan Zuckerberg tentang agen AI
Ia adalah developer PHP awal 2000-an yang beruntung dengan Facebook, bukan ilmuwan atau peneliti AI
Otoritas apa yang ia punya untuk berbicara tentang masa depan agen AI
Moral perusahaan berada di titik terendah sepanjang masa, dan itu lebih menunjukkan kemampuan kepemimpinan yang seharusnya ia fokuskan. Atau mungkin agen akan segera menggantikannya
Pada tingkat tinggi, ia mengawasi sebagian besar pengembangan agen AI, jadi ia berada pada posisi untuk melihat apakah itu berhasil, dan kemungkinan menerima metrik yang rinci
Terlepas dari penilaiannya benar atau tidak, CEO industri teknologi terkenal suka mengejar tren, sehingga penilaiannya bisa menentukan suasana di perusahaan lain
Mungkin kali ini ia sendiri juga berada di pihak yang mengikuti tren, dan sedang memimpin arus awal yang menurunkan hype AI
Ini bukan bermaksud memuji; hal yang sama juga berlaku bagi banyak eksekutif C-level di perusahaan besar
Ada kesenjangan antara produktivitas yang terukur dan produktivitas yang “anekdotal”
Alasan bagan ini bagus adalah karena ia juga menunjukkan salah satu cara paling efektif untuk meningkatkan produktivitas. Cukup kurangi tenaga kerja
https://fred.stlouisfed.org/series/OPHNFB
Dalam kondisi kelangkaan, biasanya lebih menguntungkan untuk meningkatkan output atau membuat jenis output lain, terlebih jika ada yang bersedia membayar untuk itu
Jadi pertanyaan pentingnya adalah apa yang langka, apakah ada yang mau membayar untuk itu, dan bagaimana membuatnya lebih banyak
Jika bisa membuat sesuatu yang layak dibayar orang, kita bisa mempekerjakan orang untuk membuatnya
Sayangnya, hal paling jelas yang bersedia dibayar oleh orang-orang berduit adalah token AI, pusat data, dan input untuk pusat data
Belum jelas apakah ini akan memberi kita lebih banyak hal lain yang kita inginkan
Tujuan investasi adalah produksi, pertumbuhan, dan laba, bukan produktivitas itu sendiri